基于HSI颜色空间的前车尾灯检测方法及研究

霍威 王震洲

摘要：针对前车尾灯的检测与灯语识别在城市交通环境下对安全驾驶起着重要的辅助作用。本文在车辆检测基础上，利用HSI颜色空间的特性结合尾灯区域特性提取尾灯区域轮廓，实验表明本方法可以有效提高前车尾灯识别的准确率。

关键词：数字图像处理；HSI颜色空间；尾灯检测

中图分类号：TP391.4文献标识码：A

车辆信号灯作为车辆间交流的重要途径，在对驾驶车前方环境进行检测的基础之上，通过对前方车辆的灯语进行分析，构建灯语识别规则，[13]可对前车驾驶行为进行预判，避免突发情况的发生，提高安全性。

在白天场景下，关于前车尾灯检测的研究则相对较少。国内学者田强等利用帧之间车尾灯区域的位置信息进行尾灯的关联，实现对车尾灯稳定有效的检测；[4]李仪等利用车辆尾灯的镜像特征设计车尾灯对匹配算法，并通过其与车底阴影之间的位置关系来检测车尾灯对以及辅助定位车辆位置；[5]RachedTaktak把白天和夜间的算法统一起来，从而避免了昼夜算法切换时间点的选择问题，[6]如Peek[7]交通信息采集系统和NAGUMO[8]的车载系统就是采用了这种算法，但这种方法在不同类型的公路和不同的气象条件下，并不稳定。

本文针对复杂多变的实际公路场景，选择了基于灰色系统理论的车辆检测算法和基于HSI颜色空间变换的前车尾灯检测方法。

1车辆检测

1.1图像预处理

通常行车记录仪采集的图像为彩色图像，需对其进行灰度化处理，并对灰度化的原始图像进行高斯滤波去除外界干扰引入的噪声。由于天空部分与路面部分相接处拥有明显的亮度变化差异，通常靠近路面区域颜色最暗且无车辆存在，结合本文只关注车辆同车道的正前方车辆形式动作，所以提取感兴趣区域如图1。

1.2前方车辆检测

由于日常光照以及路况的复杂度均可对视频图像造成影响，但无论前车运动状态如何，车辆底部阴影一直会存在。

计算路面分界线以下路面像素的均值μ和方差σ；并对感兴趣区域（ROI）二值化，阈值范围为μ3σ，然后对其滤波消除噪声，得到车底阴影。采用1.1宽高比的矩形边框对目标假设区域粗定位；采用垂直Sobel算子和水平Sobel算子进行水平和垂直边缘检测，获得垂直、水平积分投影图像，如图2。

采用垂直投影图中的局部峰值作为车辆的左右边缘，采用水平投影图中的第一条陡降曲线作为水平上边缘，从而定位前方车辆精确假设区域，检测结果如图3。

2车辆尾灯检测及定位

2.1饱和度分割

HSI模型符合人们用色调（H）、饱和度（S）和亮度（I）来描述物体的方法。本文采用的由RGB颜色模型向HSI颜色模型转换的公式为：

2.2前车尾灯检测

本文针对前车红色的尾灯区域分析统计，由于白天尾灯红色区域的饱和度相对较高，本文将HSI颜色空间得到的饱和度图使用最大类间方差法进行分割。

对于HSI颜色空间中的饱和度图像，前景目标和背景的分割阈值记作T，属于前景目标的像素点数占整幅图像的比例记为w0，其平均灰度u0；背景像素点数占整幅图像的比例为w1，其平均灰度为u1。图像的总平均灰度记为u，类间方差记为g。假设图像的背景较暗，并且图像的大小为M*N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于閾值T的像素个数记作N1，如式（25）所示。

当方差g最大时，可以认为此时前景和背景差异最大，此时的灰度T是最佳阈值，。并应用bwareaopen函数，使用4邻域，删除面积小于特定阈值的噪声点，本文进行的变换明显改善了分割效果。

3结论

本文将RGB颜色空间通过转换函数映射到HSI颜色空间中，检测效果较为稳定，可以为下一步进行灯语语义的分类提供良好的基础。

参考文献：

[1]赵阳，刘红娅.车辆灯语检测与识别技术研究与仿真[J].装备学院学报，2012，23（03）：9397.

[2]刘尊洋，叶庆，李菲，赵明辉，聂劲松，孙晓泉.基于亮度与颜色四阈值的尾灯检测算法[J].计算机工程，2010，36（21）：202203+206.

[3]程蕾.基于毫米波雷达和机器视觉的夜间前方车辆检测研究[D].吉林大学，2016.

[4]田强.车辆尾灯的检测与灯语识别[D].中国科学技术大学，2015.

[5]李仪.城市环境中交通对象检测与识别研究[D].中南大学，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.

作者简介：霍威（1992），男，主要研究方向为模式识别；王震洲（1978），男，研究方向为智能信息处理。