一種基於三角剖分變換的車型識別方法

2023-11-07 15:58:17 1

專利名稱：一種基於三角剖分變換的車型識別方法
技術領域：
本發明涉及一種基於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域。
技術背景基於計算機圖像識別技術的車型識別技術是智能交通系統的一個重要組成部分，其任 務是處理分析拍攝得到的車輛圖像，以自動識別獲取目標車輛的車型信息。該技術有著廣 闊的應用前景，適用於城市交通車輛管理、交通流量檢測、交通控制與誘導、智能停車場 管理、公安執法系統、高速公路收費系統、城市道路監控系統和闖紅燈等違法車輛監控以 及車輛安全防盜等眾多領域。車型識別是一門綜合的技術，包括車輛快速檢測技術和車輛分類判別技術。傳統車型 識別方法通過背景減除法、幀差法等方法來檢測運動目標車輛，難以應用在單幀圖像的環 境中；實際應用中受背景變換、光照、天氣情況影響很大；同時由於採集圖像一般較大， 在圖像處理和特徵值提取階段花費較多資源，降低了系統執行效率。 發明內容本發明的技術解決問題克服現有技術的不足，提供一種基於三角剖分變換的車型識 別方法，該方法運用三角剖分技術能較好地解決車輛區域檢測和分割過程中的背景變換問 題，而且由於使用簡單適用的三角剖分算法來代替繁瑣的分割算法，降低了系統的時間復 雜度，提高了系統適用性和魯棒性。本發明的技術解決方案 一種基於三角剖分變換的車型識別方法包括以下步驟(1) 釆用數字形態學方法進行圖像預處理，從而去除無用區域、消除圖像噪聲、增強 有用信號、修正圖像的失真和變形(2) 使用Canny算子對圖像進行邊緣檢測獲取輪廓信息，然後應用Hough變換取得圖 像中的直線集合進而提取角點集合；(3) 進行車輛假設區域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集 合，然後從這些三角區域中尋找車輛的真實區域，得到目標車輛假設區域；(4) 通過圖像紋理特徵對車輛假設區域進行驗證；(5) 藉助已經得到的直線集合得到真實世界中目標車輛輪廓線的距離特徵在圖像坐標 中的映射信息，根據該映射信息進行目標車輛的車型匹配並最終輸出結果。本發明與現有技術相比的優點在於三角剖分(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、適應性強，廣泛應用於 各種實時系統，取得了良好效果。本發明將三角剖分技術應用於車型識別領域，較好地解 決了車輛區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，大大降低了系統時間複雜度，提高了系統適用性和魯棒性。


圖1為本發明的車型識別方法流程圖；圖2為本發明的角點提取示意圖；其中2a為預處理之後圖像，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為本發明的車輛上下邊緣提取示意圖，其中3a為三角剖分後三角集合，3b為上下 邊緣；圖4為本發明的車輛真實區域提取示意圖，其中4a為原始圖像，4b為假設區域，4c 為真實車輛區域。
具體實施方式
本發明基於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 角點集合進行三角剖分並藉助於車輛可以由兩條水平線所限定這一事實來獲取車輛假設區 域，之後依據圖像紋理特徵判斷出真實車輛區域，最終進行特徵匹配判定車型結果，其具 體包括以下步驟-在圖1車型識別方法流程圖中，本發明主要分圖像預處理、角點提取、車輛假設區域 檢測、車輛假設區域驗證、車型判別匹配五個步驟。第一步圖像預處理。採用數字形態學方法進行圖像預處理，藉助輔助信息去除無用 區域，對去除無用區域後的彩色圖像進行灰度化、數字形態學濾波去噪以及灰度拉伸，從 而減輕後續處理壓力、消除圖像噪聲、增強有用信號、修正圖像的失真和變形，具體方法 如下(1) 藉助輔助信息去除無用區域，減輕後續處理壓力；(2) 將去除無用區域後的彩色圖像進行灰度化，轉化為灰度圖像； (3〉對該灰度圖像進行數字形態學濾波濾去噪聲；(4)對去噪後的圖像進行灰度拉伸，令灰度範圍擴展到0 255,以增強圖像的對比度。 第二步角點提取。採用Canny算子得到輪廓特徵(如圖2b所示)後，應用Hough 變換進行直線提取(如圖2c所示)，在進行邊緣提取的過程中需要對輪廓線段進行過濾， 因為邊緣提取之後的輪廓集，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，過於彎曲的線段則不太可能是車輛輪廓。