技術(shù)領(lǐng)域

本發(fā)明涉及交通標(biāo)識識別領(lǐng)域，更具體地，涉及一種基于無人機(jī)的路口斑馬線識別方法。

背景技術(shù)

道路斑馬線是交通管理部門在道路上繪制的、引導(dǎo)行人安全過街的重要標(biāo)線，也叫人行橫道，一般由等間距的白色長方形油漆區(qū)組成。斑馬線特征明顯，常常被用于城區(qū)圖像和視頻的定位參照物，進(jìn)而識別道路交叉口、道路區(qū)域和道路上的行人和車輛等目標(biāo)。因此，斑馬線識別是城市道路上各種目標(biāo)識別和跟蹤的基礎(chǔ)。

目前常見的路口斑馬線識別方法多是從行人或車輛的視角獲得街景圖像并識別其中斑馬線，或者從道路監(jiān)控視頻中識別斑馬線，由于透視的效果，斑馬線在圖像中并非平行，而是近大遠(yuǎn)小的，給斑馬線的識別帶來困難；另外從這些圖像中不能識別道路交叉口的所有斑馬線，不能對圖像進(jìn)行定位。

近年來，多旋翼無人機(jī)技術(shù)的快速發(fā)展為斑馬線識別研究帶來新的機(jī)遇。無人機(jī)可以懸停在道路交叉口的中心上方俯拍整個(gè)路口的影像和視頻，可以得到路口所有斑馬線的正射影像，為后續(xù)的路口識別和目標(biāo)跟蹤奠定基礎(chǔ)。但是無人機(jī)路口視頻不僅有道路和行人、車輛等信息，還有行道樹、周邊建筑物和道路設(shè)施等信息，它們會遮擋斑馬線和道路，給斑馬線識別帶來困難；另外，斑馬線在無人機(jī)視頻里面的影像比較小，樹木、建筑物或其他地物的影像會對斑馬線的識別帶來嚴(yán)重干擾。因此，無人機(jī)視頻影像中斑馬線識別更加困難。

發(fā)明內(nèi)容

為了克服目前常見的路口斑馬線識別困難和抗干擾性問題，本發(fā)明提出一種基于無人機(jī)的路口斑馬線識別方法，本發(fā)明不需要高成本的投資建設(shè)費(fèi)用，不需要耗費(fèi)大量的人力物力，簡單高效，只需操控?zé)o人機(jī)懸停在路口的正上方，對路口進(jìn)行拍攝，獲取包含路口斑馬線目標(biāo)的視頻，然后通過數(shù)字圖像處理技術(shù)，并結(jié)合斑馬線的形狀特征就可以得到路口斑馬線的空間區(qū)域范圍。

為實(shí)現(xiàn)以上發(fā)明目的，采用的技術(shù)方案是：

一種基于無人機(jī)的路口斑馬線識別方法，包括以下步驟：

S1.將無人機(jī)懸停在路口的正上方，對路口范圍進(jìn)行視頻拍攝，獲取包含斑馬線的視頻圖像；

S2.采用混合高斯背景建模方法提取圖像中路口的背景圖像；

S3.對提取出的背景圖像進(jìn)行圖像分塊處理，計(jì)算各圖塊的灰度的最大值、最小值，并作為輸入?yún)?shù)計(jì)算各圖塊的雙極系數(shù)，將各圖塊的雙極系數(shù)進(jìn)行合并操作，得到背景圖像的雙極系數(shù)圖；

S4.對雙極系數(shù)圖進(jìn)行二值化操作，并進(jìn)行數(shù)字圖像形態(tài)學(xué)處理，得到候選的斑馬線區(qū)域；

S5.設(shè)定面積閾值和長寬比閾值，將各個(gè)候選斑馬線區(qū)域進(jìn)行對比過濾，將不符合面積閾值和長寬比閾值候選斑馬線區(qū)域刪除，而將符合條件的候選斑馬線區(qū)域作為識別結(jié)果進(jìn)行保留。

本發(fā)明的工作原理：操控?zé)o人機(jī)懸停在路口正上方，對路口進(jìn)行垂直拍攝，獲取包含路口斑馬線的視頻圖像。拍攝的圖像中有靜止的目標(biāo)，如斑馬線，紅綠燈，指示標(biāo)牌等道路標(biāo)志信息，也有車輛，行人等運(yùn)動(dòng)的目標(biāo)。路口斑馬線屬于靜止的目標(biāo)，可以認(rèn)為是背景圖像的一部分，當(dāng)把背景圖像提取出來之后，經(jīng)過數(shù)字圖像處理技術(shù)并根據(jù)斑馬線的固有特點(diǎn)，就可以把斑馬線區(qū)域識別出來。

本發(fā)明使用高斯混合背景建模方法提取出無人機(jī)拍攝視頻的背景圖像，高斯混合模型使用多個(gè)高斯分布對像素值進(jìn)行建模，根據(jù)各個(gè)高斯分布的變化性和不變性，確定哪些高斯分布代表了背景值，而那些不符合背景分布的像素值被認(rèn)為是前景值。主要原理如下：

一段時(shí)間內(nèi)某個(gè)像素的值可以認(rèn)為是“像素過程”，這個(gè)過程是像素值的時(shí)間序列，可以表示為：{X₁，...X_t}＝{I(x₀，y₀，i)：1≤i≤t}，其中I表示圖像序列，t表示時(shí)刻，x₀、y₀表示像素的坐標(biāo)，用K個(gè)的高斯分布對{X₁，...X_t}進(jìn)行混合建模，t時(shí)刻當(dāng)前像素值為X_t的概率計(jì)算公式如下：

其中w_i，t是第i個(gè)高斯分布在t時(shí)刻權(quán)重的估計(jì)值，μ_i，t是第i個(gè)高斯分布的均值，∑_i，t是對應(yīng)的方差，η是高斯概率密度函數(shù)：