基于多特征的車輛檢測方法的研究

張若偉 王猛

摘要：在交通視頻監控中，存在很多因素會影響車輛定位和車輛檢測的結果，比如，復雜的街道環境造成的復雜的背景、天氣不同造成的光線問題、車輛圖像拍攝的角度不同引起的定位誤差，都會對后續的車輛特征提取再識別過程造成很大的影響，使識別率得不到提高。提出一種基于多特征的車輛檢測方法。首先對獲取的車輛圖像進行預處理，然后獲取車輛感興趣區域，提取車輛特征包括紋理特征、形態Haar小波變換和角點特征，最后把所提取的特征進行融合，判定得到車輛的位置。實驗表明，該方法具有較高的識別率，可投入到實際的車輛檢測應用中。

關鍵詞：車輛檢測；紋理特征；形態Haar小波變換；角點特征

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）30-0184-02

Abstract：In traffic video surveillance， there are many factors that affect the results of vehicle positioning and vehicle detection. For example， complex backgrounds caused by complex street environments， light problems caused by different weather conditions， and positioning errors caused by different angles of vehicle image shooting will It has a great influence on the subsequent vehicle feature extraction and re-identification process， so that the recognition rate is not improved. A multi-feature based vehicle detection method is proposed. Firstly， the acquired vehicle image is preprocessed， then the vehicle's region of interest is obtained， and the vehicle features including texture features， morphological Haar wavelet transform and corner feature are extracted. Finally， the extracted features are merged to determine the position of the vehicle. Experiments show that the method has a high recognition rate and can be put into practical vehicle detection applications.

Key words：vehicle detection； texture feature； morphological Haar wavelet transform； corner feature

1 引言

車輛的準確定位和檢測是車輛識別問題的前提，是智能交通系統的難點問題和核心問題。在車輛檢測過程中如何克服復雜的環境背景、攝像機或者監控的角度和光線的不同帶來的影響是實現準確檢測車輛位置的關鍵問題。

目前，在智能交通系統中車輛檢測的主流方法有基于特征的方法、基于模型的方法和基于光流場的方法等。但是這些方法中有的在復雜背景中無法準確檢測車輛，有的只能檢測車輛圖像中的一部分車輛，無法全部檢測，所以識別率偏低。針對此類問題，提出了基于多特征的車輛檢測方法。

2 車輛檢測流程

車輛檢測過程是：首先獲取視頻圖像或待檢測的圖像；對圖像灰度化和去噪處理，再對圖像進行直方圖拉伸操作，使圖像灰度均值始終保持在128，達到增強圖像的效果；對車輛感興趣區域提取，再對感興趣區域提取邊緣輪廓特征、角點數和紋理特征，通過馬氏距離計算各個特征的加權系數，然后加權融合對感興趣區域進行車輛判定，最后在存在車輛的感興趣區域內進行車輛邊界的定位，流程圖如圖1所示。

3 實驗

如圖2所示為含車輛特征的圖像樣例，圖3為不含車輛特征的圖像樣例，利用SVM算法進行訓練，使計算機知道具有什么類型特征是我們要檢測的車輛，什么不是我們要檢測的，從而進行識別。

加載原圖像，首先進行預處理，然后再對預處理后的圖像用訓練好的SVM算法進行感興趣區域的標記，如圖4所示。

對標記好的感興趣區域進行分離，再進行角點檢測。如圖5所示。

表1給出了多特征車輛檢測算法經過試驗計算得出的識別率，誤差在可以接受的范圍內，可以投入實際應用。

文章提出的基于多特征的車輛檢測方法，經過試驗，第一步首先對獲取的車輛圖像進行預處理去除無用信息使計算變得簡單快速，第二步獲取車輛感興趣區域縮小車輛范圍，第三步提取車輛特征，其中包括紋理特征、形態Haar小波變換和角點特征，最后把所提取的特征進行融合得到最終用于車輛檢測的特征，判定得到車輛的位置。經過實驗發現，該方法提高了車輛檢測的識別率，可投入到實際的車輛檢測應用中。

參考文獻：

[1] 宋玉剛. 城市智能交通系統的發展現狀與趨勢[J].工程技術：文摘版，2016（8）：289.

[2] 陳熊. 基于機器視覺的車輛檢測方法研究[D].電子科技大學，2016.

[3] 穆長江，苑瑋琦. 基于紋理特征的車牌定位方法[J].控制工程，2004，11（6）：574-576.

[4] 丁威. 智能交通中車輛檢測相關算法的研究與實現[D].江蘇：南京郵電大學，2012.

[5] 許潔瓊. 基于視頻圖像處理的車輛檢測與跟蹤方法研究[D].中國海洋大學，2012：1-2.

[6] Sun Z，Bebis G，Miller R. Monocular precrash vehicle detection：features and classifiers.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2006，15（7）：2019-34.

[7] Hsieh J W， Chen L C， Chen D Y. Symmetrical SURF and Its Applications to Vehicle Detection and Vehicle Make and Model Recognition[J]. IEEE Transactions on Intelligent Transportation Systems， 2014， 15（1）：6-20.

[8] Lyu MR， Song J， Cai M. A comprehensive method for multilingual video text detection， localization， and extraction. IEEE transactions on circuits and systems for video technology. 2005， 15（2）： 243-255.

[9] 黃燦.基于局部特征的車輛識別[J].中國圖象圖形學報，2010，20（1）：14-16.

[10] 卜英家.基于計算機視覺的車牌識別系統的算法研究[D].電子科技大學，2015.

【通聯編輯：唐一東】