夜间车辆检测的感兴趣区域答案

【问题标题】：Region of Interest in nighttime vehicle detection夜间车辆检测的感兴趣区域
【发布时间】：2014-05-20 14:23:56
【问题描述】：

我正在开发一个在夜景中检测车辆前灯的项目。我正在 MATLAB 上进行演示。我的问题是我需要找到感兴趣的区域 (ROI) 以获得较低的计算要求。我研究了很多论文，他们只是使用像这样一个固定的ROI，上面的部分被忽略，底部用于稍后分析。

但是，如果相机不稳定，我认为这种做法是不合适的。我想找到一个更灵活的，它在每一帧中交替。我的实验图像显示在这里：

如果有人有任何想法，请给我一些建议。

【问题讨论】：

如果看HSV空间的V分量呢？我猜这会给你一个起点。
你的意思是我应该根据亮度？我试过但不知道如何区分 2 个区域。
基本上我想丢弃上面较暗的部分，只处理图像中较低的较亮部分
你还没有显示你所追求的地区。添加两个额外的图像并显示您要识别的区域。目前尚不清楚您所关注的区域，这意味着您获得有用答案的机会将更少。

标签： matlab image-processing computer-vision roi

【解决方案1】：

您可以尝试对图像进行下采样。

【讨论】：

什么意思？我不明白。
从您的问题中，我了解到您已经知道如何检测您想要的内容，您主要关心的是速度。如果图像帧太大，您可以将它们缩小并处理缩小的版本。但是，您必须选择不会对准确性产生不利影响的比例
并且，下采样与调整大小不同。虽然我不能肯定地说，它可能比插值更快（matlab调整大小使用插值）
是的，你是对的。我专注于速度，但我的目标是处理高清图像，所以我需要保持图像的相同大小
如果我的建议对您不清楚，希望以下示例对您有所帮助。有时，我不得不在尺寸约为 3MP 的图像中本地化检查。我对图像进行了下采样并在其上运行了我的定位算法，提取了 ROI，将其投影到原始的 ~3MP 图像并提取了检查。然后我对从 ~3MP 图像中提取的区域进行了所需的处理（如二值化）。

【解决方案2】：

我会转过头来说我们正在寻找车头灯 ABOVE ABOVE 某条线，而不是说车头灯低于某条线，即地平线，

您的图像在停机坪上有很高的反射率，我们可以利用这一点。我们知道图像中的最大光量是在反射和前灯附近的某个地方。因此，我们寻找光线最大的那一排并将其用作我们的地板。然后寻找本层上方的前灯。

这里的想法是我们逐行查看强度分布并找到具有最大值的行。

这仅适用于黑暗图像（即夜晚）以及前灯在停机坪上的反射很大的情况。

它不适用于白天拍摄的图像。

我是用 Python 和 OpenCV 编写的，但我相信您可以将其翻译成您选择的语言。

import matplotlib.pylab as pl
import cv2

# Load the image
im = cv2.imread('headlights_at_night2.jpg')

# Convert to grey.
grey_image = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

大幅平滑图像以掩盖任何局部高峰或低谷我们正在尝试平滑前灯和反射，以便有一个漂亮的峰值。理想情况下，前灯和反射会合并为一个区域

grey_image = cv2.blur(grey_image, (15,15))

逐行求和

intensity_profile = []
for r in range(0, grey_image.shape[0]):
    intensity_profile.append(pl.sum(grey_image[r,:]))

平滑配置文件并将其转换为 numpy 数组以便于处理数据

window = 10
weights = pl.repeat(1.0, window)/window
profile = pl.convolve(pl.asarray(intensity_profile), weights, 'same')

找到配置文件的最大值。这表示前灯和反射区域的 y 坐标。左侧的热图显示了分布情况。右图显示每行的总强度值。

我们可以清楚地看到强度总和有一个峰值。y坐标为371，在热图中用红点表示，图中用红色虚线表示。

max_value = profile.max()
max_value_location = pl.where(profile==max_value)[0]
horizon =  max_value_location

最右边图中的蓝色曲线代表变量profile

我们找到最大值的那一行就是我们的楼层。然后我们知道大灯在这条线之上。我们还知道，图像的大部分上部将是天空，因此是黑暗的。

我在下面显示结果。我知道两张图片中的线几乎在相同的坐标上，但我认为这只是巧合。

【讨论】：

感谢您的详尽回答。它对我有很大帮助。我还有 1 个问题：你如何计算每一行的强度？您是否只是添加了一行的所有像素值？
是的。你取每一行并总结每一行的强度。然后，您将获得具有 1x640 个元素的向量（如果您有 640 行）。每行一个值。
@Benoit_11 谢谢。我在显微镜图像上使用了这种技术来寻找细胞所在的培养皿表面。很高兴得到具有相似背景和兴趣的人的认可（包括冰球:-)）。
@kkuilla，您能解释一下您是如何计算热图的吗？ profile 和 intensity_profile 变量是向量，但热图应该来自 2D 矩阵。如何使用 max_value 和 Horizon 值来获得结果图像？
@Vendetta 您可以从查找强度最高的行开始。一旦你知道了这一点，你就会知道灯光在图像的哪个区域，并会给你一个起点。因此，您可以循环遍历图像的每一行，从顶部到水平线并取例如每行的平均值。最高平均值将告诉您前灯可能在哪一行。您必须尝试最大值、平均值、中值等，看看是否可行。