一種基于圖像處理的危化車輛識別方法

陳松林，皮旭東

（江西方興科技有限公司，江西 南昌 330044）

0 引言

危險化學品車輛（簡稱危化車輛）是指運輸具有爆炸、易燃、毒害、腐蝕、放射性等危險性質的化學物品的車輛。危化車輛是一個移動的危險源，在運輸過程中若發生事故，將對人們的生命財產安全及生態環境的安全構成極大威脅。因此在高速公路上有必要對危化車輛采取一定的監管措施，例如在收費站入口車道對危化車發放帶GPS模塊的通行卡，對車輛進行實時跟蹤。若入口車道為人工車道，收費員可肉眼識別危化車輛，若為自動發卡車道，則需采用車輛識別技術。

車輛識別技術是智能交通系統的重要組成部分，隨著電子技術的發展，車輛識別的手段和方式也越來越多。基于數字圖像處理的識別技術在智能交通中的需求越來越大。本文設計了一種基于圖像處理的識別方法，針對攝像機抓拍的車輛頭部圖片，根據危化車輛必須安裝危險標志燈這一特征，采用邊緣提取、相似三角形檢測等算法檢測圖片中是否存在有標志燈，從而實現對危化車輛的識別。

1 識別原理

1.1 危險標志燈特征

國家標準《道路運輸危險貨物車輛標志》（GB 13392—2005）規定危化車輛必須安裝危險標志燈。標志燈安裝于車頭頂部，燈體正反面為等腰三角形狀，側面為等腰梯形狀。標志燈正、反面邊框為黑色等腰三角形，邊框內印有“危險”字樣，如圖1（a）所示。黑色邊框外圍和內圍的背景色為黃色，由于黑色和黃色的灰度變化明顯，故可采用邊緣檢測算法，將黑色邊框的外邊緣和內邊緣分別提取出來，這樣可形成2個相似的三角形。補（壓縮），可能導致標志燈邊框外邊緣和車頭邊緣連接在一起，從而影響后續的三角形檢測，故不進行縱向修補。邊緣檢測及斷裂點修補后的圖像如圖2所示。

圖1 危險標志燈及圖像預處理

圖2 邊緣檢測及斷裂點修補后的圖像

1.2 圖像預處理

若原始圖為24位RGB真彩圖像，先將圖像轉換為灰度圖像，轉換公式為：

Gray=0.299R+0.587G+0.114B

式中：Gray為變換后像素點的灰度值；R、G、B分別為變換前像素點的紅色分量、綠色分量、藍色分量值。

圖像灰度化以后采用3×3矩陣進行中值濾波，去除圖像中的噪聲點，盡可能減少噪聲點對邊緣檢測精度的影響。圖1（a）經灰度變換及中值濾波后如圖1（b）所示。

1.3 邊緣檢測及邊緣斷裂點修補

對圖1（b）的灰度圖采用Sobelb算子做邊緣檢測，再使用最大類間反差法變換成二值圖，此時圖中邊緣點像素值為255（白點），背景點像素值為0（黑點）。之后進行形態學上的細化處理及消除孤立點。細化是將邊緣線條細化為單像素寬的線條，孤立點消除則是消除孤立的邊緣點。此外，還需進行斷裂點修補使邊緣更完整，設修補前的圖像為M，尺寸為P×Q（行×列），新建尺寸為P×（Q/2）的圖像M1，將M1所有像素點置為0，用1×2矩陣逐行掃描M，矩陣中2點只要有一個點像素為255，則M1中對應點像素置為255。此方法通過橫向壓縮圖像的尺寸來修補斷裂點，最大可修補2個像素的斷裂點。若修補橫、縱兩個方向的斷裂點，則M1的尺寸設為（P/2）×（Q/2），使用2×2矩陣隔行掃描M，矩陣中只要任一點像素值為255，則M1對應的點置為255。考慮到標志燈緊挨車頂安裝，在圖像像素不高的情況下縱向修

1.4 連通邊緣的提取

假設斷裂點修補后的二值圖像為M1，尺寸為M×N。將M1中的連通邊緣逐條提取出來，具體步驟如下：

（1）新建一個M×N的圖像M2，M2所有點像素值置為0；

（2）從左至右逐行掃描M1，當遇到第一個像素值為255（白點）的點時，將M2上相同位置的點像素置為255；

（3）對M2做3×3矩陣的形態學膨脹運算，再與M1相交，得到新的M2；

（4）循環執行步驟3，直到M2不再發生變化，運算結束，這樣就得到包含連通邊緣的M2，然后計算M1=M1-M2，生成新的M1；

（5）對M2做三角形檢測，判斷是否為三角形（詳見1.5）；

（6）循環執行步驟1至5，將M1中的連通邊緣逐條提取出來做三角形檢測，直到M1中沒有邊緣點為止（全為黑點），算法結束。

對圖2（b）中的圖像M1提取邊框外邊緣、內邊緣，如圖3所示。

圖3 連通邊緣提取

1.5 相似三角形檢測

上節步驟（4）中，得到包含連通邊緣的二值圖像M2后，使用Hough變換對其做三角形檢測。Hough變換能檢測圖像中是否存在直線段，并獲取線段的兩個端點坐標。若M2中存在有3條直線段，分別設為a，b，c。設a的端點坐標為（Xa1，Ya1）、（Xa2，Ya2），b的端點坐標為（Xb1，Yb1）、（Xb2，Yb2），c的端點坐標為（Xc1，Yc1），（Xc2，Yc2）。可按下列公式計算3條線段的長度，設長度分別為A、B、C，則：

