本發(fā)明涉及車輛檢測(cè)技術(shù)，尤其涉及一種基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法。

背景技術(shù)：

霧天環(huán)境下，由于能見(jiàn)度較低，駕駛員看不清周圍的交通標(biāo)志、路面設(shè)施和行人等，從而極易導(dǎo)致交通事故的發(fā)生。同時(shí)，在霧天行車的過(guò)程中，車速一般較慢，在上下班高峰期間，車流量較大，易造成車輛堵塞。因此，在霧天環(huán)境下對(duì)車輛進(jìn)行檢測(cè)跟蹤，提取相應(yīng)的交通參數(shù)，對(duì)相關(guān)部門及時(shí)制定交通誘導(dǎo)政策、進(jìn)行交通流控制和實(shí)施安全救援具有非常重大的意義。

在濃霧情況下，運(yùn)動(dòng)目標(biāo)與背景之間的灰度值相差很小，車輛的多種特征如外形輪廓、顏色、紋理等很難完整地呈現(xiàn)在視頻幀里，背景建模復(fù)雜，參照物少，背景差分法不再可行。而濃霧情況下行車速度緩慢，利用幀間差分法進(jìn)行車輛的檢測(cè)不能檢測(cè)出車輛的完整輪廓甚至不能檢測(cè)出車輛。因此，在目前的車輛檢測(cè)技術(shù)中，急需構(gòu)造一種能在濃霧天這種惡劣天氣情況下的車輛檢測(cè)方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題在于針對(duì)現(xiàn)有技術(shù)中的缺陷，提供一種基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法，包括以下步驟：

1)通過(guò)原始的濃霧天交通監(jiān)控視頻獲取圖像序列，根據(jù)濃霧天強(qiáng)退化圖像的特點(diǎn)進(jìn)行圖像預(yù)處理，提取效果最好的g分量圖，所述圖像預(yù)處理包括提取圖像的r、g、b三種通道圖像，并對(duì)比各通道圖像的清晰度、噪聲大小等指標(biāo)，選取效果最好的通道圖像進(jìn)行后續(xù)的處理；所述濃霧天為能見(jiàn)度小于0.1公里的天氣狀況；

2)在圖像g分量圖下根據(jù)車燈的亮度特征來(lái)進(jìn)行自適應(yīng)的閾值計(jì)算，強(qiáng)化車燈區(qū)域的特征并將其分割出來(lái)，接著對(duì)分割出的車燈區(qū)域進(jìn)行形態(tài)學(xué)的處理，之后再進(jìn)行外接矩形框的提取；

3)在提取的車燈區(qū)域外接矩形框下通過(guò)車燈之間的關(guān)系進(jìn)行篩選配對(duì)，所述車燈包括前照燈與霧燈；然后通過(guò)配對(duì)前照燈與配對(duì)霧燈之間的關(guān)聯(lián)完成兩組車燈對(duì)之間的配對(duì)，完成車輛的檢測(cè)；

4)利用反射光的鄰域特征進(jìn)行反射光的剔除，消除其對(duì)車輛檢測(cè)的干擾。

按上述方案，所述步驟(2)包括：

2.1)首先遍歷圖像的灰度直方圖，并對(duì)其中的所有波谷進(jìn)行標(biāo)注，然后根據(jù)濃霧天車燈的高亮特性，選取灰度值最大的波谷作為車燈分割的閾值，得到分割出的前景圖像；

2.2)對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理時(shí)，首先采用3*3的結(jié)構(gòu)對(duì)圖像進(jìn)行一次開(kāi)運(yùn)算，消除二值化圖像中的噪聲點(diǎn)，再選取相同的結(jié)構(gòu)元素進(jìn)行一次閉運(yùn)算，填充車燈部分的空洞；

