技術(shù)特征：

1.一種車輛間距檢測方法，其特征在于，包括以下順序步驟：

(1)通過道路視頻圖像設(shè)定車道區(qū)域；

(2)采集道路圖像；

(3)對道路圖像進行處理，獲取道路水平邊緣圖像；

(4)對水平邊緣圖像進行處理，獲取水平邊緣差分圖；

(5)通過累積多幀水平邊緣差分圖，獲取車輛的前景區(qū)域；

(6)去除前景區(qū)域的干擾邊緣；

(7)獲取車輛間距；

(8)重復(fù)執(zhí)行以上步驟，實時獲取每條車道的車輛通行信息；

(9)輸出車輛通行信息。

2.根據(jù)權(quán)利要求1所述的車輛間距檢測方法，其特征在于，步驟(3)中，所述獲取水平邊緣圖像，具體包括以下順序步驟：

(3A)利用卷積分模板，對道路進行模糊處理，去除路面上較小的水平干擾邊緣，所述卷積分模板采用以下公式：

$K1=\frac{1}{16}\left[\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 2& 0& 0\\ 1& 2& 4& 2& 1\\ 0& 0& 2& 0& 0\\ 0& 0& 1& 0& 0\end{array}\right]$

其中，K1表示卷積分模板；

(3B)利用卷積分模板，獲取經(jīng)道路模糊處理的水平梯度圖像，所述卷積分模板采用以下公式：

$K2=\frac{1}{14}\left[\begin{array}{ccccc}0& 1& 2& 1& 0\\ 1& 2& 4& 2& 1\\ 0& 0& 0& 0& 0\\ -1& -2& -4& -2& -1\\ 0& -1& -2& -1& 0\end{array}\right]$

其中，K2表示卷積分模板；

(3C)利用以下公式獲取水平邊緣圖像：

$\left\{\begin{array}{c}T=\frac{1}{w\×h}\underset{0\≤j\≤w}{\underset{0\≤i\≤h}{\mathrm{\Σ}}}G(i,j)\\ E(i,j)=\left\{\begin{array}{cc}1& G(i,j)\≥1.25\×T\\ 0& G(i,j)\<1.25\×T\end{array}\right.\end{array}\right.$

其中，E(i,j)表示水平邊緣圖像上(i,j)處的灰度值，G(i,j)表示水平梯度圖像上(i,j)處的梯度值，T表示圖像的水平梯度強度均值，w表示圖像的寬度，h表示圖像的高度。

3.根據(jù)權(quán)利要求1所述的車輛間距檢測方法，其特征在于，步驟(6)中，所述去除前景區(qū)域的干擾邊緣，具體包括以下順序步驟：

(6A)將同一個車輛的水平邊緣區(qū)域連接起來，形成更加完整的連通區(qū)域；

(6B)去除面積較小的連通區(qū)域；

(6C)去除寬度較小的連通區(qū)域。

4.根據(jù)權(quán)利要求1所述的車輛間距檢測方法，其特征在于，步驟(7)中，所述獲取車輛間距，具體包括以下順序步驟：

(7A)去除區(qū)域鬼影效應(yīng)，獲取新的車輛前景連通區(qū)域；

(7B)獲取每一個車輛前景連通區(qū)域的最小包圍矩形；

(7C)通過計算相鄰車輛最小包圍矩形之間的距離和車輛距離車道上下邊界的距離，獲取車輛間距。

5.根據(jù)權(quán)利要求4所述的車輛間距檢測方法，其特征在于，步驟(7A)中，所述去除區(qū)域鬼影效應(yīng)，獲取新的車輛前景連通區(qū)域，通過以下公式獲?。?/p>

$FN(i,j)=\left\{\begin{array}{cc}1& F(i,j)+D(i,j)=2\\ 0& F(i,j)+D(i,j)\≠2\end{array}\right.$

其中，F(xiàn)N(i,j)表示獲取的新車輛前景區(qū)域圖像上(i,j)處的灰度值，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，D(i,j)表示當前幀水平邊緣差分圖像上(i,j)處的灰度值，F(xiàn)(i,j)+D(i,j)＝2表示像素(i,j)在車輛前景區(qū)域圖像和水平邊緣差分圖像上均屬于前景像素點。

6.根據(jù)權(quán)利要求4所述的車輛間距檢測方法，其特征在于，步驟(7B)中，所述獲取每一個車輛前景連通區(qū)域的最小包圍矩形，通過以下公式獲?。?/p>

$\left\{\begin{array}{c}rect.x_1=\min \left\{i\right|FN(i,j)=1\}\\ rect.x_2=\max \left\{i\right|FN(i,j)=1\}\\ rect.y_1=\min \left\{j\right|FN(i,j)=1\}\\ rect.y_2=\max \left\{j\right|FN(i,j)=1\}\end{array}\right.$

其中，rect.x₁表示最小包圍矩形的左邊線位置，rect.x₂表示最小包圍矩形的右邊線位置，rect.y₁表示最小包圍矩形的上邊線位置，rect.y₂表示最小包圍矩形的下邊線位置，F(xiàn)N(i,j)表示車輛前景區(qū)域圖像上任意(i,j)處的灰度值，{i|FN(i,j)＝1}表示所有屬于前景區(qū)域的像素點的x坐標集合，{j|FN(i,j)＝1}示所有屬于前景區(qū)域的像素點的y坐標集合，min{}表示獲取所有包含元素的最小值，max{}表示獲取所有包含元素的最大值。

7.根據(jù)權(quán)利要求1所述的車輛間距檢測方法，其特征在于，步驟(4)中，所述對水平邊緣圖像進行處理，獲取水平邊緣差分圖主要通過獲取當前幀水平邊緣圖像和上一幀水平邊緣圖像的差別圖像法獲得，具體采用以下公式：

D(i,j)＝|Ec(i,j)-Ep(i,j)|

其中，D(i,j)表示水平邊緣差分圖像上(i,j)處的灰度值，Ec(i,j)表示當前幀的水平邊緣圖像上(i,j)處的灰度值，Ep(i,j)表示上一幀的水平邊緣圖像上(i,j)處的灰度值。

8.根據(jù)權(quán)利要求1所述的車輛間距檢測方法，其特征在于，步驟(5)中，所述通過累積多幀水平邊緣差分圖，獲取車輛的前景區(qū)域，通過以下公式獲得：

F(i,j)＝max{D₀(i,j),D₁(i,j)...D_n(i,j)}

其中，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，max{}表示提取所有包含元素的最大值，D₀(i,j)表示當前幀的水平邊緣差分圖像上(i,j)處的灰度值，D₁(i,j)表示前一幀的水平邊緣差分圖像上(i,j)處的灰度值，D_n(i,j)表示前n幀的水平邊緣差分圖像上(i,j)處的灰度值。