基于HSI顏色空間的前車尾燈檢測方法及研究

霍威 王震洲

摘要：針對前車尾燈的檢測與燈語識別在城市交通環境下對安全駕駛起著重要的輔助作用。本文在車輛檢測基礎上，利用HSI顏色空間的特性結合尾燈區域特性提取尾燈區域輪廓，實驗表明本方法可以有效提高前車尾燈識別的準確率。

關鍵詞：數字圖像處理；HSI顏色空間；尾燈檢測

中圖分類號：TP391.4文獻標識碼：A

車輛信號燈作為車輛間交流的重要途徑，在對駕駛車前方環境進行檢測的基礎之上，通過對前方車輛的燈語進行分析，構建燈語識別規則，[13]可對前車駕駛行為進行預判，避免突發情況的發生，提高安全性。

在白天場景下，關于前車尾燈檢測的研究則相對較少。國內學者田強等利用幀之間車尾燈區域的位置信息進行尾燈的關聯，實現對車尾燈穩定有效的檢測；[4]李儀等利用車輛尾燈的鏡像特征設計車尾燈對匹配算法，并通過其與車底陰影之間的位置關系來檢測車尾燈對以及輔助定位車輛位置；[5]RachedTaktak把白天和夜間的算法統一起來，從而避免了晝夜算法切換時間點的選擇問題，[6]如Peek[7]交通信息采集系統和NAGUMO[8]的車載系統就是采用了這種算法，但這種方法在不同類型的公路和不同的氣象條件下，并不穩定。

本文針對復雜多變的實際公路場景，選擇了基于灰色系統理論的車輛檢測算法和基于HSI顏色空間變換的前車尾燈檢測方法。

1車輛檢測

1.1圖像預處理

通常行車記錄儀采集的圖像為彩色圖像，需對其進行灰度化處理，并對灰度化的原始圖像進行高斯濾波去除外界干擾引入的噪聲。由于天空部分與路面部分相接處擁有明顯的亮度變化差異，通常靠近路面區域顏色最暗且無車輛存在，結合本文只關注車輛同車道的正前方車輛形式動作，所以提取感興趣區域如圖1。

1.2前方車輛檢測

由于日常光照以及路況的復雜度均可對視頻圖像造成影響，但無論前車運動狀態如何，車輛底部陰影一直會存在。

計算路面分界線以下路面像素的均值μ和方差σ；并對感興趣區域（ROI）二值化，閾值范圍為μ3σ，然后對其濾波消除噪聲，得到車底陰影。采用1.1寬高比的矩形邊框對目標假設區域粗定位；采用垂直Sobel算子和水平Sobel算子進行水平和垂直邊緣檢測，獲得垂直、水平積分投影圖像，如圖2。

采用垂直投影圖中的局部峰值作為車輛的左右邊緣，采用水平投影圖中的第一條陡降曲線作為水平上邊緣，從而定位前方車輛精確假設區域，檢測結果如圖3。

2車輛尾燈檢測及定位

2.1飽和度分割

HSI模型符合人們用色調（H）、飽和度（S）和亮度（I）來描述物體的方法。本文采用的由RGB顏色模型向HSI顏色模型轉換的公式為：

2.2前車尾燈檢測

本文針對前車紅色的尾燈區域分析統計，由于白天尾燈紅色區域的飽和度相對較高，本文將HSI顏色空間得到的飽和度圖使用最大類間方差法進行分割。

對于HSI顏色空間中的飽和度圖像，前景目標和背景的分割閾值記作T，屬于前景目標的像素點數占整幅圖像的比例記為w0，其平均灰度u0；背景像素點數占整幅圖像的比例為w1，其平均灰度為u1。圖像的總平均灰度記為u，類間方差記為g。假設圖像的背景較暗，并且圖像的大小為M*N，圖像中像素的灰度值小于閾值T的像素個數記作N0，像素灰度大于閾值T的像素個數記作N1，如式（25）所示。

當方差g最大時，可以認為此時前景和背景差異最大，此時的灰度T是最佳閾值，。并應用bwareaopen函數，使用4鄰域，刪除面積小于特定閾值的噪聲點，本文進行的變換明顯改善了分割效果。

3結論

本文將RGB顏色空間通過轉換函數映射到HSI顏色空間中，檢測效果較為穩定，可以為下一步進行燈語語義的分類提供良好的基礎。

參考文獻：

[1]趙陽，劉紅婭.車輛燈語檢測與識別技術研究與仿真[J].裝備學院學報，2012，23（03）：9397.

[2]劉尊洋，葉慶，李菲，趙明輝，聶勁松，孫曉泉.基于亮度與顏色四閾值的尾燈檢測算法[J].計算機工程，2010，36（21）：202203+206.

[3]程蕾.基于毫米波雷達和機器視覺的夜間前方車輛檢測研究[D].吉林大學，2016.

[4]田強.車輛尾燈的檢測與燈語識別[D].中國科學技術大學，2015.

[5]李儀.城市環境中交通對象檢測與識別研究[D].中南大學，2013.

[6]TaktakR，DufautM，WolfD，etal.Analysisandinspectionofroadtrafficusingimageprocessing[J].Mathematics&ComputersinSimulation，1996，41（34）：273283.

[7]MingYeeChiu，DepommierR.，SpindlerT.Anembeddedrealtimevisionsystemfor24hourindoor/outdoorcarcountingapplications[C].Proceedingsofthe17thInternationalConferenceonPatternRecognition，Hannover，2004：338341.

[8]NagumoS，HasegawaH，OkamotoN.Extractionofforwardvehiclesbyfrontmountedcamerausingbrightnessinformation[J].ElectricalandComputerEngineering2003，2（2）：12431246.

作者簡介：霍威（1992），男，主要研究方向為模式識別；王震洲（1978），男，研究方向為智能信息處理。