若以上3條線段首尾相接，即6個端點中每個端點與其他端點有且只有一個在坐標位置上重合，則判斷該形狀為三角形。由于圖像中三角形經Hough變換提取的線段相連的端點不能精確滿足坐標位置完全重合的要求，故需設置閾值T=5，即6個端點中每個端點在其他端點中有且只有一個與其距離≤T，則可判斷其為三角形。若為三角形則保存三條邊的長度，新建向量In，n為該三角形的序號，向量賦值為[A，B，C]。

所有的連通邊緣檢測完后，若有n個三角形，則可得到n個向量（I0，I1，…，In-1）。在所有的三角形中，判斷是否有兩個三角形相似。假設兩個三角形對應的向量分別為I1，I2，若滿足以下條件則可判斷為相似三角形：

2 實驗結果與分析

采用Matlab驗證本文的算法，截取抓拍的車頭圖片中的標志燈部分作為原始圖，使用M=imread（filepath）函數將圖片數據讀入到矩陣M，參數filepath為圖片的路徑。使用Gray=rgb2gray（M）將圖像M變換為灰度圖Gray。使用Mid=medfilt2（Gray，[3，3]）對圖像Gray進行中值濾波，生成新的圖像Mid，效果如圖4（a）所示。采用Sobel=edge（Mid，‘sobel’）函數實現邊緣檢測，采用Sobel=bwmorph（Sobel，‘thin’，inf）、Sobel=bw?morph（Sobel，‘clean’，inf）進行細化和孤立點消除。之后再進行斷裂點修補，效果如圖4（b）所示。

圖4 相似三角形檢測之前的圖像處理

從圖4（b）中抽取連通邊緣，將標志燈黑色邊框的外邊緣和內邊緣分別提取出來，效果如圖5所示：

圖5 邊框內、外邊緣提取圖像

對提取的外邊緣I1和內邊緣I2采用Hough變換做三角形檢測，使用[H，theta，rho]=hough（Im?age，‘RhoResolution’， 1）、peak=houghpeaks（H，5）、lines=houghlines（Image，theta，rho，peak）三個函數可提取圖像中的3條線段，分別設為a、b、c，并將各線段的端點坐標保存在變量lines內。根據端點坐標計算各線段的長度，三條線段的長度分別設為A、B、C，得到的數據如表1所示。

表1 I1和I2經Hough變換后的結果

從表1中可知，I1中線段a的端點（116，33）與線段c的端點（119，33）之間的距離小于T，a的另一端點（30，176）與線段b的端點（30，176）之間的距離也小于T，同理I1中線段b、c的兩個端點在其他端點中有且只有一個端點與其距離小于T。故認為I1為三角形，同理，I2也為三角形。新建向量I1和I2，依據相似三角形的判斷條件計算：

由于0.96、1.01、1.05都介于0.9和1.1之間，故可判斷三角形I1相似于三角形I2。綜上所述，圖像中存在有標志燈，符合危化車輛的判斷條件，為危化車輛。

3 結語

本文所述的方法與圖像質量關系較大，圖像越清晰檢測精度越高。經測試，圖像中標志燈區域像素為200×150左右時可較好地提取內外邊緣。算法運算時間和圖像的背景有關，背景復雜、邊緣數量越多，運算時間越長。在實際應用中，當圖片清晰度不高時，標志燈邊框的外邊緣檢測比較困難，可能會和背景或車頂邊緣連在一起，只能檢測到完整的內邊緣。考慮到標志燈一般位于圖像上半部分，可簡化本方法，只需在圖片上半部分檢測到有三角形（邊框內邊緣）存在，即可判斷為危化車輛。本算法可通過Matlab編譯成Dll動態庫的形式供上層應用軟件調用，動態庫中識別函數輸入參數為圖像數據，輸出參數為布爾型變量，表示是否為危化車輛。

[1]GB 13392—2005，道路運輸危險貨物車輛標志[S].

[2]何江萍.圖像中任意三角形檢測方法[J].計算機應用，2009，4（29）：1022-1024.

[3]朱雙東，張懿，陸曉峰.三角形交通標志的智能檢測方法[J].中國圖像圖形學報，2006，8（11）：1127-1131.

[4]黎海兵，易衛東.一種高效檢測圖像中是否有三角形的算法[J].中國圖像圖形學報，2008，13（6）：456-460.

[5]BALLARD D H.Generalizing the hough transform to detect arbitrary shapes[J].Pattem Recognition,1981,13(2):111-122.

[6]周品，李曉東.MATLAB數字圖像處理[M].北京：清華大學出版社，2012.

[7]岡薩雷斯.數字圖像處理[M].北京：電子工業出版出版社，2003.