陳松林，皮旭東

（江西方興科技有限公司，江西 南昌 330044）

0 引言

危險(xiǎn)化學(xué)品車(chē)輛（簡(jiǎn)稱(chēng)?；?chē)輛）是指運(yùn)輸具有爆炸、易燃、毒害、腐蝕、放射性等危險(xiǎn)性質(zhì)的化學(xué)物品的車(chē)輛。?；?chē)輛是一個(gè)移動(dòng)的危險(xiǎn)源，在運(yùn)輸過(guò)程中若發(fā)生事故，將對(duì)人們的生命財(cái)產(chǎn)安全及生態(tài)環(huán)境的安全構(gòu)成極大威脅。因此在高速公路上有必要對(duì)?；?chē)輛采取一定的監(jiān)管措施，例如在收費(fèi)站入口車(chē)道對(duì)?；?chē)發(fā)放帶GPS模塊的通行卡，對(duì)車(chē)輛進(jìn)行實(shí)時(shí)跟蹤。若入口車(chē)道為人工車(chē)道，收費(fèi)員可肉眼識(shí)別危化車(chē)輛，若為自動(dòng)發(fā)卡車(chē)道，則需采用車(chē)輛識(shí)別技術(shù)。

車(chē)輛識(shí)別技術(shù)是智能交通系統(tǒng)的重要組成部分，隨著電子技術(shù)的發(fā)展，車(chē)輛識(shí)別的手段和方式也越來(lái)越多?；跀?shù)字圖像處理的識(shí)別技術(shù)在智能交通中的需求越來(lái)越大。本文設(shè)計(jì)了一種基于圖像處理的識(shí)別方法，針對(duì)攝像機(jī)抓拍的車(chē)輛頭部圖片，根據(jù)?；?chē)輛必須安裝危險(xiǎn)標(biāo)志燈這一特征，采用邊緣提取、相似三角形檢測(cè)等算法檢測(cè)圖片中是否存在有標(biāo)志燈，從而實(shí)現(xiàn)對(duì)?；?chē)輛的識(shí)別。

1 識(shí)別原理

1.1 危險(xiǎn)標(biāo)志燈特征

國(guó)家標(biāo)準(zhǔn)《道路運(yùn)輸危險(xiǎn)貨物車(chē)輛標(biāo)志》（GB 13392—2005）規(guī)定?；?chē)輛必須安裝危險(xiǎn)標(biāo)志燈。標(biāo)志燈安裝于車(chē)頭頂部，燈體正反面為等腰三角形狀，側(cè)面為等腰梯形狀。標(biāo)志燈正、反面邊框?yàn)楹谏妊切?，邊框?nèi)印有“危險(xiǎn)”字樣，如圖1（a）所示。黑色邊框外圍和內(nèi)圍的背景色為黃色，由于黑色和黃色的灰度變化明顯，故可采用邊緣檢測(cè)算法，將黑色邊框的外邊緣和內(nèi)邊緣分別提取出來(lái)，這樣可形成2個(gè)相似的三角形。補(bǔ)（壓縮），可能導(dǎo)致標(biāo)志燈邊框外邊緣和車(chē)頭邊緣連接在一起，從而影響后續(xù)的三角形檢測(cè)，故不進(jìn)行縱向修補(bǔ)。邊緣檢測(cè)及斷裂點(diǎn)修補(bǔ)后的圖像如圖2所示。

圖1 危險(xiǎn)標(biāo)志燈及圖像預(yù)處理

圖2 邊緣檢測(cè)及斷裂點(diǎn)修補(bǔ)后的圖像

1.2 圖像預(yù)處理

若原始圖為24位RGB真彩圖像，先將圖像轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換公式為：

Gray=0.299R+0.587G+0.114B

式中：Gray為變換后像素點(diǎn)的灰度值；R、G、B分別為變換前像素點(diǎn)的紅色分量、綠色分量、藍(lán)色分量值。

圖像灰度化以后采用3×3矩陣進(jìn)行中值濾波，去除圖像中的噪聲點(diǎn)，盡可能減少噪聲點(diǎn)對(duì)邊緣檢測(cè)精度的影響。圖1（a）經(jīng)灰度變換及中值濾波后如圖1（b）所示。

1.3 邊緣檢測(cè)及邊緣斷裂點(diǎn)修補(bǔ)