，本發明 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，對直線集合進行過濾，以過 濾掉過短和過於彎曲的線段，即噪點集和非輪廓線段。獲取圖像的直線集之後，將所有直 線的兩個端點匯集，即得角點集合(如圖2d所示)。第三步車輛假設區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)，由於這些三角形覆蓋了所有的圖像區域，所要做的就是在這些三角區 域中尋找車輛的真實區域。車輛區域一般由車輛前端輪廓線々和後端輪廓線"兩條水平線 段(如圖3b所示)所圍四邊形所限定。將已有直線集合進行過濾，得到長度在一定區間、 相對於圖像水平線傾角較小的類水平直線，這些類水平直線即為後端輪廓線&的候選直線。 通過尋找"對應的丄/(大部分候選iV沒有對應的丄/)，即可得到車輛區域，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￡/對應都存在的目標車輛假 設區域(如圖4b所示)。第四步真實車輛區域圖像與非真實車輛區域可以通過特定的圖像紋理特徵來進行區 別。本發明選用五種特徵向量進行甄別，分別是角點密度Dc、水平直線密度i^、垂直直線 密度Z)v、假設區域的標準偏差&和三角形密度A.。其中角點密度指的是假設區域單位面 積中的角點數量，水平直線密度指的是假設車輛區域單位面積中的水平直線數量，垂直線 段密度指的是假設車輛區域單位面積中的垂直直線數量。假設區域的標準偏差可以通過該 假設車輛區域中每個三角形的特徵密度S(t)計算得到，公式如下其中S(t)為假設區域中三角形的個數，S。為假設區域的面積；三角形密度指假設區域單位面積中三角形個數。這五個特徵向量參數在一定程度上代表了假設區域的車輛特徵， 即隨著五個特徵向量參數值的增加，假設區域為真實車輛區域的可信度也增加。因此，本 發明引入參數權重的概念，對這五個參數進行歸一化處理，建立統一的車型匹配函數式-i e[O， l]，為區域可信度，a、 p、 y、 0.8則判定車輛假設區域為真實車輛區域(如圖4c所示)，其中參數a、 ； 、 y、 5、 e 以及及的閾值都是利用大量訓練樣本，通過MSE (Mean Square Error)最小均方誤差準則 建立線性判別函數式得到的。經大量試驗證明，該線性分類器實現簡單，錯分率小，具有良好的效果。第五步車型判別匹配即藉助於已經得到的直線集合，通過真實世界中車輛輪廓線的 距離特徵在圖像坐標中的映射信息，最終輸出目標車輛的車型匹配結果。根據車型識別領 域國家標準，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，本發明就是藉助於已經得到的直線集合，通過真實世界中車輛輪廓線的距離特徵在 圖像坐標系中的映射信息、實際車輛區域面積信息的特徵信息進行特徵融合和判別匹配， 最終輸出目標車輛的車型匹配結果，即該車輛類型。前面的工作已經得到了存在車輛的圖 像以及車輛在圖像中的切分區域。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中的長寬比&*。但由於採集設備是從後上方 進行信息採集的，其與水平面的傾角會造成車輛比例的扭曲，需要進行修正。設採集設備 與水平面的傾角為S，隨著0的增加，&*趨於及/，故採用修正值及v來取代i ^與i /進行匹 配計算，兩者對應關係如下式H" SiW 0""/2 (3)根據公式A —i v-^l分別計算車輛假設區域中待識別車輛在畫面坐標中的車輛長寬比例A與三類車型理論長寬比i /的距離根據公式"。=|&￡-Sl分別計算實際車輛區域面積 與三類車型參考面積S的距離D 。； 根據公式Rw"//=化—min(化)+"。-min(Z)。)分別計算三類車型對應的三組特徵融合係數， max(Z)r) 一 min(Z)r) max(D。) 一 mm(D")其中最小的及e^/r值對應的車輛類型即為該區域車輛的目標類型，輸出結果，完成整個識 別流程。
權利要求
