專利名稱：一種基于三角剖分變換的車型識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于三角剖分變換的車型識別方法，屬視頻圖像處理和車輛檢測領(lǐng)域。
技術(shù)背景基于計算機(jī)圖像識別技術(shù)的車型識別技術(shù)是智能交通系統(tǒng)的一個重要組成部分，其任 務(wù)是處理分析拍攝得到的車輛圖像，以自動識別獲取目標(biāo)車輛的車型信息。該技術(shù)有著廣 闊的應(yīng)用前景，適用于城市交通車輛管理、交通流量檢測、交通控制與誘導(dǎo)、智能停車場 管理、公安執(zhí)法系統(tǒng)、高速公路收費系統(tǒng)、城市道路監(jiān)控系統(tǒng)和闖紅燈等違法車輛監(jiān)控以 及車輛安全防盜等眾多領(lǐng)域。車型識別是一門綜合的技術(shù)，包括車輛快速檢測技術(shù)和車輛分類判別技術(shù)。傳統(tǒng)車型 識別方法通過背景減除法、幀差法等方法來檢測運動目標(biāo)車輛，難以應(yīng)用在單幀圖像的環(huán) 境中；實際應(yīng)用中受背景變換、光照、天氣情況影響很大；同時由于采集圖像一般較大， 在圖像處理和特征值提取階段花費較多資源，降低了系統(tǒng)執(zhí)行效率。 發(fā)明內(nèi)容本發(fā)明的技術(shù)解決問題克服現(xiàn)有技術(shù)的不足，提供一種基于三角剖分變換的車型識 別方法，該方法運用三角剖分技術(shù)能較好地解決車輛區(qū)域檢測和分割過程中的背景變換問 題，而且由于使用簡單適用的三角剖分算法來代替繁瑣的分割算法，降低了系統(tǒng)的時間復(fù) 雜度，提高了系統(tǒng)適用性和魯棒性。本發(fā)明的技術(shù)解決方案 一種基于三角剖分變換的車型識別方法包括以下步驟(1) 釆用數(shù)字形態(tài)學(xué)方法進(jìn)行圖像預(yù)處理，從而去除無用區(qū)域、消除圖像噪聲、增強(qiáng) 有用信號、修正圖像的失真和變形(2) 使用Canny算子對圖像進(jìn)行邊緣檢測獲取輪廓信息，然后應(yīng)用Hough變換取得圖 像中的直線集合進(jìn)而提取角點集合；(3) 進(jìn)行車輛假設(shè)區(qū)域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集 合，然后從這些三角區(qū)域中尋找車輛的真實區(qū)域，得到目標(biāo)車輛假設(shè)區(qū)域；(4) 通過圖像紋理特征對車輛假設(shè)區(qū)域進(jìn)行驗證；(5) 借助已經(jīng)得到的直線集合得到真實世界中目標(biāo)車輛輪廓線的距離特征在圖像坐標(biāo) 中的映射信息，根據(jù)該映射信息進(jìn)行目標(biāo)車輛的車型匹配并最終輸出結(jié)果。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于三角剖分(Constrained DelaunayTriangulation，約 束Delaunay三角剖分)作為一種新的圖像分割算法，其計算簡單、適應(yīng)性強(qiáng)，廣泛應(yīng)用于 各種實時系統(tǒng)，取得了良好效果。本發(fā)明將三角剖分技術(shù)應(yīng)用于車型識別領(lǐng)域，較好地解 決了車輛區(qū)域檢測和分割過程中的背景變換問題，而且以簡單實用的三角剖分算法代替繁 瑣的分割算法，大大降低了系統(tǒng)時間復(fù)雜度，提高了系統(tǒng)適用性和魯棒性。