對(duì)圖1（b）的灰度圖采用Sobelb算子做邊緣檢測(cè)，再使用最大類(lèi)間反差法變換成二值圖，此時(shí)圖中邊緣點(diǎn)像素值為255（白點(diǎn)），背景點(diǎn)像素值為0（黑點(diǎn)）。之后進(jìn)行形態(tài)學(xué)上的細(xì)化處理及消除孤立點(diǎn)。細(xì)化是將邊緣線(xiàn)條細(xì)化為單像素寬的線(xiàn)條，孤立點(diǎn)消除則是消除孤立的邊緣點(diǎn)。此外，還需進(jìn)行斷裂點(diǎn)修補(bǔ)使邊緣更完整，設(shè)修補(bǔ)前的圖像為M，尺寸為P×Q（行×列），新建尺寸為P×（Q/2）的圖像M1，將M1所有像素點(diǎn)置為0，用1×2矩陣逐行掃描M，矩陣中2點(diǎn)只要有一個(gè)點(diǎn)像素為255，則M1中對(duì)應(yīng)點(diǎn)像素置為255。此方法通過(guò)橫向壓縮圖像的尺寸來(lái)修補(bǔ)斷裂點(diǎn)，最大可修補(bǔ)2個(gè)像素的斷裂點(diǎn)。若修補(bǔ)橫、縱兩個(gè)方向的斷裂點(diǎn)，則M1的尺寸設(shè)為（P/2）×（Q/2），使用2×2矩陣隔行掃描M，矩陣中只要任一點(diǎn)像素值為255，則M1對(duì)應(yīng)的點(diǎn)置為255?？紤]到標(biāo)志燈緊挨車(chē)頂安裝，在圖像像素不高的情況下縱向修

1.4 連通邊緣的提取

假設(shè)斷裂點(diǎn)修補(bǔ)后的二值圖像為M1，尺寸為M×N。將M1中的連通邊緣逐條提取出來(lái)，具體步驟如下：

（1）新建一個(gè)M×N的圖像M2，M2所有點(diǎn)像素值置為0；

（2）從左至右逐行掃描M1，當(dāng)遇到第一個(gè)像素值為255（白點(diǎn)）的點(diǎn)時(shí)，將M2上相同位置的點(diǎn)像素置為255；

（3）對(duì)M2做3×3矩陣的形態(tài)學(xué)膨脹運(yùn)算，再與M1相交，得到新的M2；

（4）循環(huán)執(zhí)行步驟3，直到M2不再發(fā)生變化，運(yùn)算結(jié)束，這樣就得到包含連通邊緣的M2，然后計(jì)算M1=M1-M2，生成新的M1；

（5）對(duì)M2做三角形檢測(cè)，判斷是否為三角形（詳見(jiàn)1.5）；

（6）循環(huán)執(zhí)行步驟1至5，將M1中的連通邊緣逐條提取出來(lái)做三角形檢測(cè)，直到M1中沒(méi)有邊緣點(diǎn)為止（全為黑點(diǎn)），算法結(jié)束。

對(duì)圖2（b）中的圖像M1提取邊框外邊緣、內(nèi)邊緣，如圖3所示。

圖3 連通邊緣提取

1.5 相似三角形檢測(cè)

上節(jié)步驟（4）中，得到包含連通邊緣的二值圖像M2后，使用Hough變換對(duì)其做三角形檢測(cè)。Hough變換能檢測(cè)圖像中是否存在直線(xiàn)段，并獲取線(xiàn)段的兩個(gè)端點(diǎn)坐標(biāo)。若M2中存在有3條直線(xiàn)段，分別設(shè)為a，b，c。設(shè)a的端點(diǎn)坐標(biāo)為（Xa1，Ya1）、（Xa2，Ya2），b的端點(diǎn)坐標(biāo)為（Xb1，Yb1）、（Xb2，Yb2），c的端點(diǎn)坐標(biāo)為（Xc1，Yc1），（Xc2，Yc2）?？砂聪铝泄接?jì)算3條線(xiàn)段的長(zhǎng)度，設(shè)長(zhǎng)度分別為A、B、C，則：

若以上3條線(xiàn)段首尾相接，即6個(gè)端點(diǎn)中每個(gè)端點(diǎn)與其他端點(diǎn)有且只有一個(gè)在坐標(biāo)位置上重合，則判斷該形狀為三角形。由于圖像中三角形經(jīng)Hough變換提取的線(xiàn)段相連的端點(diǎn)不能精確滿(mǎn)足坐標(biāo)位置完全重合的要求，故需設(shè)置閾值T=5，即6個(gè)端點(diǎn)中每個(gè)端點(diǎn)在其他端點(diǎn)中有且只有一個(gè)與其距離≤T，則可判斷其為三角形。若為三角形則保存三條邊的長(zhǎng)度，新建向量In，n為該三角形的序號(hào)，向量賦值為[A，B，C]。

所有的連通邊緣檢測(cè)完后，若有n個(gè)三角形，則可得到n個(gè)向量（I0，I1，…，In-1）。在所有的三角形中，判斷是否有兩個(gè)三角形相似。假設(shè)兩個(gè)三角形對(duì)應(yīng)的向量分別為I1，I2，若滿(mǎn)足以下條件則可判斷為相似三角形：

