基于区域特征跟踪法的特征识别研究

宋梦华 刘珂 徐辉

1.天津海运职业学院，天津 300350；2. 南昌市第二十七中学，江西 330000；3. 天津市房地产登记发证交易中心，天津 300010

基于区域特征跟踪法的特征识别研究

宋梦华1刘珂2徐辉3

1.天津海运职业学院，天津 300350；2. 南昌市第二十七中学，江西 330000；3. 天津市房地产登记发证交易中心，天津 300010

本文介绍了特征识别技术运用于交通管理获得信息的原理，说明了车辆信息识别系统的组成结构，详细阐述了该系统中视频图像中的车辆鉴测、跟踪和分类的详细设计及方法。本文论述了在利用摄像头监测多车道车流量的情况下，如何运用运动分割与模型匹配的方法进行车流信息的统计。为了减小视频像素的计算量，本文还提出了区域特征跟踪法。

特征识别；交通管理；车辆信息识别系统；视频图像; 区域特征跟踪法

引言

特征识别技术原来主要用于法庭科学的司法鉴定，多用于对静态图像（指纹图像、脸形图像）的事后采集和识别。

在交通管理中，交通流量和通行车辆的类型、速度是现代交通管理和道路规划系统中重要的参数。自动获取这些重要参数的方法分为两种：一种是利用压电、红外线、磁感应线圈等传感器获得车辆本身的参数，这类方法跟踪识别率较高，但是容易损坏，安装也不太方便；还有一种就是基于图像处理和模式识别，这种方法克服了运用传感器的局限，由于图像处理识别技术的进步和硬件性价比的大幅提高，市面上已经有一定实用价值的系统出现。这些系统的成熟应用说明图像处理识别车型的方法日趋成熟、环境适应能力较强，能长期工作也不会带来硬件损坏，但是计算量大，识别准确率不如感应线圈等传感器方法高。本文的研究属于后一种方法，利用安装在高处的单个静止摄像头监视路面，利用运动分割与模型匹配的方法，检测并统计多车道的车流信息。车辆信息识别系统的物理结构由摄像机、频闪灯、工控机、触发线圈及通讯系统组成。

1 车辆信息识别系统结构

移动目标识别信息系统由拍摄、监控、摄像控制器、检验控制器组成，是确认车辆的通行、速度、车宽、车长，拍摄车辆外观的识别装置；包括接收所拍摄到的对车辆外观影像的车辆信息库、识别车辆外观、颜色、号码的车辆信息识别装置、通过通信网进行发送的通信处理库、提供车辆信息处理的系统控制器、从系统控制器接收车辆信息的中央服务器、把已存信息提供给中央服务器的外部车辆信息服务器。是把存储在外部车辆信息服务器和中央服务器的相关信息进行比较和识别。

2 图像处理步骤及关键技术实现

2.1 视频图像中的车辆鉴测、跟踪和分类

整个识别过程分三步：分割、跟踪和车型判定。运动目标的分割一般采用帧差法。在需要监控的路段，在路灯杆上固定住摄像头，从拍摄的图像序列中逐渐取出背景图像，然后利用帧差法确定目标区域。因为在识别过程中采用基于二值边缘的图像，所以本文在图像分割中对输入图像进行了梯度二值化的处理。对二维图像平面和三维空间之间映射关系的确定，则采用基于针孔模型的摄像机定标来计算。

2.1.1 背景重建和图像分割

由于摄像头固定，背景变化缓慢，因此，可以利用图像序列逐渐恢复出背景图像。在得到背景边界图像后，利用帧差法可以分割出感兴趣的目标。但是，如果目标区域和背景边界重合（值都为“1”），相减之后该目标区域被错误判定为背景区域（值为“0”）。

2.1.2 摄像机定标

在匹配模型的过程中，需要从二维图像中恢复三维目标信息，同时将三维模型投影到二维图像平面上，必须精确计算三维空间到图像平面的投影关系的矩阵，基于这种精确计算过程就是摄像机定标原理。本文采用基于针孔模型的摄像机定标方法，其原理是利用给定的一组三维空间的点坐标和这些点在二维图像中的坐标对应关系，求解出相关线性方程组，从而能确定透视投影矩阵中的各个元素，相关透视投影矩阵方程如下所示：

其中：（u，v）是二维图像坐标，（XW，YW，ZW）是三维空间坐标，M为投影矩阵，ZC为三维空间中点到摄像机镜头的矢量在主光轴上的投影距离。要求解投影矩阵M的各个元素值，需要建立6个点的投影关系组成12阶的方程组，方程组不独立且没有唯一解，采用近似计算的误差比较大。在（1）式基础上经过转换变形，将12阶方程组分拆成三个4阶方程组，只需要利用4个点的投影关系，而且方程组的阶次也只有4阶，就能有效避免出现奇异矩阵，这样就能求出唯一解。此外，除了4组点的坐标之外，还需要测量镜头主光轴的水平和垂直倾角。

2.1.3 车辆的跟踪和分类

在区域分割完成后，接下来需要进行区域跟踪，利用相邻的两帧区域匹配关系，在图像序列中建立目标链，跟踪车辆从进入监视范围到驶离监视范围的整个过程。常用的图像匹配方法有距离匹配法和图像互相关两种。