2.3)使用區(qū)域生長(zhǎng)法來(lái)提取車燈的外接矩形框，同時(shí)記錄車燈的位置信息及長(zhǎng)寬比。

按上述方案，所述步驟2.3)中記錄車燈的位置信息及長(zhǎng)寬比具體如下：

建立一個(gè)車燈鏈表list1，分別存儲(chǔ)外接矩形框ci的左下角和右上角坐標(biāo)(xld,i,yld,i)，(xru,i,yru,i)，及其長(zhǎng)寬比為cki，并將該連通區(qū)域進(jìn)行編號(hào)，將各區(qū)域的車燈數(shù)量設(shè)置為1，其中cki滿足下式，

式中：cki為車燈長(zhǎng)寬比；(xld,i,yld,i)為矩形框ci的左下角坐標(biāo)；(xru,i,yru,i)為矩形框ci的右上角坐標(biāo)；

最小外接矩形框的中心點(diǎn)坐標(biāo)(hi,wi)滿足下式：

hi＝(xld,i+xru,i)/2,wi＝(yld,i+yru,i)/2

式中：hi為最小外接矩形框ci中心點(diǎn)橫坐標(biāo)；wi為最小外接矩形框ci中心點(diǎn)縱坐標(biāo)；(xld,i,yld,i)為矩形框ci的左下角坐標(biāo)；(xru,i,yru,i)為矩形框ci的右上角坐標(biāo)。

按上述方案，所述步驟3)中車輛的檢測(cè)的具體方法如下：

3.1)車燈配對(duì)的匹配率的計(jì)算：

式中：e為車燈匹配率；α為車燈對(duì)稱性的權(quán)重；eangle為兩車燈在水平方向上的傾斜程度；β為車燈間距的權(quán)重；edist為車燈間距的匹配率；γ為車燈相似性的權(quán)重；earea為兩車燈面積的歸一化差值；

每個(gè)車燈有且僅有另一個(gè)車燈與之匹配，匹配度最高的兩車燈即配對(duì)成功；

3.2)匹配成功后，建立一個(gè)車燈配對(duì)鏈表list2，存儲(chǔ)配對(duì)成功的車燈編號(hào)及其坐標(biāo)信息，并將該車燈對(duì)中的車燈數(shù)量更新為2。若車燈ci與cj配對(duì)成功，且根據(jù)list1中存儲(chǔ)的信息可知，ci的左下角坐標(biāo)為(xld,i,yld,i)，車燈cj的右上角坐標(biāo)為(xru,j,yru,j)，則建立一個(gè)新的矩形框m，并在list2中存放其左下角和右上角坐標(biāo)(xld,i,yld,i)，(xru,j,yru,j)，m代表一個(gè)車燈對(duì)；

3.3)車前照燈組與霧燈組的關(guān)聯(lián)匹配。

按上述方案，所述步驟3.1)中車燈配對(duì)的特征計(jì)算如下：

兩車燈在水平方向上的傾斜程度eangle則應(yīng)滿足下式：

式中：eangle為兩車燈在水平方向上的傾斜程度；(h1,w1)為待匹配車燈1的中心點(diǎn)坐標(biāo)；(h2,w2)為待匹配車燈2的中心點(diǎn)坐標(biāo)；

設(shè)dth為設(shè)定的車燈間距離，則車燈間距離的匹配率edist滿足下式：

式中：edist為車燈間距離的匹配率；dth為設(shè)定的車燈間距離；

設(shè)a1、a2分別為兩車燈的面積，earea為兩車燈面積的歸一化差值，則兩車燈大小的相似度如下式所示：

式中：earea為兩車燈面積的歸一化差值；a1為待匹配車燈1的面積；a2為待匹配車燈2的面積。

按上述方案，所述步驟3.3)車前照燈組與霧燈組的關(guān)聯(lián)匹配具體如下：

將兩組車燈對(duì)的質(zhì)心位置、縱向距離及最小外接矩陣框的面積大小作為關(guān)聯(lián)配對(duì)的標(biāo)準(zhǔn)，其過(guò)程如下：