2 實(shí)驗(yàn)結(jié)果與分析

采用Matlab驗(yàn)證本文的算法，截取抓拍的車(chē)頭圖片中的標(biāo)志燈部分作為原始圖，使用M=imread（filepath）函數(shù)將圖片數(shù)據(jù)讀入到矩陣M，參數(shù)filepath為圖片的路徑。使用Gray=rgb2gray（M）將圖像M變換為灰度圖Gray。使用Mid=medfilt2（Gray，[3，3]）對(duì)圖像Gray進(jìn)行中值濾波，生成新的圖像Mid，效果如圖4（a）所示。采用Sobel=edge（Mid，‘sobel’）函數(shù)實(shí)現(xiàn)邊緣檢測(cè)，采用Sobel=bwmorph（Sobel，‘thin’，inf）、Sobel=bw?morph（Sobel，‘clean’，inf）進(jìn)行細(xì)化和孤立點(diǎn)消除。之后再進(jìn)行斷裂點(diǎn)修補(bǔ)，效果如圖4（b）所示。

圖4 相似三角形檢測(cè)之前的圖像處理

從圖4（b）中抽取連通邊緣，將標(biāo)志燈黑色邊框的外邊緣和內(nèi)邊緣分別提取出來(lái)，效果如圖5所示：

圖5 邊框內(nèi)、外邊緣提取圖像

對(duì)提取的外邊緣I1和內(nèi)邊緣I2采用Hough變換做三角形檢測(cè)，使用[H，theta，rho]=hough（Im?age，‘RhoResolution’， 1）、peak=houghpeaks（H，5）、lines=houghlines（Image，theta，rho，peak）三個(gè)函數(shù)可提取圖像中的3條線(xiàn)段，分別設(shè)為a、b、c，并將各線(xiàn)段的端點(diǎn)坐標(biāo)保存在變量lines內(nèi)。根據(jù)端點(diǎn)坐標(biāo)計(jì)算各線(xiàn)段的長(zhǎng)度，三條線(xiàn)段的長(zhǎng)度分別設(shè)為A、B、C，得到的數(shù)據(jù)如表1所示。

表1 I1和I2經(jīng)Hough變換后的結(jié)果

從表1中可知，I1中線(xiàn)段a的端點(diǎn)（116，33）與線(xiàn)段c的端點(diǎn)（119，33）之間的距離小于T，a的另一端點(diǎn)（30，176）與線(xiàn)段b的端點(diǎn)（30，176）之間的距離也小于T，同理I1中線(xiàn)段b、c的兩個(gè)端點(diǎn)在其他端點(diǎn)中有且只有一個(gè)端點(diǎn)與其距離小于T。故認(rèn)為I1為三角形，同理，I2也為三角形。新建向量I1和I2，依據(jù)相似三角形的判斷條件計(jì)算：

由于0.96、1.01、1.05都介于0.9和1.1之間，故可判斷三角形I1相似于三角形I2。綜上所述，圖像中存在有標(biāo)志燈，符合?；?chē)輛的判斷條件，為危化車(chē)輛。

3 結(jié)語(yǔ)

本文所述的方法與圖像質(zhì)量關(guān)系較大，圖像越清晰檢測(cè)精度越高。經(jīng)測(cè)試，圖像中標(biāo)志燈區(qū)域像素為200×150左右時(shí)可較好地提取內(nèi)外邊緣。算法運(yùn)算時(shí)間和圖像的背景有關(guān)，背景復(fù)雜、邊緣數(shù)量越多，運(yùn)算時(shí)間越長(zhǎng)。在實(shí)際應(yīng)用中，當(dāng)圖片清晰度不高時(shí)，標(biāo)志燈邊框的外邊緣檢測(cè)比較困難，可能會(huì)和背景或車(chē)頂邊緣連在一起，只能檢測(cè)到完整的內(nèi)邊緣?？紤]到標(biāo)志燈一般位于圖像上半部分，可簡(jiǎn)化本方法，只需在圖片上半部分檢測(cè)到有三角形（邊框內(nèi)邊緣）存在，即可判斷為?；?chē)輛。本算法可通過(guò)Matlab編譯成Dll動(dòng)態(tài)庫(kù)的形式供上層應(yīng)用軟件調(diào)用，動(dòng)態(tài)庫(kù)中識(shí)別函數(shù)輸入?yún)?shù)為圖像數(shù)據(jù)，輸出參數(shù)為布爾型變量，表示是否為?；?chē)輛。

[1]GB 13392—2005，道路運(yùn)輸危險(xiǎn)貨物車(chē)輛標(biāo)志[S].

[2]何江萍.圖像中任意三角形檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用，2009，4（29）：1022-1024.

[3]朱雙東，張懿，陸曉峰.三角形交通標(biāo)志的智能檢測(cè)方法[J].中國(guó)圖像圖形學(xué)報(bào)，2006，8（11）：1127-1131.

[4]黎海兵，易衛(wèi)東.一種高效檢測(cè)圖像中是否有三角形的算法[J].中國(guó)圖像圖形學(xué)報(bào)，2008，13（6）：456-460.

[5]BALLARD D H.Generalizing the hough transform to detect arbitrary shapes[J].Pattem Recognition,1981,13(2):111-122.

[6]周品，李曉東.MATLAB數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2012.

[7]岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版出版社，2003.