汪毅

摘 要：對于車輛的定位識別技術(shù)，本文首先對車輛進(jìn)行定位，采用了車側(cè)的邊緣檢測和提色塊法，對車輛在整張圖片中的位置進(jìn)行定位。所做的工作如下：將攝像頭拍攝的圖像轉(zhuǎn)化為灰度圖，使用提色塊法，提取車輛的顏色。主要目的是去掉車輛的陰影部分，提取出車輛的真實(shí)圖像范圍。

關(guān)鍵詞：車輛定位技術(shù) 邊緣檢測算法 提色塊算法 提陰影算法

中圖分類號：U495 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2018）03（a）-0000-00

車型的識別雖有多年的發(fā)展史，但到目前為止，這仍是一個難題，原因在于：（1）車輛在新舊程度不同時，顏色鮮艷程度、光亮程度各不相同，而且車輛可能由于通過收費(fèi)站時車速太快，使得攝像頭所拍攝的車型數(shù)據(jù)不準(zhǔn)確；（2）攝像頭放置的位置，環(huán)境影響和周圍物體對車輛的遮擋也會給車型識別帶來影響；（3）背景圖像的持續(xù)變化以及光照條件、天氣季節(jié)變化等因素也會給識別造成影響。因此車輛識別技術(shù)還是不夠完美，需要我們尋求一些方法，以提高識別的準(zhǔn)確性。

1 車輛定位信息提取

正是由于此種原因，車輛的定位技術(shù)應(yīng)運(yùn)而生，如果在識別車輛之前，能夠?qū)囕v的位置進(jìn)行定位，對于我們的研究工作是非常有益的，實(shí)現(xiàn)車輛的定位應(yīng)注意一些特征值的提取。

1.1 反射信息提取

反射信息提取指的是在圖像中將反射光的像素點(diǎn)提取出來，利用車輛的反光特性顯示出車的位置。因?yàn)楫?dāng)光照射在立體上時，立體的各個面對光線的反射性各不相同，一般來說反射性最差的像素點(diǎn)位于目標(biāo)的邊緣部位，由于沒有反射光，因此攝像頭也很難攝入這樣的區(qū)域。只有使用軟件的方法對它進(jìn)行提取，采用灰度圖法可將其凸顯出來，方法是先對彩色圖像取灰度圖，再將其轉(zhuǎn)化為黑白圖像，在顯示為完美圖像的二值化過程中要反復(fù)經(jīng)過測試選取合適的闕值[2]。

1.2 顏色信息提取

顏色信息提取是將色彩變化的區(qū)域從整張圖像中提取出來，這樣的區(qū)域一般都出現(xiàn)在圖像的邊緣地帶。通過檢測色變的區(qū)域，可以幫助我們定位目標(biāo)。在檢測時，算法一定要非常精確。適用于色彩信息的檢測及提取的模型較多，這其中使用得最多的還是RGB色彩。根據(jù)前面所說，我們要提取邊緣部分，信息識別沒有那么準(zhǔn)確，比如要識別車輛部分，有可能將一部分道路表面的色變信息也識別進(jìn)來，從而拓寬了車輛的寬度，使得識別結(jié)果不準(zhǔn)確。因此，色變邊緣信息提取只能被組合起來使用才有效。在我們知道車輛顏色的情況下進(jìn)行識別較為方便，我們可以將車輛的顏色信息作為檢測條件來找出車輛區(qū)域?？膳c前面的反射光信息提取法組合起來用，但它有其獨(dú)特的使用條件，不是在什么條件下都可以適用的。我們的使用條件通常是在弱反射光條件下，在強(qiáng)光下的檢測結(jié)果誤差較大。提取弱反射光信息是很有效的，可在整個圖像中用于識別所指定車輛的大致位置。因此，我們可以將色塊提取方法與弱反射光提取法結(jié)合起來使用。具體的操作步驟是：先使用弱反射光提取法，找到一個車輛可能處在的大致區(qū)域范圍，然后再在這個區(qū)域中進(jìn)行色度的檢測，以我們所預(yù)知的汽車顏色為基礎(chǔ)，找到這樣的色塊區(qū)域，最后將我們所檢測到的兩個區(qū)域重疊合成，一起構(gòu)成完

整的圖像，就完成了第二次圖像定位，這就是我們所要的結(jié)果。

2 車輛定位技術(shù)

定位的內(nèi)容包括對車輛位置的定位和特征值的選取區(qū)域定位。簡而言之，也就是對車的側(cè)面和車窗部分進(jìn)行定位。不管是對車輛目標(biāo)的定位還是對特征值的定位，其原理都是一樣的，都是使用水平和垂直圖像分割的圖像投影數(shù)據(jù)進(jìn)行分析，并尋找出定位的矩形區(qū)域。定位處理和信息提取過程還是沒有完全分離開來，完成最初的定位處理后還需要精益求精，從定位信息中求出最精確的定位位置。定位的精度在很大程度上取決于準(zhǔn)確的分割閾值，并可

以根據(jù)拍攝距離設(shè)置參數(shù)自動調(diào)整分割閾值。

2.1 車側(cè)定位算法

對于車輛邊緣的定位算法主要有兩種方法：提取色塊法和提取陰影法。

2.2.1 提色塊算法

提色塊算法在我們的設(shè)計應(yīng)用中非常有效，對于顏色較淺的車輛在深色背景中的定位尤為準(zhǔn)確。這種算法的識別誤差較小，在周圍沒有圖像噪聲存在的情況下，識別率可以達(dá)到100%。而也會存在著差分圖識別不出來的情況，一般是淺色車輛遇到淺色背景。比如說當(dāng)白色汽車停在道路上，會受到路面上的白線影響，使得識別時將白線也作為車體的一部分，將兩者混為一談，不能得到正確的定位，顯示出來的車輛形狀不是真實(shí)的車型。此效果圖可