根據(jù)各車燈對(duì)的外接矩形框的坐標(biāo)位置計(jì)算其質(zhì)心位置，設(shè)車燈對(duì)mi的左下角坐標(biāo)為(xld,i,yld,i)，右上角坐標(biāo)為(xru,i,yru,i)，則其質(zhì)心位置(xc,i,yc,i)滿足下式：

式中：(xc,i,yc,i)為第i組車燈質(zhì)心位置坐標(biāo)；(xld,i,yld,i)為車燈對(duì)mi的左下角坐標(biāo)；(xru,i,yru,i)為車燈對(duì)mi的右上角坐標(biāo)；mi為在上述步驟3.2)中定義的車燈對(duì)，此時(shí)代表第i個(gè)車燈對(duì)；

首先比較兩矩形框的面積大小，當(dāng)兩矩形框的面積相似時(shí)，再設(shè)置一定的的閾值，比較其質(zhì)心位置的橫坐標(biāo)與縱坐標(biāo)的差值，當(dāng)該差值的絕對(duì)值在閾值范圍內(nèi)時(shí)，即認(rèn)為該兩組車燈對(duì)屬于同一車輛。具體見(jiàn)下式：

式中：s(i,j)為判斷結(jié)果，即第i組車燈對(duì)和第j組車燈對(duì)是否屬于同一車輛；tx為兩個(gè)矩形框質(zhì)心位置橫坐標(biāo)差值；ty為兩個(gè)矩形框質(zhì)心位置縱坐標(biāo)差值；(xc,i,yc,i)為第i組車燈質(zhì)心位置坐標(biāo)；(xc,j,yc,j)為第j組車燈質(zhì)心位置坐標(biāo)；

通過(guò)實(shí)驗(yàn)，選取合適的tx，ty值，來(lái)獲得較高的關(guān)聯(lián)配對(duì)精度。對(duì)于關(guān)聯(lián)配對(duì)成功的車燈對(duì)mi，mj，提取其最小外接矩形框，并以此矩形框來(lái)表征一輛車，以此來(lái)獲取車輛檢測(cè)結(jié)果，同時(shí)建立一個(gè)車輛鏈表list3，存放各車燈的編號(hào)及車輛的外接矩形框坐標(biāo)，并將車燈的數(shù)量更新為3。設(shè)矩形框左下角和右上角的坐標(biāo)分別為(xld,k，yld,k)、(xru,k，yru,k)。

根據(jù)先驗(yàn)知識(shí)可知，在圖像中左側(cè)霧燈總在前照燈右下方，右側(cè)霧燈則在前照燈的左下方，從配對(duì)鏈表list2中獲取mi，mj的左上角和右上角坐標(biāo)位置(xld,i，yld,i)、(xld,j，yld,j)、(xru,i，yru,i)、(xru,j，yru,j)，則車輛鏈表中各車輛的坐標(biāo)滿足下式：

式中：(xld,k，yld,k)為代表車輛矩形框的左下角坐標(biāo)；(xru,k，yru,k)為代表車輛矩形框的右上角坐標(biāo)(xld,i,yld,i)為車燈對(duì)mi的左下角坐標(biāo)；(xru,i,yru,i)為車燈對(duì)mi的右上角坐標(biāo)；mi為在上述步驟(3.2)中定義的車燈對(duì)，此時(shí)代表第i個(gè)車燈對(duì)。

按上述方案，所述步驟4)中根據(jù)區(qū)域生長(zhǎng)法搜索二值化圖像中的前景目標(biāo)，當(dāng)該目標(biāo)下方距離較近處存在著另一前景目標(biāo)時(shí)，則該目標(biāo)與下方目標(biāo)均為車燈；反之，若該車燈獨(dú)立存在時(shí)，則為反射光，并將反射光區(qū)域的像素值置為0，實(shí)現(xiàn)反射光的剔除。