采用这种方法不但可以快速跟踪图像序列中的目标车辆，同时也能算出目标车辆在监视范围内的平均速度。在计算数的时候，只有目标车辆在连续数帧里出现系统才会认定为真正的目标，目标在连续数帧都没有出现才认为不是目标，通过这样可以消除那些因暂时消失引起的误差。 要把目标车辆进行分类是一件很复杂的事。通过图像处理方法来获得目标车辆轮数、轴距等参数比较困难，因此图像识别车辆通常会采用模型匹配的方法来进行。现有的研究大多是先抽取目标车辆的几条边缘直线，然后用线条和模型边缘进行匹配。由于在二维图像中直接抽取直线计算量会很大，所以本文没有直接抽取车辆边缘直线，而是利用了Canny边缘检测的整体结果与模型来匹配。

假设有两组有限点集合A＝{a1，…，ap}和B＝{b1，…!bq}，则二者之间的Hausdorff距离为：

其中：h（A，B）=max min !aibj!，h（B， A）=max min

bj－ai!，h（A，B）被称为从A到B的有向Hausdorff距离，它反映了A到B的不匹配程度。h（B，A）被称为从B到A的有向Hausdorff距离。在具体计算Hausdorff距离时，一般采用距离变换的方法。目标车辆分类步骤：

（1）在分割完成后，对目标区域进行Canny算子边缘检测，只需处理分割出的目标区域边缘，大大减少了计算量。

（2）对Canny算子边缘，运用串行距离变换，得到距离变换的二维图像。距离变换二维图像的每个像素灰度值等于该像素到目标边缘的最近距离。

（3）对各分割目标，恢复车辆的三维信息，只需计算长度和宽度。在从图像上一点恢复该点在世界坐标中的信息时，首先要给定该点在世界坐标值中一个分量以减少不确定度（给出Z方向高度值ZW）。

（4）在计算目标区域长度和宽度的同时，可以求出目标车辆底盘形中心在地面上的位置（X，Y），根据速度方向判断车辆在地面上的角度α。利用车辆本身的三维模型数据以及（X，Y，α），通过式（1）透视投影，就可以确定车辆模型在二维图像上的投影。

（5）当目标车辆进入监测区域后，以模型投影二维图像为模板，将投影二维图像在距离变换图像上移动，针对每一点，分别算出模型投影图像下距离变换图像被模型轮廓线覆盖的像素值之和，以像素值之和值作为在该位置当前模型与实际目标车辆的匹配程度。将当前模型在各位置所得匹配程度的最小值作为当前模型与目标车辆的实际匹配程度，最后用该 最小值除以模型轮廓线的像素数目，即可计算出该模型与车辆之间的Hausdorff距离。对各种模型，可分别求出它们与车辆之间的Hausdo rff距离，取其中最小值对应的模型即为车型识别结果。

2.2 主体与阴影分离，移动目标的抽取以及汽车阴影部分的去除

采用高清晰摄像机进行图像取得，并进行图像预处理。通过改变图像上的像素点的灰度值，从而产生一幅新图像。之后进行图像灰度转化，将拍摄的彩色图像转换为灰度图。

车辆阴影分割方法:传统的阴影分割方法只考虑了单像素的阴影颜色特征或者与背景像素的颜色比值特征，没有考虑其它因素。如果出现目标车辆颜色与背景颜色特征相似的时候，就很难以准确分割出目标区域部分。本文根据目标车辆外型，从阴影区域内像素与背景对应点像素比值的空间变化特征角度出发，结合单像素的阴影颜色特征，提出了基于三维空间特征的汽车阴影分割的算法，该方法对待分割的目标车辆颜色没有任何限制，对背景纹理也没有任何限制，比原来的方法更适用。

快速运动车辆阴影分割方法:假设用几条线将目标车辆和阴影区域分开，运动车辆的阴影分割线方向与运动方向密切相关。利用小波变换的摘要多分辨率特征，结合运动信息检测阴影特征区域，提出了基于小波变换的运动车辆阴影分割方法，该方法比单纯利用阴影的颜色比值变化特征的算法分割速度更快，适用于车体定位、车流量检测等不需要精确阴影边界的车辆阴影分割应用。

3 结语

本文主要阐述车辆信息识别系统结构的结构，以及视频图像中的车辆鉴测、跟踪和分类的详细技术及方法，同时对于图像中主体与阴影分离采用快速运动汽车阴影分割方法做了简单介绍，实践证明对于捕捉同类车型的识别信息异常进行判断，对诸如表面坑凹、部件缺损、风挡标示等与标准不符的车辆通过比对实施报警。

[1] 李介谷教授.模式识别与智能控制.电子工业出版, 2003年第3版

[2] 施鹏飞.中国模式识别,2002年电子报

[3] 尼尔逊.移动目标的检测与区分.英国学者论坛,2001年,6期

[4] 温斯顿.信息读取与识别分类.美国青年科学,2003年,11期

[5] A.M.Turing.计算机与智能,1950年出版

[6] 刘力.识别软件开发现状.中国软件学报,2001年

[7] 冉绍军.识别与测量技术在现代交通管理中的开发应用探讨.中国交通信息产业,2003年第四期

[8] 冉绍军.革命性的突破.中国交通信息产业,2005年第十一期

[9] 苏东华.视频车辆检测技术的应用和发展,上海海事大学学位论文.2005

[10] 王运琼.车辆识别系统中的几个关键技术研究.四川大学学位论文,2004年

A

TP302.1

10.3969/j.issn.1001-8972.2012.11.114

宋梦华 1975、男、工程师、主要研究方向：计算机网络、管理信息系统

刘珂 中学一级、江西省南昌市第二十七中学、方向：数学教育；

徐辉 馆员、天津市房地产登记发证交易中心、方向：档案管理。