物流車輛圖像檢測與提取研究

陳思遠　毛佳　趙雨霏

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動輪廓模型識別車輛，在車型識別系統中，首先檢測物流車輛經過圖像，檢測方法有時間差值變化檢測和背景差分檢測，然后提取物流車輛圖像，介紹了有限元法的B樣條主動輪廓模型，最后應用該模型對物流車輛的圖像提取進行實證分析，實驗表明，該方法對物流車輛車型識別效率提高有很大的參考價值。

關鍵詞：圖像提取 主動輪廓模型 B樣條 有限元法

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0011-02

在中國物流業快速發展勢頭下，作為企業的“第三利潤源”，最低的物流成本和良好的服務能力引起更高的重視，對于大多數企業來講，物流成本中最大的成本支出是產品的運輸成本，在滿足客戶需求的情況下，最大限度的使用運輸設備和工作人員，為實現這個目標的重要途徑是物流車輛的準確識別。為達到準確的識別物流車輛的車型，拍攝下經過車輛的圖像，對其檢測并提取輪廓。

本文針對傳統主動輪廓模型數值具有穩定性差、計算復雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動輪廓模型識別方法。

1 車輛圖像檢測和背景提取

物流車輛的車型識別過程中，首要工作即分析是否有車輛經過，當有車輛經過時，系統經過檢測，直接對汽車進行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測出來，下面將介紹時間差值變化檢測和背景差分檢測兩種方法。

1.1 時間差值變化檢測

假設有兩幅圖像，如果它們的某一相對位置的灰度發生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對比這兩幅圖像各個對應位置的差別，即可檢測出圖像中是否存在運動車輛。5 實證分析

本文中所提出的基于有限元法的B樣條主動輪廓模型屬于圖像分割中的半自動輪廓提取方法，介于手工提取和全自動提取之間，避免了其他系統存在的主觀性、盲目性等缺點。本方法的基本思路是先由用戶根據提取目的在目標圖像上繪制一個大概的輪廓，之后自動定位、修改等工作交由計算機完成。

其具體操作：首先對目標進行直觀判斷，用鼠標在圖像的大體輪廓上選定一系列的點，之后進行反算，得到初始B樣條曲線模型，對上述結果進行有限元運算，使模型曲線精確的收斂到圖像的輪廓。運用于車輛圖像的輪廓提取，得到的實驗結果如圖1所示。圖1（a）為車輛圖像經過灰度化處理及灰度增強后的結果，（圖1）（b）即為在用本模型經過訓練之后所提取出的車輛輪廓結果。

6 結論

本文檢測到物流車輛經過后，利用有限元法的B樣條主動輪廓模型提取物流車輛的圖像，與傳統模型相比，該方法最大的優點是減小計算量并且提高程序的穩定性，用較少的控制點描述整個輪廓線，從而降低方程的維數，提高圖像處理的速度。在識別物流車輛車型時，提高了物流車輛管理效率，將大大降低企業的物流成本，具有很好的應用前景。

參考文獻

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，閏清東.基于幀間差分方法的道路車輛檢測系統[J].微計算機信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學，2003.

[4] 張海艦，成思源，駱少明，等.基于動態規劃法的B樣條主動輪廓模型[J].廣東工業大學學報，2005（4）：26-30.endprint

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動輪廓模型識別車輛，在車型識別系統中，首先檢測物流車輛經過圖像，檢測方法有時間差值變化檢測和背景差分檢測，然后提取物流車輛圖像，介紹了有限元法的B樣條主動輪廓模型，最后應用該模型對物流車輛的圖像提取進行實證分析，實驗表明，該方法對物流車輛車型識別效率提高有很大的參考價值。

關鍵詞：圖像提取 主動輪廓模型 B樣條 有限元法

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0011-02

在中國物流業快速發展勢頭下，作為企業的“第三利潤源”，最低的物流成本和良好的服務能力引起更高的重視，對于大多數企業來講，物流成本中最大的成本支出是產品的運輸成本，在滿足客戶需求的情況下，最大限度的使用運輸設備和工作人員，為實現這個目標的重要途徑是物流車輛的準確識別。為達到準確的識別物流車輛的車型，拍攝下經過車輛的圖像，對其檢測并提取輪廓。

本文針對傳統主動輪廓模型數值具有穩定性差、計算復雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動輪廓模型識別方法。

1 車輛圖像檢測和背景提取

物流車輛的車型識別過程中，首要工作即分析是否有車輛經過，當有車輛經過時，系統經過檢測，直接對汽車進行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測出來，下面將介紹時間差值變化檢測和背景差分檢測兩種方法。

1.1 時間差值變化檢測

假設有兩幅圖像，如果它們的某一相對位置的灰度發生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對比這兩幅圖像各個對應位置的差別，即可檢測出圖像中是否存在運動車輛。5 實證分析