本發(fā)明產(chǎn)生的有益效果是：

本發(fā)明可以在濃霧天惡劣環(huán)境下，當(dāng)車輛在行進(jìn)過(guò)程中不按照車道線行駛時(shí)，通過(guò)基于車燈的對(duì)稱性等特征進(jìn)行車燈的配對(duì)以及前照燈和霧燈的關(guān)聯(lián)配對(duì)，完整地檢測(cè)出濃霧天視頻圖像中的車輛。在濃霧天環(huán)境下實(shí)現(xiàn)對(duì)車輛的完整檢測(cè)，交管部門能夠從中提取出相應(yīng)的交通流等交通參數(shù)，進(jìn)而對(duì)相應(yīng)的交通參數(shù)進(jìn)行分析，該分析結(jié)果能為交管部門進(jìn)行后續(xù)交通安全和交通監(jiān)控管理帶來(lái)理論支持，同時(shí)還能為相關(guān)部門及時(shí)制定交通誘導(dǎo)政策、進(jìn)行交通流控制和實(shí)施安全救援提供一定性的數(shù)據(jù)支撐。

附圖說(shuō)明

下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，附圖中：

圖1是本發(fā)明實(shí)施例基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法流程圖。

圖2是本發(fā)明實(shí)施例中對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理以及連通區(qū)域的標(biāo)定的流程圖。

圖3是本發(fā)明實(shí)施例中對(duì)車燈的配對(duì)以及車前燈與霧燈的關(guān)聯(lián)匹配的流程圖。

圖4是本發(fā)明實(shí)施例完整流程實(shí)驗(yàn)結(jié)果圖。

圖4中：(a)濃霧天源圖像；(b)源圖像g分量圖；(c)閾值分割圖；(d)形態(tài)學(xué)處理效果圖；(e)車燈最小外接矩形框提取效果圖；(f)車燈配對(duì)效果圖；(g)前照燈與霧燈關(guān)聯(lián)配對(duì)效果圖；(h)基于鄰域的反射光剔除效果圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法包括以下步驟：

步驟s100、輸入濃霧天環(huán)境下拍攝的視頻圖像序列，該視頻圖像可從交管部門發(fā)布的濃霧天氣城市交通路口的道路運(yùn)行情況視頻中截取相應(yīng)的圖像幀序列。

步驟s200、對(duì)原始的濃霧天交通監(jiān)控視頻進(jìn)行顏色空間轉(zhuǎn)換的過(guò)程中，分別提取該視頻圖像序列中的r、g、b通道圖像，對(duì)比各通道圖像的清晰度、噪聲大小等，通過(guò)對(duì)比各通道圖像的清晰度、噪聲大小等因素，最終選擇對(duì)圖像的g分量圖進(jìn)行進(jìn)一步的處理。

步驟s300、遍歷圖像的灰度直方圖，并對(duì)其中的所有波谷進(jìn)行標(biāo)注，然后根據(jù)濃霧天車燈的高亮特性，選取灰度值最大的波谷作為車燈分割的閾值，得到分割出的前景圖像。

步驟s400、主要包括對(duì)經(jīng)過(guò)步驟s300處理過(guò)后的前景圖像進(jìn)行形態(tài)學(xué)處理以及連通區(qū)域的標(biāo)定，如圖2所示，具體包括以下兩個(gè)步驟：

步驟s401、對(duì)步驟s300處理過(guò)后的前景圖像進(jìn)行形態(tài)學(xué)處理。采用3*3的結(jié)構(gòu)對(duì)圖像進(jìn)行一次開(kāi)運(yùn)算，消除二值化圖像中的噪聲點(diǎn)，再選取相同的結(jié)構(gòu)元素進(jìn)行一次閉運(yùn)算，填充車燈部分的空洞。

步驟s402、對(duì)步驟s401處理過(guò)的圖像進(jìn)行連通區(qū)域標(biāo)定。使用區(qū)域生長(zhǎng)法來(lái)提取車燈的外接矩形框，同時(shí)記錄車燈的位置信息及長(zhǎng)寬比，具體做法為：