1、一種基於三角剖分變換的車型識別方法，其特徵在於包括以下步驟(1)採用數字形態學方法進行圖像預處理，從而去除無用區域、消除圖像噪聲、增強有用信號、修正圖像的失真和變形；(2)使用Canny算子對圖像進行邊緣檢測獲取輪廓信息，然後應用Hough變換取得圖像中的直線集合進而提取角點集合；(3)進行車輛假設區域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集合，然後從這些三角區域中尋找車輛的真實區域，得到目標車輛假設區域；(4)通過圖像紋理特徵對車輛假設區域進行驗證；(5)藉助已經得到的直線集合得到真實世界中目標車輛輪廓線的距離特徵在圖像坐標中的映射信息，根據該映射信息進行目標車輛的車型匹配並最終輸出結果。
2、 根據權利要求l所述的一種基於三角剖分變換的車型識別方法，其特徵在於所述 步驟(1)採用數字形態學方法進行圖像預處理的方法如下(1) 藉助輔助信息去除無用區域，減輕後續處理壓力；(2) 將去除無用區域後的彩色圖像進行灰度化，轉化為灰度圖像；(3) 對該灰度圖像進行數字形態學濾波濾去噪聲；(4) 對去噪後的圖像進行灰度拉伸，令灰度範圍擴展到0 255，以增強圖像的對比度。 3、根據權利要求1所述的一種基於三角剖分變換的車型識別方法，其特徵在於所
3.述步驟(2)使用Canny算子對圖像進行邊緣檢測獲取輪廓信息，然後應用Hough變換取得 圖像中的直線集合進而提取角點集合的方法如下(1) 對輸入圖像進行Canny濾波提取輪廓信息；(2) 對提取的圖像輪廓信息應用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，對直線集合進行過濾， 以過濾掉過短和過於彎曲的線段，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、根據權利要求l所述的一種基於三角剖分變換的車型識別方法，其特徵在於所述 步驟(3)進行車輛假設區域檢測，將獲取的圖像角點集合輸入三角剖分變換，輸出三角集 合，然後從這些三角區域中尋找車輛的真實區域，得到目標車輛假設區域的步驟如下(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域，即由車輛前端輪廓線丄/和後端輪廓線"兩條水平線段所圍四邊形，具體步驟如下①將己有直線集合進行過濾，得到長度在一定區 間、相對於圖像水平線傾角較小的類水平直線，即後端輪廓線"的候選直線集合②尋找 "對應的々，即可得到車輛假設區域；③將車輛假設區域的長度與映射到圖像坐標系中得 到的轎車、貨車和客車三類車型的車輛長度進行匹配。
5、 根據權利要求l所述的一種基於三角剖分變換的車型識別方法，其特徵在於所述 步驟(4)通過圖像紋理特徵對車輛假設區域進行驗證的方法為O)選定角點密度D。水平直線密度A^、垂直直線密度Dv、假設區域的標準偏差&、 三角形密度A五個特徵；(2) 對所述五個特徵向量參數進行歸一化處理；(3) 根據公式/ = "*￡>￡;+^1)/1 + "仏+ (5*5(/ + ￡*"計算區域可信度/ ，其中a、 〃、 y、 (5、 ee(O,l)，是經過大量試驗總結出來的加權參數，取/ >0.8，則判定車輛假設區域為真實 車輛區域。
6、 根據權利要求1所述的一種基於三角剖分變換的車型識別方法，其特徵在於所述 步驟(5)藉助已經得到的直線集合得到真實世界中目標車輛輪廓線的距離特徵在圖像坐標中的映射信息，根據該映射信息進行目標車輛的車型匹配並最終輸出結果的步驟如下(1) 根據公式A-li ,-i ,l分別計算車輛假設區域中待識別車輛在畫面坐標中的車輛長寬比例i v與三類車型理論長寬比及/的距離(2) 根據公式Z)。-I&。-Sl分別計算實際車輛區域面積5^與三類車型參考面積S的距離K。；(3) 根據公式Re做"A-min(Z)》+一&-min(D。)分別計算三類車型對應的max(D,) - min(D,) max(D。) — min(Z)。)三組特徵融合係數，其中最小的值對應的車輛類型即為該區域車輛的目標類型，輸 出結果，完成整個識別流程。
全文摘要
一種基於三角剖分變換的車型識別方法，首先對圖像進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區域，之後根據圖像紋理特徵判斷出真實車輛區域，最後進行特徵匹配判定車型結果。本發明運用三角剖分技術能較好地解決車輛區域檢測和分割過程中的背景變換問題，而且由於使用簡單適用的三角剖分算法來代替繁瑣的分割算法，可以降低系統的時間複雜度，提高系統適用性和魯棒性。
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 優先權日2008年3月7日
發明者婷 方, 超 李, 璋 熊, 弋 郭, 磊 高 申請人:北京航空航天大學