cv2 python 获取斑马线_opencv 斑马线，条纹检测

斑马线检测 基于OpenCV

效果不是很好

设置DEBUG变量为True时会输出每一步图像用于逐帧debug和调参(按下任意键或者按住不放下一步)，设为False则只画最后结果图。

红色方框是判断为斑马线的滑窗，紫色方框是最终输出的斑马线位置(紫框计算目前默认了图内只会出现一条斑马线)

github: https://github.com/TomMao23/ZebraCrossing_Detection

基本思路

总结斑马线的四个特征：

梯度一致性

等间隔

多根线

斑马线比车道线宽

梯度一致性和等间隔是两个强分类特征，其中梯度一致性特征易召回，等间隔特征强精度。目前算法未使用等间隔特征，主要利用梯度一致，另外两个特征辅助。

转逆透视图, 中值滤波，开运算，闭运算预处理后Canny边缘检测，对边缘检测图用sobel求横纵梯度，得到梯度的模值和方向(方向归为0到90度, 即不区分正反)，先过滤梯度太小的点。在滑窗内统计0:70度间隔5度的点直方图，取峰值方向的点数作为判断量，高于阈值判为斑马线。

问题及当前解决思路

过滤减速带：减速带同样具有梯度一致性，等间隔和线多的三个特征，但是有线短的特点，所以滑窗高度取得越大减速带越容易过滤，这是永远管用的。另一方面, 减速带是黄色(红+绿)黑色相间的，所以单使用蓝色通道而不是正常RGB转成的灰度图可以大大衰减减速带的梯度影响。

开运算有两个作用：能够减少噪点，可以利用斑马线比车道线更宽的特点用多iterations参数的开运算在保留斑马线的同时直接去除车道线干扰(缺点：若斑马线有磨损开运算会有一定损失，灰度图开运算可能会产生弱的虚假边缘，可以调参不检测出来)。

闭运算有两个作用：一是能够填补线磨损增强斑马线的边缘识别效果， 二是路面箭头破损时容易产生少量梯度杂乱的边缘增加误检的概率(如果斑马线无破损，阈值可以设得很高就没有这个问题)。即使无破损闭运算仍然很好地减少了其他元素的虚假边缘。

中值滤波的重要性：比起均值滤波等滤波器，同样是平滑的效果，并提升边缘检测效果，中值滤波保留了原始梯度大小更利于边缘的检出，同时可以完美地消除人行道的小砖缝纹理，所以中值滤波是必选。

canny的重要性：试过直接用sobel x，y来做但是：

噪点虚假边缘较多。

一个边缘多个点，斑马线线多的特征被衰弱。

这么做只有一个梯度阈值判断过滤边缘，之后再根据梯度方向过滤，