建立一個(gè)車燈鏈表list1，分別存儲(chǔ)矩形框ci的左下角和右上角坐標(biāo)(xld,i,yld,i)，(xru,i,yru,i)，及其長(zhǎng)寬比為cki，并將該連通區(qū)域進(jìn)行編號(hào)，將各區(qū)域的車燈數(shù)量設(shè)置為1，其中cki滿足下式。

式中：cki—車燈長(zhǎng)寬比；(xld,i,yld,i)—矩形框ci的左下角坐標(biāo)；(xru,i,yru,i)—矩形框ci的右上角坐標(biāo)；

最小外接矩形框的中心點(diǎn)坐標(biāo)(hi,wi)滿足下式：

hi＝(xld,i+xru,i)/2,wi＝(yld,i+yru,i)/2

式中：hi—最小外接矩形框ci中心點(diǎn)橫坐標(biāo)；wi—最小外接矩形框ci中心點(diǎn)縱坐標(biāo)；(xld,i,yld,i)—矩形框ci的左下角坐標(biāo)；(xru,i,yru,i)—矩形框ci的右上角坐標(biāo)。

步驟s500、車燈的配對(duì)以及車前燈與霧燈的關(guān)聯(lián)匹配。如圖3所示，主要包括以下兩個(gè)步驟：

步驟s501、基于多特征的車燈配對(duì)，多特征主要指以下幾個(gè)方面：

a)對(duì)稱性。由于攝像機(jī)在拍攝時(shí)是沿水平方向的，因此同一車輛的兩車燈中心點(diǎn)近似處于同一水平線。兩車燈中心點(diǎn)的坐標(biāo)(h1,w1)，(h2,w2)，兩車燈在水平方向上的傾斜程度eangle則應(yīng)滿足下式：

式中：eangle—兩車燈在水平方向上的傾斜程度；(h1,w1)—車燈1的中心點(diǎn)坐標(biāo)；(h2,w2)—車燈2的中心點(diǎn)坐標(biāo)；

當(dāng)eangle值越小時(shí)，兩車燈的位置越接近同一水平線，配對(duì)成功的可能性越大。當(dāng)兩車燈處于同一水平線位置時(shí)，具有最大的優(yōu)先匹配權(quán)。

b)車燈間距離的大小。不同型號(hào)的車輛兩前照燈之間的距離不同，但距離值在一定區(qū)間范圍內(nèi)，設(shè)dth為設(shè)定的車燈間距離，則車燈間距離的匹配率edist滿足下式：

式中：edist—車燈間距離的匹配率；dth—設(shè)定的車燈間距離；

edist越小，則兩車燈間的距離匹配率越高，edist決定了同一水平線上的兩車燈的第二優(yōu)先匹配。

c)相似性。同一對(duì)車燈的面積大小近似相同，設(shè)a1、a2分別為兩車燈的面積，earea為兩車燈面積的歸一化差值，則兩車燈大小的相似度如下式所示：

式中：earea—兩車燈面積的歸一化差值；a1—車燈1的面積；a2—車燈2的面積；dth—設(shè)定的車燈間距離；

當(dāng)earea越小，車燈面積的相似性越高，earea決定了面積大小最接近的兩車燈具有第三配對(duì)優(yōu)先權(quán)。

d)唯一性。每個(gè)車燈有且僅有另一個(gè)車燈與之匹配，匹配度最高的兩車燈即配對(duì)成功。

綜合車燈配對(duì)時(shí)的四個(gè)性質(zhì)，賦予不同的權(quán)值來(lái)進(jìn)行綜合配對(duì)，匹配率e的計(jì)算方法如下式所示：

