黃磊

摘 要：車輛檢測系統(tǒng)是智能交通系統(tǒng)的重要環(huán)節(jié)，基于視頻圖像的車型識別和車輛檢測技術研究也越來越多。本文以實時視頻為基礎，介紹了一種車輛特征提取算法-彈性松弛袋算法，來提取車輛的車長車高特征，從而實現(xiàn)對車輛的檢測和分類。本文著重介紹了彈性松弛袋算法提取車型特征的程序?qū)崿F(xiàn)，通過實驗的結(jié)果，驗證了該算法的可行性。

【關鍵詞】車輛檢測 車輛特征 彈性松弛袋

我國在“十五”綜合交通體系發(fā)展規(guī)劃中明確指出要以可持續(xù)發(fā)展為前提，以市場經(jīng)濟為導向，建立智能交通系統(tǒng)即ITS （Intelligent Transportation Systems）。其中，車輛動態(tài)監(jiān)測和高速公路收費站全自動收費對公路交通自動化程度的提高，促進智能交通系統(tǒng)的發(fā)展具有極其重大的實際意義。而車型檢測和識別技術在車輛動態(tài)監(jiān)測和高速公路全自動收費中起著至關重要的作用。近年來基于圖像處理的視頻車輛檢測方法發(fā)展很快，由于它具有系統(tǒng)設置靈活、檢測區(qū)域大等突出的優(yōu)點，已成為車輛檢測領域研究的一個重點方向。本文的目的是旨在采用“視頻采集和預處理設備+應用軟件”的最小系統(tǒng)結(jié)構模式，實現(xiàn)對車輛的檢測和識別。

1 車輛檢測程序過程分析

在車輛檢測中，通常先使用攝像頭和視頻采集卡來采集AVI視頻流，圖像采集卡接收到視頻圖像信號后，通過采樣和量化將其二值化，實時顯示并逐幀將圖像存入計算機內(nèi)存中。然后通過對這些圖像的分析與處理，提取出車輛的車型特征，即車輛的長度和高度數(shù)據(jù)，由此判斷出檢測車輛的車型。

2 車輛特征提取算法-彈性松弛袋算法

通過對車輛檢測程序過程的分析，我們可以得出以下算法：判定車輛存在與該車輛車型特征提取算法——彈性松弛袋算法。

該算法表述如下：

輸入：視頻當前圖像與背景圖像之差，即幀差圖像。

算法處理過程：

（1）在當前背景圖像的右邊建立兩根豎線TAG1和TAG2。其中，TAG1作為車輛的最右端判斷依據(jù)，TAG2作為車輛的左端判定依據(jù)。如圖1所示。

（2）當車輛進入到攝像區(qū)域內(nèi)時，檢測到右側(cè)的按列投影將發(fā)生急劇的變化，此時當前列的像素個數(shù)大于deltaA，其中deltaA是一個給定的閾值，只要TAG2始終處于劇烈變化塊中，即TAG2所在列的像素個數(shù)大于deltaA，TAG1便跟隨著急劇變化塊向左端推進。

（3）當上一幀圖片內(nèi)TAG2處在車型塊中，而在當前幀中TAG1沒有處在車型塊中，TAG1不再往左端推進。

（4）此時，可以從投影圖片的右側(cè)開始往左側(cè)尋找，確定車型的右邊界位置，然后繼續(xù)往左尋找，確定車型左側(cè)位置，兩者之差即為車長，如圖2所示。

（5）在第四步處理結(jié)束后，對提取車長length進行后續(xù)處理，跳轉(zhuǎn)到第7步。

（6）將TAG1和TAG2歸位。跳轉(zhuǎn)到第2步。

（7）如果length滿足一定的分類要求，可以作出檢測到某一類型車的判定，否則，認為是無用噪點的影響，直接舍棄。

以上是通過彈性松弛袋算法提取車輛車長的方法，對于提取車輛的車高，只需要將兩根豎線設置為垂直的即可。

3 利用彈性松弛袋算法，提取車輛的車長車高特征，對車輛進行分類

在彈性袋松弛算法中，當一輛車從右至左行駛進入攝像區(qū)域（因為該算法假定如此，當然也可以沿相反方向，結(jié)果一樣）時，偵測到的車長在不斷增大，直到下一幀偵測到的車長小于某個設定的最小值，就認為該車輛的偵測結(jié)束。根據(jù)以上結(jié)論，程序結(jié)構流程圖如圖3所示。