圖1為本發(fā)明的車型識別方法流程圖；圖2為本發(fā)明的角點提取示意圖；其中2a為預(yù)處理之后圖像，2b為邊緣輪廓圖像， 2c為圖像中直線集合，2d為圖像中角點集合；圖3為本發(fā)明的車輛上下邊緣提取示意圖，其中3a為三角剖分后三角集合，3b為上下 邊緣；圖4為本發(fā)明的車輛真實區(qū)域提取示意圖，其中4a為原始圖像，4b為假設(shè)區(qū)域，4c 為真實車輛區(qū)域。
具體實施方式
本發(fā)明基于三角剖分變換提出了一種新的通用車型識別方法，基本思路是對圖像中的 角點集合進(jìn)行三角剖分并借助于車輛可以由兩條水平線所限定這一事實來獲取車輛假設(shè)區(qū) 域，之后依據(jù)圖像紋理特征判斷出真實車輛區(qū)域，最終進(jìn)行特征匹配判定車型結(jié)果，其具 體包括以下步驟-在圖1車型識別方法流程圖中，本發(fā)明主要分圖像預(yù)處理、角點提取、車輛假設(shè)區(qū)域 檢測、車輛假設(shè)區(qū)域驗證、車型判別匹配五個步驟。第一步圖像預(yù)處理。采用數(shù)字形態(tài)學(xué)方法進(jìn)行圖像預(yù)處理，借助輔助信息去除無用 區(qū)域，對去除無用區(qū)域后的彩色圖像進(jìn)行灰度化、數(shù)字形態(tài)學(xué)濾波去噪以及灰度拉伸，從 而減輕后續(xù)處理壓力、消除圖像噪聲、增強(qiáng)有用信號、修正圖像的失真和變形，具體方法 如下(1) 借助輔助信息去除無用區(qū)域，減輕后續(xù)處理壓力；(2) 將去除無用區(qū)域后的彩色圖像進(jìn)行灰度化，轉(zhuǎn)化為灰度圖像； (3〉對該灰度圖像進(jìn)行數(shù)字形態(tài)學(xué)濾波濾去噪聲；(4)對去噪后的圖像進(jìn)行灰度拉伸，令灰度范圍擴(kuò)展到0 255,以增強(qiáng)圖像的對比度。 第二步角點提取。采用Canny算子得到輪廓特征(如圖2b所示)后，應(yīng)用Hough 變換進(jìn)行直線提取(如圖2c所示)，在進(jìn)行邊緣提取的過程中需要對輪廓線段進(jìn)行過濾， 因為邊緣提取之后的輪廓集，通常是由具有一定弧度的長短不一的曲線殺而非精確的直線段組成，過短的線段可能是一些噪點集，過于彎曲的線段則不太可能是車輛輪廓。，本發(fā)明 過濾時選定線段弧度上限為兀/60,線段長度下限為30個像素，對直線集合進(jìn)行過濾，以過 濾掉過短和過于彎曲的線段，即噪點集和非輪廓線段。獲取圖像的直線集之后，將所有直 線的兩個端點匯集，即得角點集合(如圖2d所示)。第三步車輛假設(shè)區(qū)域檢測將所提取的圖像角點集合輸入三角剖分變換，輸出三角集 合(如圖3a所示)，由于這些三角形覆蓋了所有的圖像區(qū)域，所要做的就是在這些三角區(qū) 域中尋找車輛的真實區(qū)域。車輛區(qū)域一般由車輛前端輪廓線々和后端輪廓線"兩條水平線 段(如圖3b所示)所圍四邊形所限定。將已有直線集合進(jìn)行過濾，得到長度在一定區(qū)間、 相對于圖像水平線傾角較小的類水平直線，這些類水平直線即為后端輪廓線&的候選直線。 通過尋找"對應(yīng)的丄/(大部分候選iV沒有對應(yīng)的丄/)，即可得到車輛區(qū)域，如圖3車輛上 下邊緣提取過程所示。