式中：e—車燈匹配率；α—對(duì)稱性的權(quán)重；eangle—兩車燈在水平方向上的傾斜程度；β—車間距的權(quán)重；edist—車燈間距離的匹配率；γ—相似性的權(quán)重；earea—兩車燈面積的歸一化差值；

e值越小，匹配成功的概率越大。通過(guò)實(shí)驗(yàn)，選取最佳的特征值權(quán)重，從而得到更高的匹配精度；

匹配成功后，建立一個(gè)車燈配對(duì)鏈表list2，存儲(chǔ)配對(duì)成功的車燈編號(hào)及其坐標(biāo)信息，并將該車燈對(duì)中的車燈數(shù)量更新為2。若車燈ci與cj配對(duì)成功，且根據(jù)list1中存儲(chǔ)的信息可知，ci的左下角坐標(biāo)為(xld,i,yld,i)，車燈cj的右上角坐標(biāo)為(xru,j,yru,j)，則建立一個(gè)新的矩形框m，并在list2中存放其左下角和右上角坐標(biāo)(xld,i,yld,i)，(xru,j,yru,j)，m代表一個(gè)車燈對(duì)。

步驟s502、車前照燈組與霧燈組的關(guān)聯(lián)匹配。主要將兩組車燈對(duì)的質(zhì)心位置、縱向距離及最小外接矩陣框的面積大小作為關(guān)聯(lián)配對(duì)的標(biāo)準(zhǔn)，其過(guò)程如下：

根據(jù)各車燈對(duì)的外接矩形框的坐標(biāo)位置計(jì)算其質(zhì)心位置，設(shè)車燈對(duì)mi的左下角坐標(biāo)為(xld,i,yld,i)，右上角坐標(biāo)為(xru,i,yru,i)，則其質(zhì)心位置(xc,i,yc,i)滿足下式：

式中：(xc,i,yc,i)—第i組車燈質(zhì)心位置坐標(biāo)；(xld,i,yld,i)—車燈對(duì)mi的左下角坐標(biāo)；(xru,i,yru,i)—車燈對(duì)mi的右上角坐標(biāo)；mi—在上述(3-1)中定義的車燈對(duì)，此時(shí)代表第i個(gè)車燈對(duì)；

首先比較兩矩形框的面積大小，當(dāng)兩矩形框的面積相似時(shí)，再設(shè)置一定的的閾值，比較其質(zhì)心位置的橫坐標(biāo)與縱坐標(biāo)的差值，當(dāng)該差值的絕對(duì)值在閾值范圍內(nèi)時(shí)，即認(rèn)為該兩組車燈對(duì)屬于同一車輛。具體見(jiàn)下式：

式中：s(i,j)—判斷結(jié)果，即第i組車燈對(duì)和第j組車燈對(duì)是否屬于同一車輛；tx—兩個(gè)矩形框質(zhì)心位置橫坐標(biāo)差值；ty—兩個(gè)矩形框質(zhì)心位置縱坐標(biāo)差值；(xc,i,yc,i)—第i組車燈質(zhì)心位置坐標(biāo)；(xc,j,yc,j)—第j組車燈質(zhì)心位置坐標(biāo)；

通過(guò)實(shí)驗(yàn)，選取合適的tx，ty值，來(lái)獲得較高的關(guān)聯(lián)配對(duì)精度。經(jīng)過(guò)實(shí)驗(yàn)的，得出了一組值，當(dāng)tx，ty分別取5和15時(shí)，關(guān)聯(lián)配對(duì)精度最高。對(duì)于關(guān)聯(lián)配對(duì)成功的車燈對(duì)mi，mj，提取其最小外接矩形框，并以此矩形框來(lái)表征一輛車，以此來(lái)獲取車輛檢測(cè)結(jié)果。同時(shí)建立一個(gè)車輛鏈表list3，存放各車燈的編號(hào)及車輛的外接矩形框坐標(biāo)，并將車燈的數(shù)量更新為3。設(shè)矩形框左下角和右上角的坐標(biāo)分別為(xld,k，yld,k)、(xru,k，yru,k)。