其程序如下：

bool bTag = false；//標志變量，標示是否有下一輛車進入攝像區(qū)域

int preLength = 0；//preLength為前一幀上偵測到的車長

int curLength = 0；//curLength為當前幀上偵測到的車長

int preHeight = 0；//preHeight為前一幀上偵測到的車高

int curHeight = 0；//curHeight為當前幀上偵測到的車高

int minLength = 70；//minLength為系統(tǒng)設定的最小車長

int minHeight = 10；//minHeight為系統(tǒng)設定的最小車高

Trait t = getNextFrame（）；//Trait為車輛提取特征類

while （t ！= null）

{ curLength = t.length；

curHeight = t.height；

if （preLength < curLength && curLength > minLength && preHeight < curHeight && curHeight > minHeight）

{ bTag = true；}

else

{ Console.WriteLine（velCheck（curLength， curHeight））；

preLength = curLength；//當前幀替換前一幀

preHeight = curHeight；

t = getNextFrame（）；//getNextFrame（）為獲得下一幀圖像的相關信息 }}

//車輛檢測分類

static string velCheck（int length ，int height）

{ string s = ""；

if （length>=400 && length <1000 && height>=100 && height<110）

{ s = "公交車"；}

if （length >= 270 && length < 400 && height >= 80 && height < 100）

{ s = "小型貨車"；}

if （length >= 180 && length < 270&& height >= 60 && height < 80）

{ s = "面包車"；}

if （length >= 110 && length < 180 && height >= 40 && height < 60）

{ s = "轎車"；}

return s；

}

4 實驗結(jié)果

在實驗中，選用了一段實時視頻，該視頻是由安裝在道路上的攝像機獲取的。在整段實時視頻里，總共有48輛不同類型的汽車。除此之外，還包括了行人、自行車等干擾信號。實驗中采用兩種統(tǒng)計方法，分別是通過人工統(tǒng)計，以及通過提取車輛車長車高信息進行綜合統(tǒng)計。通過實驗后，統(tǒng)計結(jié)果如表1所示。

從表1的實驗結(jié)果可以看出，通過提取車輛車長車高信息進行車輛識別的結(jié)果還是可以接受的。誤差主要是由以下原因造成的：一是建立的背景可能還不夠理想，含有噪點；二是實時視頻中的車輛不是在一個單向的車道上，相向車輛相互影響。

5 結(jié)束語

目前，視頻圖像檢測技術作為一種新興的交通信息檢測技術，在智能交通系統(tǒng)的研究和開發(fā)工作中已經(jīng)得到了廣泛的應用。但是在我國這種技術尚處在起步階段。視頻圖像檢測技術在算法上具有適應能力強和柔性大等特點，本文以彈性松弛袋算法為基礎，分析了車輛進入攝像區(qū)域的整個過程，通過提取車輛的車長車高特征，對車輛進行分類，并取得了不錯的效果。

參考文獻

[1]張全元.基于實時視頻流的車型識別系統(tǒng)設計[J].中國地質(zhì)大學（武漢）碩士學位論文，2007.

[2]王春波，張衛(wèi)東.智能交通系統(tǒng)運動車輛的視覺檢測[J].紅外與毫米波學報，2001（20）.

[3]張帆，基于視頻流的車型識別特征提取方法研究[J].中國地質(zhì)大學（武漢）碩士學位論文，2010.

[4]林曉梅，李琳娜.基于小波邊緣檢測的圖象去噪方法[J].光學精密工程，2004.

[5]王耀南等.計算機圖像處理與識別技術[M].北京：高等教育出版社，2001.

[6]范伊紅.基于視頻的車型自動識別系統(tǒng)的實現(xiàn)[D].（學位論文）鄭州：鄭州大學，2006（05）.

[7]高大山.智能交通系統(tǒng)中運動目標檢測方法的研究[J].清華大學（碩士學位論文），2002.

作者單位

廣東省高級技工學校 廣東省惠州市 516100