將轎車、貨車和客車三類車型真實尺寸映射到圖像坐標(biāo)系中得到三 種車輛長度。這樣至多通過三次査找和匹配，就可以確定"和￡/對應(yīng)都存在的目標(biāo)車輛假 設(shè)區(qū)域(如圖4b所示)。第四步真實車輛區(qū)域圖像與非真實車輛區(qū)域可以通過特定的圖像紋理特征來進(jìn)行區(qū) 別。本發(fā)明選用五種特征向量進(jìn)行甄別，分別是角點密度Dc、水平直線密度i^、垂直直線 密度Z)v、假設(shè)區(qū)域的標(biāo)準(zhǔn)偏差&和三角形密度A.。其中角點密度指的是假設(shè)區(qū)域單位面 積中的角點數(shù)量，水平直線密度指的是假設(shè)車輛區(qū)域單位面積中的水平直線數(shù)量，垂直線 段密度指的是假設(shè)車輛區(qū)域單位面積中的垂直直線數(shù)量。假設(shè)區(qū)域的標(biāo)準(zhǔn)偏差可以通過該 假設(shè)車輛區(qū)域中每個三角形的特征密度S(t)計算得到，公式如下其中S(t)為假設(shè)區(qū)域中三角形的個數(shù)，S。為假設(shè)區(qū)域的面積；三角形密度指假設(shè)區(qū)域單位面積中三角形個數(shù)。這五個特征向量參數(shù)在一定程度上代表了假設(shè)區(qū)域的車輛特征， 即隨著五個特征向量參數(shù)值的增加，假設(shè)區(qū)域為真實車輛區(qū)域的可信度也增加。因此，本 發(fā)明引入?yún)?shù)權(quán)重的概念，對這五個參數(shù)進(jìn)行歸一化處理，建立統(tǒng)一的車型匹配函數(shù)式-i e[O， l]，為區(qū)域可信度，a、 p、 y、 <5、 ee(O，l),為加權(quán)參數(shù)，/ 代表著檢測區(qū)域是 車輛區(qū)域的可信度，及值越大，代表假設(shè)區(qū)域是目標(biāo)車輛區(qū)域的可信度越大，其閾值為0.8， 即及>0.8則判定車輛假設(shè)區(qū)域為真實車輛區(qū)域(如圖4c所示)，其中參數(shù)a、 ； 、 y、 5、 e 以及及的閾值都是利用大量訓(xùn)練樣本，通過MSE (Mean Square Error)最小均方誤差準(zhǔn)則 建立線性判別函數(shù)式得到的。經(jīng)大量試驗證明，該線性分類器實現(xiàn)簡單，錯分率小，具有良好的效果。第五步車型判別匹配即借助于已經(jīng)得到的直線集合，通過真實世界中車輛輪廓線的 距離特征在圖像坐標(biāo)中的映射信息，最終輸出目標(biāo)車輛的車型匹配結(jié)果。根據(jù)車型識別領(lǐng) 域國家標(biāo)準(zhǔn)，識別車型分為轎車、貨車和客車，三類車型的長寬比以及車體面積存在明顯 不同，本發(fā)明就是借助于已經(jīng)得到的直線集合，通過真實世界中車輛輪廓線的距離特征在 圖像坐標(biāo)系中的映射信息、實際車輛區(qū)域面積信息的特征信息進(jìn)行特征融合和判別匹配， 最終輸出目標(biāo)車輛的車型匹配結(jié)果，即該車輛類型。前面的工作已經(jīng)得到了存在車輛的圖 像以及車輛在圖像中的切分區(qū)域。利用地面約束以及大部分車輛外形受兩條直線約束的事 實，可以比較容易得到待識別車輛在畫面坐標(biāo)中的長寬比&*。但由于采集設(shè)備是從后上方 進(jìn)行信息采集的，其與水平面的傾角會造成車輛比例的扭曲，需要進(jìn)行修正。