根據(jù)先驗(yàn)知識(shí)可知，在圖像中左側(cè)霧燈總在前照燈右下方，右側(cè)霧燈則在前照燈的左下方。從配對(duì)鏈表list2中獲取mi，mj的左上角和右上角坐標(biāo)位置(xld,i，yld,i)、(xld,j，yld,j)、(xru,i，yru,i)、(xru,j，yru,j)，則車輛鏈表中各車輛的坐標(biāo)滿足下式：

式中：(xld,k，yld,k)—代表車輛矩形框的左下角坐標(biāo)；(xru,k，yru,k)—代表車輛矩形框的右上角坐標(biāo)(xld,i,yld,i)—車燈對(duì)mi的左下角坐標(biāo)；(xru,i,yru,i)—車燈對(duì)mi的右上角坐標(biāo)；mi—在上述(3-1)中定義的車燈對(duì)，此時(shí)代表第i個(gè)車燈對(duì)。

步驟s600、利用反射光的鄰域特征進(jìn)行反射光的剔除，消除其對(duì)車輛檢測(cè)的干擾。其具體做法為：根據(jù)區(qū)域生長(zhǎng)法搜索二值化圖像中的前景目標(biāo)，當(dāng)該目標(biāo)下方距離較近處存在著另一前景目標(biāo)時(shí)，則該目標(biāo)與下方目標(biāo)均為車燈；反之，若該車燈獨(dú)立存在時(shí)，則為反射光，并將反射光區(qū)域的像素值置為0，實(shí)現(xiàn)反射光的剔除。

上述過(guò)程即為基于車輛前照燈和霧燈關(guān)聯(lián)配對(duì)的濃霧天車輛檢測(cè)方法整個(gè)技術(shù)方案，隨后進(jìn)行實(shí)驗(yàn)測(cè)試，圖4(a)為濃霧天源圖像，從該圖可以看出在濃霧天環(huán)境下，車輛信息顯得很模糊，不易檢測(cè)。圖4(b)為源圖像的g分量圖，從該圖可以看出，g分量圖在弱化背景圖像時(shí)，也突出了車燈區(qū)域。圖4(c)為經(jīng)過(guò)步驟s300處理過(guò)后得到的閾值分割圖，從該圖可以看出車前燈與霧燈均能被獨(dú)立檢測(cè)出來(lái)，且反射光的面積較小。圖4(d)為經(jīng)過(guò)步驟s401處理過(guò)后得到的圖像，從該圖可以看出車輛前照燈與霧燈能良好地分割開(kāi)來(lái)。圖4(e)為經(jīng)過(guò)步驟s402處理過(guò)后得到的圖像，從該圖可以看出使用該方法能夠較好的提取出車燈最小外接矩形框。圖4(f)為經(jīng)過(guò)步驟s501處理過(guò)后得到的圖像，從該圖中可以看出對(duì)于車輛前照燈以及霧燈都能較好的配對(duì)成功，且同時(shí)還配對(duì)了由于反射光所形成的矩形區(qū)域框。圖4(g)為經(jīng)過(guò)步驟s502處理過(guò)后得到的車輛前照燈與霧燈關(guān)聯(lián)配對(duì)效果圖，從該圖中可以看出車輛前照燈與霧燈進(jìn)行了良好的配對(duì)，且由于反射光形成的矩形框沒(méi)有與車輛前照燈和霧燈進(jìn)行配對(duì)。圖4(h)為經(jīng)過(guò)步驟s600處理過(guò)后得到的反射光剔除車輛前照燈與霧燈配對(duì)效果圖，從該圖中可以看出，其不僅充分保留了車輛前照燈和霧燈配對(duì)信息，同時(shí)還能夠很好地剔除反射光。

應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來(lái)說(shuō)，可以根據(jù)上述說(shuō)明加以改進(jìn)或變換，而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。