夜間前方車輛偵測方法

在夜間車輛偵測方面，由於夜間CCD 影像品質差，所以一直沒有一套有效 的、適應於各種環境的方法提出。本論文提出一套較實用簡潔的偵測法則：透過 尋找影像中的車尾燈訊息以偵測前方車輛，此外，並嘗試著驗證此法則於各種路 況環境中的表現。此偵測法則包含二部份：首先是將輸入影像做前處理，以去除 大部分的雜訊；再來是運用一系列特別發展的車輛判定(detection)的方法，以確 定出前方車輛的所在位置。

2.2.1 前處理方法

當黑夜來臨，大地一切事物皆籠罩在黑暗中，對人眼或CCD 影像來說，發 光物及反射係數強的色彩，也就是車尾燈、車道線、路燈和道路標示牌等，會變 的相對明顯。根據我們的目的-尋找前車車尾燈，故影像中非車尾燈之物皆屬於 雜訊。於是，在此步驟中，我們必須使用一些影像處理的方法將雜訊去除。

一般去除雜訊的方式多用二值化方法，也就是先將彩色影像取灰階，再取一 固定閥值進行二值化處理，此二值化處理會將閥值以下的圖素設為黑色，閥值以 上的設為白色，最後得到的是一黑白影像。如圖2.18 所示，二值化閥值皆取 200 的情況下，雖然已經能將大部份雜訊濾除，但對於亮度高的車道線雜訊卻不盡理

表現，當雜訊的明亮度相等於車尾燈的明亮度時，此種方法便會失效，因此，我 們必須更改去除雜訊的程序。

→

→

圖2.18 彩色影像經灰階、二值化(閥值=200)處理後的結果

前處理的程序更改為色度座標轉換(color-space transform)以及條件式二值 化。在此我們所進行的色度座標轉換是將原彩色影像RGB 座標依(2-9)的式子轉 換至YCrCb 座標。

0.257 0.504 0.098 16 0.439 0.368 0.071 128

0.148 0.291 0.439 128

Y R

色，紅色具有較高的Cr 值，因此，我們可單就 Cr 值進行二值化的處理，以期將 雜訊(白色車道線)濾除。經由實驗結果，由於車尾燈並非只是單純的紅色圖素，

而是摻有亮度的光點，經轉換後發現Y 值會偏高，所以如再將 Y 值加入二值化 條件效果會更好。最後，我們採用的條件式二值化如(2-10)式所描述，並由實驗 中調整其閥值為Y=145，Cr=130。

255, ( , ) 145 ( , ) 130 ( , ) {

0,

Y Cr

if r i j r i j r i j

otherwise

≥ ∧ ≥

= (2-10)

經由色度座標轉換以及條件式二值化處理後的結果如圖 2.19 所示。由圖中 可清楚發現，地面上的車道線被完全的濾除，只留下車尾燈的光點圖像，效果非 常不錯。另外說明的是，因為我們對路況的假設是平坦的，所以影像的上半部份 是不可能有車輛存在的，所以之後的輸入影像皆會事先用黑色圖像覆蓋上半部。

→

→

圖2.19 彩色影像經色度座標轉換、條件式二值化 (閥值為 Y=145，Cr=130)處理後的結果

2.2.2 車輛判定方法

至此所得影像為一黑白影像，而其中白色圖像有非常大的可能就是車體所 在，於是接下來需要做的就是車輛判定(detection)。車輛判定的方法有二：首先 是尋找單一光點，將影像中聚集的光點分類，並計算其質心所在；第二是尋找成 對光點，此時要利用下一刻的輸入影像，比較同區域光點質心的移動方式，具有 相同高度及移動方式的光點即為同一群組，也就是同一車體。於是，經由以上判 定方式找到車體所在，並且經由監控畫面標示出來。

a.尋找單一光點：

將所有白色區域找出後，再細部分類成許多區塊，同時計算區塊內光點質心，

以備下個步驟使用。圖2.20 表示經由此步驟，找出了三個光點區塊(底線標示處)。

→

圖2.20 經“尋找單一光點”後的結果

b.尋找成對光點

取得下一刻輸入影像後，對於此兩張連續影像的資訊，針對同質心高度的區 塊，比較其區塊內光點(質心)移動的趨勢，藉以確定那些區塊為同一群組，因而 可以做到車輛的判定(如圖 2.21 所示)。 (a)表示的是在前一步驟(尋找單一光點) 中所得的影像，假設已經找到二個光點區塊並計算好各光點質心位置。(b)再輸 入下一刻影像，淺色是上一張光點位置，深色是此張的光點位置。同樣的，計算 出其質心位置，並且計算出與上一張質心的位移量△x1, △y1, △x2, △y2。(c)如

果(△x1-△x2) + (△y1-△y2) < 閥值，我們可確定區塊 1(block1) 和 區塊 2(block2) 是成對的。(d)根據圖 2.3 所得資訊，實作於真實影像中，判定出前方有一輛車存 在，並經由底線標示出。

(a)前一刻影像所得單一光點質心位置

(b)與後一刻影像比對區塊內 質心移動趨勢

(c)二個光點合併為同一區塊 (d)實際影像執行結果 圖2.21 “尋找成對光點”步驟圖解以及實際執行結果

综和以上過程得知，要判定車輛的存在最少要處理二張影像，如圖2.21(a)、

(b)，根據實驗結果，對於事先錄製的前方有車之影像檔，判定一輛車平均需要 140ms(以 320× 240 的影像大小在 P4 CPU 2.4GHz 為例)。然而對於已經找到的車 輛，其實不必一再地重新搜尋，只要微調其影像中的相對位置即可。關於這個想 法，於是我們在之後加入了追蹤的處理，只需一張輸入影像便可達到，不僅可以 縮短將近三分之ㄧ的程式處理時間，也可減少一些不必要錯誤的產生。