設(shè)采集設(shè)備 與水平面的傾角為S，隨著0的增加，&*趨于及/，故采用修正值及v來取代i ^與i /進(jìn)行匹 配計算，兩者對應(yīng)關(guān)系如下式H" SiW 0""/2 (3)根據(jù)公式A —i v-^l分別計算車輛假設(shè)區(qū)域中待識別車輛在畫面坐標(biāo)中的車輛長寬比例A與三類車型理論長寬比i /的距離根據(jù)公式"。=|&￡-Sl分別計算實際車輛區(qū)域面積 與三類車型參考面積S的距離D 。； 根據(jù)公式Rw"http://=化—min(化)+"。-min(Z)。)分別計算三類車型對應(yīng)的三組特征融合系數(shù)， max(Z)r) 一 min(Z)r) max(D。) 一 mm(D")其中最小的及e^/r值對應(yīng)的車輛類型即為該區(qū)域車輛的目標(biāo)類型，輸出結(jié)果，完成整個識 別流程。
權(quán)利要求
1、一種基于三角剖分變換的車型識別方法，其特征在于包括以下步驟(1)采用數(shù)字形態(tài)學(xué)方法進(jìn)行圖像預(yù)處理，從而去除無用區(qū)域、消除圖像噪聲、增強(qiáng)有用信號、修正圖像的失真和變形；(2)使用Canny算子對圖像進(jìn)行邊緣檢測獲取輪廓信息，然后應(yīng)用Hough變換取得圖像中的直線集合進(jìn)而提取角點集合；(3)進(jìn)行車輛假設(shè)區(qū)域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集合，然后從這些三角區(qū)域中尋找車輛的真實區(qū)域，得到目標(biāo)車輛假設(shè)區(qū)域；(4)通過圖像紋理特征對車輛假設(shè)區(qū)域進(jìn)行驗證；(5)借助已經(jīng)得到的直線集合得到真實世界中目標(biāo)車輛輪廓線的距離特征在圖像坐標(biāo)中的映射信息，根據(jù)該映射信息進(jìn)行目標(biāo)車輛的車型匹配并最終輸出結(jié)果。
2、 根據(jù)權(quán)利要求l所述的一種基于三角剖分變換的車型識別方法，其特征在于所述 步驟(1)采用數(shù)字形態(tài)學(xué)方法進(jìn)行圖像預(yù)處理的方法如下(1) 借助輔助信息去除無用區(qū)域，減輕后續(xù)處理壓力；(2) 將去除無用區(qū)域后的彩色圖像進(jìn)行灰度化，轉(zhuǎn)化為灰度圖像；(3) 對該灰度圖像進(jìn)行數(shù)字形態(tài)學(xué)濾波濾去噪聲；(4) 對去噪后的圖像進(jìn)行灰度拉伸，令灰度范圍擴(kuò)展到0 255，以增強(qiáng)圖像的對比度。 3、根據(jù)權(quán)利要求1所述的一種基于三角剖分變換的車型識別方法，其特征在于所
3.述步驟(2)使用Canny算子對圖像進(jìn)行邊緣檢測獲取輪廓信息，然后應(yīng)用Hough變換取得 圖像中的直線集合進(jìn)而提取角點集合的方法如下(1) 對輸入圖像進(jìn)行Canny濾波提取輪廓信息；(2) 對提取的圖像輪廓信息應(yīng)用Hough變換取得圖像中的直線集合；(3) 選定線段弧度上限為31/60，線段長度下限為30個像素，對直線集合進(jìn)行過濾， 以過濾掉過短和過于彎曲的線段，即噪點集和非輪廓線段；(4) 將直線集所有直線的兩個端點匯集,得到角點集合。.