本文中所提出的基于有限元法的B樣條主動輪廓模型屬于圖像分割中的半自動輪廓提取方法，介于手工提取和全自動提取之間，避免了其他系統存在的主觀性、盲目性等缺點。本方法的基本思路是先由用戶根據提取目的在目標圖像上繪制一個大概的輪廓，之后自動定位、修改等工作交由計算機完成。

其具體操作：首先對目標進行直觀判斷，用鼠標在圖像的大體輪廓上選定一系列的點，之后進行反算，得到初始B樣條曲線模型，對上述結果進行有限元運算，使模型曲線精確的收斂到圖像的輪廓。運用于車輛圖像的輪廓提取，得到的實驗結果如圖1所示。圖1（a）為車輛圖像經過灰度化處理及灰度增強后的結果，（圖1）（b）即為在用本模型經過訓練之后所提取出的車輛輪廓結果。

6 結論

本文檢測到物流車輛經過后，利用有限元法的B樣條主動輪廓模型提取物流車輛的圖像，與傳統模型相比，該方法最大的優點是減小計算量并且提高程序的穩定性，用較少的控制點描述整個輪廓線，從而降低方程的維數，提高圖像處理的速度。在識別物流車輛車型時，提高了物流車輛管理效率，將大大降低企業的物流成本，具有很好的應用前景。

參考文獻

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，閏清東.基于幀間差分方法的道路車輛檢測系統[J].微計算機信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學，2003.

[4] 張海艦，成思源，駱少明，等.基于動態規劃法的B樣條主動輪廓模型[J].廣東工業大學學報，2005（4）：26-30.endprint

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動輪廓模型識別車輛，在車型識別系統中，首先檢測物流車輛經過圖像，檢測方法有時間差值變化檢測和背景差分檢測，然后提取物流車輛圖像，介紹了有限元法的B樣條主動輪廓模型，最后應用該模型對物流車輛的圖像提取進行實證分析，實驗表明，該方法對物流車輛車型識別效率提高有很大的參考價值。

關鍵詞：圖像提取 主動輪廓模型 B樣條 有限元法

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0011-02

在中國物流業快速發展勢頭下，作為企業的“第三利潤源”，最低的物流成本和良好的服務能力引起更高的重視，對于大多數企業來講，物流成本中最大的成本支出是產品的運輸成本，在滿足客戶需求的情況下，最大限度的使用運輸設備和工作人員，為實現這個目標的重要途徑是物流車輛的準確識別。為達到準確的識別物流車輛的車型，拍攝下經過車輛的圖像，對其檢測并提取輪廓。

本文針對傳統主動輪廓模型數值具有穩定性差、計算復雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動輪廓模型識別方法。

1 車輛圖像檢測和背景提取

物流車輛的車型識別過程中，首要工作即分析是否有車輛經過，當有車輛經過時，系統經過檢測，直接對汽車進行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測出來，下面將介紹時間差值變化檢測和背景差分檢測兩種方法。

1.1 時間差值變化檢測

假設有兩幅圖像，如果它們的某一相對位置的灰度發生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對比這兩幅圖像各個對應位置的差別，即可檢測出圖像中是否存在運動車輛。5 實證分析

本文中所提出的基于有限元法的B樣條主動輪廓模型屬于圖像分割中的半自動輪廓提取方法，介于手工提取和全自動提取之間，避免了其他系統存在的主觀性、盲目性等缺點。本方法的基本思路是先由用戶根據提取目的在目標圖像上繪制一個大概的輪廓，之后自動定位、修改等工作交由計算機完成。

其具體操作：首先對目標進行直觀判斷，用鼠標在圖像的大體輪廓上選定一系列的點，之后進行反算，得到初始B樣條曲線模型，對上述結果進行有限元運算，使模型曲線精確的收斂到圖像的輪廓。運用于車輛圖像的輪廓提取，得到的實驗結果如圖1所示。圖1（a）為車輛圖像經過灰度化處理及灰度增強后的結果，（圖1）（b）即為在用本模型經過訓練之后所提取出的車輛輪廓結果。

6 結論

本文檢測到物流車輛經過后，利用有限元法的B樣條主動輪廓模型提取物流車輛的圖像，與傳統模型相比，該方法最大的優點是減小計算量并且提高程序的穩定性，用較少的控制點描述整個輪廓線，從而降低方程的維數，提高圖像處理的速度。在識別物流車輛車型時，提高了物流車輛管理效率，將大大降低企業的物流成本，具有很好的應用前景。

參考文獻

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，閏清東.基于幀間差分方法的道路車輛檢測系統[J].微計算機信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學，2003.

[4] 張海艦，成思源，駱少明，等.基于動態規劃法的B樣條主動輪廓模型[J].廣東工業大學學報，2005（4）：26-30.endprint