見于圖1。

這樣的問題我們當(dāng)然要解決，解決方法是對算法做一些改進(jìn)。它的總體思路是：從顏色信息中提取出一個二值化后的矩形區(qū)域。在車體和白線之間，顯然車體占的位置較大，并且是連接在一起的，而白線是分隔開的。根據(jù)此種情況，我們在矩形區(qū)域中取一個中心點(diǎn)，由于車體面積較白線面積要大，因此這個點(diǎn)通常在車體的內(nèi)部。以這個中心點(diǎn)為起點(diǎn)開始向左掃描，當(dāng)遇到白色像素點(diǎn)時就沿著水平方向繼續(xù)向左掃描，當(dāng)遇見一個黑色像素點(diǎn)時就停下來，則該點(diǎn)為車的左側(cè)區(qū)域。然后用同樣的方法，從中心點(diǎn)向右開始水平方向掃描，以期找到該車的右側(cè)區(qū)域。在前面所提到的提色塊算法中，車輛的寬度信息測量起來是測不準(zhǔn)的。使用我們這種改良后的算法，就可以很精確地定位車輛寬度了。當(dāng)然我們也可以使用這種方法來對車長進(jìn)行定位，但由于車窗的顏色與車體不同，會給車長定位帶來不便。因此，這種

算法僅僅只適用于定位車寬。

分析上面的算法，最重要的是找到矩形區(qū)域內(nèi)的開始掃描點(diǎn)。掃描時如果遇到黑色像素，算法就結(jié)束。當(dāng)在白色的車體區(qū)域內(nèi)存在著星星點(diǎn)點(diǎn)的黑色像素，就會使檢測不準(zhǔn)確。為了避免這種情況，可以在測試范圍內(nèi)取多個掃描點(diǎn)，以降低隨機(jī)性對結(jié)果的影響。通常我們?nèi)?行3列的點(diǎn)陣形成27個交叉點(diǎn)，以這27個交叉點(diǎn)為基準(zhǔn)進(jìn)行掃描。在這種方式中，它是由左到右，自下而上的對27個掃描點(diǎn)進(jìn)行掃描，得到27個車寬值，取其中最寬的一個即為車體的寬度。

使用這種算法，即使在白色車輛受到道路交通白線影響的情況下，也可以大大改善對車身寬度的正確定位，最終識別結(jié)果如圖2所示。

圖1 提色塊法定位車側(cè)效果圖 圖2 改進(jìn)算法定位車寬

應(yīng)該指出的問題，即使算法在改進(jìn)后還是存在著不足，比如說前面就提到過，對于車長的定位，這種方法就不適合。如果存在大型白色車輛，由于其車身較寬，有可能被成塊的黑色區(qū)域所間隔開來，在這種情況下，對車寬的定位就不準(zhǔn)確。因此，改進(jìn)后的算法還需要與其他比較好的定位算法結(jié)合起來一起使用。

提色塊算法使用車輛的顏色進(jìn)行分割，而與陰影信息關(guān)系不是很大。因此可以利用提色塊法確定車側(cè)的陰影，由于陰影信息與車體顏色完全無關(guān)，因此兩者之間也沒有干擾，容易得出正確的結(jié)果。本文根據(jù)車體在矩形區(qū)域范圍內(nèi)所處的位置來判斷有沒有陰影部分，若是有陰影就判斷出陰影部分的大小和它與車體所處的相對位置，并將陰影部分添加到圖像中。2.2.2 提陰影算法

當(dāng)汽車一側(cè)的位置不符合上述改進(jìn)的提色塊算法時，就需要使用到提陰影算法了。提陰影算法就是試圖找到陰影區(qū)域，在色塊區(qū)域內(nèi)加入陰影信息。它首先判斷是否有陰影，如果有陰影，則根據(jù)陰影信息來判斷汽車的一側(cè)，然后利用邊緣信息得到車輛一側(cè)的信息。如果不存在陰影部分，就僅僅使用車輛的邊緣信息對其進(jìn)行定位。

使用陰影信息來定位車側(cè)是利用陰影相應(yīng)的特征，光線被物體所阻隔就產(chǎn)生了陰影。在我們的系統(tǒng)中，當(dāng)車輛停在道路上時，陽光照射在上面，光線被汽車阻隔的部分就是這里我們所研究的陰影部分。

3 總結(jié)

圖像的邊緣部分對于圖像來說是非常特殊的，它是目標(biāo)與周圍環(huán)境直接接觸的部分，兩者之間的灰度值也不太一樣。目標(biāo)物體與周圍的環(huán)境背景之間存在著大量的邊緣部分，我們要將兩者分割開來。這兩者之間的邊緣部分灰度值是隨著位置的不同而不斷變化的。一個比較好的邊緣檢測方法是提取每一個點(diǎn)在背景圖像中的灰度變化值，然后采用一階或二階取導(dǎo)的方法使兩者之間的邊緣灰度差異更小，這種非常簡單的方法就是邊緣檢測算子法。我們可以量化每一個點(diǎn)的灰度變化率，得出整張圖像的邊緣信息。

參考文獻(xiàn)

[1] 趙榮椿.數(shù)字圖像處理導(dǎo)論[M].西北工業(yè)大學(xué)出版社，2004

[2] 王鄭耀.數(shù)字圖像的邊緣檢測[M].電子工業(yè)出版社，2006

[3] 王超.基于激光掃描儀的ETC系統(tǒng)設(shè)計與實(shí)現(xiàn)[D].華南理工大學(xué)，2016.

[4] 呂博云.數(shù)字圖像處理技術(shù)及應(yīng)用研究[J].科技與創(chuàng)新，2018（02）：146-147.