4、根據(jù)權(quán)利要求l所述的一種基于三角剖分變換的車型識別方法，其特征在于所述 步驟(3)進(jìn)行車輛假設(shè)區(qū)域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集 合，然后從這些三角區(qū)域中尋找車輛的真實區(qū)域，得到目標(biāo)車輛假設(shè)區(qū)域的步驟如下(1) 將在步驟(2)中所提取的圖像角點集合輸入三角剖分變換，輸出三角集合；(2) 從三角集合中尋找車輛的真實區(qū)域，即由車輛前端輪廓線丄/和后端輪廓線"兩條水平線段所圍四邊形，具體步驟如下①將己有直線集合進(jìn)行過濾，得到長度在一定區(qū) 間、相對于圖像水平線傾角較小的類水平直線，即后端輪廓線"的候選直線集合②尋找 "對應(yīng)的々，即可得到車輛假設(shè)區(qū)域；③將車輛假設(shè)區(qū)域的長度與映射到圖像坐標(biāo)系中得 到的轎車、貨車和客車三類車型的車輛長度進(jìn)行匹配。
5、 根據(jù)權(quán)利要求l所述的一種基于三角剖分變換的車型識別方法，其特征在于所述 步驟(4)通過圖像紋理特征對車輛假設(shè)區(qū)域進(jìn)行驗證的方法為O)選定角點密度D。水平直線密度A^、垂直直線密度Dv、假設(shè)區(qū)域的標(biāo)準(zhǔn)偏差&、 三角形密度A五個特征；(2) 對所述五個特征向量參數(shù)進(jìn)行歸一化處理；(3) 根據(jù)公式/ = "*￡>￡;+^1)/1 + "仏+ (5*5(/ + ￡*"計算區(qū)域可信度/ ，其中a、 〃、 y、 (5、 ee(O,l)，是經(jīng)過大量試驗總結(jié)出來的加權(quán)參數(shù)，取/ >0.8，則判定車輛假設(shè)區(qū)域為真實 車輛區(qū)域。
6、 根據(jù)權(quán)利要求1所述的一種基于三角剖分變換的車型識別方法，其特征在于所述 步驟(5)借助已經(jīng)得到的直線集合得到真實世界中目標(biāo)車輛輪廓線的距離特征在圖像坐標(biāo)中的映射信息，根據(jù)該映射信息進(jìn)行目標(biāo)車輛的車型匹配并最終輸出結(jié)果的步驟如下(1) 根據(jù)公式A-li ,-i ,l分別計算車輛假設(shè)區(qū)域中待識別車輛在畫面坐標(biāo)中的車輛長寬比例i v與三類車型理論長寬比及/的距離(2) 根據(jù)公式Z)。-I&。-Sl分別計算實際車輛區(qū)域面積5^與三類車型參考面積S的距離K。；(3) 根據(jù)公式Re做"A-min(Z)》+一&-min(D。)分別計算三類車型對應(yīng)的max(D,) - min(D,) max(D。) — min(Z)。)三組特征融合系數(shù)，其中最小的值對應(yīng)的車輛類型即為該區(qū)域車輛的目標(biāo)類型，輸 出結(jié)果，完成整個識別流程。
全文摘要
一種基于三角剖分變換的車型識別方法，首先對圖像進(jìn)行邊緣檢測提取角點集合，將其輸入三角剖分變換獲取車輛假設(shè)區(qū)域，之后根據(jù)圖像紋理特征判斷出真實車輛區(qū)域，最后進(jìn)行特征匹配判定車型結(jié)果。本發(fā)明運用三角剖分技術(shù)能較好地解決車輛區(qū)域檢測和分割過程中的背景變換問題，而且由于使用簡單適用的三角剖分算法來代替繁瑣的分割算法，可以降低系統(tǒng)的時間復(fù)雜度，提高系統(tǒng)適用性和魯棒性。
文檔編號G08G1/017GK101246553SQ20081010158
公開日2008年8月20日 申請日期2008年3月7日 優(yōu)先權(quán)日2008年3月7日
發(fā)明者婷 方, 超 李, 璋 熊, 弋 郭, 磊 高 申請人:北京航空航天大學(xué)