基于圖像處理的車型識別

基于圖像處理的車型識別,基于,圖像,圖象,處理,車型,識別,辨認(rèn) 基于圖像處理的車型識別方法 基于圖像處理的車型識別方法摘要車型自動識別是特征識別領(lǐng)域內(nèi)重要且實用價值頗高的一個應(yīng)用理論，此課題具有一定的實際價值和廣闊的應(yīng)用前景。按一般的車型識別流程的組成思路，整個識別過程可大致分為三大部分：車型圖像預(yù)處理，特征的提取和車型識別。本文首先描述了數(shù)字圖像處理在智能交通中的原理和應(yīng)用，并大致介紹了幾種不同圖像中特征的提取方法，本文主要采用差影法除去背景圖像直接得出車型具體輪廓，然后對已得圖像進行中值濾波消除其干擾處理等圖像處理技術(shù)，緊接著用數(shù)學(xué)形態(tài)學(xué)方法修補處理后的圖像，最后得了車型的長與高等幾何特征數(shù)據(jù)，按統(tǒng)計得到的標(biāo)準(zhǔn)判定其相應(yīng)分類，完成車型類型的判定，并通過Matlab 仿真實地檢測并得到結(jié)果。由多次實地檢測的結(jié)論得出,此算法快捷且識別速度快，雖然有天氣影響，但識別準(zhǔn)確率很高。關(guān)鍵詞：車型識別，圖像預(yù)處理，特征提取，差影法，Matlab基于圖像處理的車型識別方法 VEHICLE TYPE RECOGNITION METHOD BASED ON IMAGE PROCESSINGABSTRACTThe automatic recognition of automobile type is in the field of feature recognition and high value to an application of the theory and practical, this subject has a certain practical value and broad application prospect. According to the general model of the identification process, the whole process can be divided into three parts: vehicle image preprocessing, feature extraction and vehicle identification.This paper generally describes the digital image processing principle and application in intelligent transportation, and outlines several different feature extraction methods, this paper mainly adopts subtraction method to background image directly to specific vehicle contour and gray, and to have image median filter to eliminate the noise processing, followed by using mathematical morphology method to repair the image. Finally, we get the image models of long and high geometric features, according to the statistics of the standards for the design of the corresponding classification,vehicle type judgment, and through MATLAB simulation field testing and results. It is concluded that the algorithm is fast and fast, although it has the effect of weather, the recognition accuracy is very high.Key words: vehicle recognition, image preprocessing, feature extraction, subtraction, Matlab基于圖像處理的車型識別方法 1目 錄1 緒論 -------------------------------------------------------------------------------------31.1 本課題研究背景及意義 -------------------------------------------------------31.2 各方面國內(nèi)外的研究現(xiàn)狀 ----------------------------------------------------41.2.1 智能交通系統(tǒng)的國內(nèi)外研究現(xiàn)狀 ----------------------------------41.2.2 車型識別技術(shù)的國內(nèi)外研究現(xiàn)狀 ----------------------------------61.2.3 背景差影法的國內(nèi)外研究現(xiàn)狀 -------------------------------------71.3 本文研究目的與主要研究內(nèi)容 ----------------------------------------------82 動態(tài)汽車識別理論基礎(chǔ) ---------------------------------------------------------------92.1 引言 -------------------------------------------------------------------------------92.2 識別模式與 ITS ----------------------------------------------------------------92.3 車牌識別技術(shù)概念 -----------------------------------------------------------102.4 車輛車型識別技術(shù)方法介紹 ------------------------------------------------112.4.1 運用壓力感應(yīng)處理器 -------------------------------------------------122.4.2 超聲波測距技術(shù) ------------------------------------------------------122.4.3 基于視頻圖像識別技術(shù) ---------------------------------------------132.4.4 感應(yīng)線圈環(huán)測量技術(shù) ------------------------------------------------132.5 文章小結(jié) -----------------------------------------------------------------------143 車輛特征的提取 ----------------------------------------------------------------------14基于圖像處理的車型識別方法 23.1 概述 -----------------------------------------------------------------------------143.2 主要采用的差影法介紹 -----------------------------------------------------153.3 實測特征提取過程 -----------------------------------------------------------163.3.1 圖像預(yù)處理 ------------------------------------------------------------163.3.2 圖像差分處理 ---------------------------------------------------------173.3.3 形態(tài)學(xué)處理 ------------------------------------------------------------183.3.4 填充目標(biāo)圖像 ---------------------------------------------------------193.3.5 掃描得具體參數(shù) ------------------------------------------------------213.4 本章小結(jié) -----------------------------------------------------------------------224 圖像特征參數(shù)提取及車型分類 ----------------------------------------------------234.1 特征參數(shù)的選擇 --------------------------------------------------------------234.2 分類標(biāo)準(zhǔn)的設(shè)定 --------------------------------------------------------------234.3 車型識別 -----------------------------------------------------------------------244.4 測試結(jié)果和分析 --------------------------------------------------------------254.5 本章小結(jié) -----------------------------------------------------------------------255 總結(jié)與展望 ----------------------------------------------------------------------------285.1 總結(jié) -----------------------------------------------------------------------------285.2 展望 -----------------------------------------------------------------------------28參考文獻 ----------------------------------------------------------------------------------28致謝 ----------------------------------------------------------------------------------------31附錄 ----------------------------------------------------------------------------------------32基于圖像處理的車型識別方法 31 緒論1.1 本課題研究背景及意義在我們的日常生活中，隨著計算機技術(shù)的飛速發(fā)展，不斷提高傳感器的性基于圖像處理的車型識別方法 4能上限，所有的系統(tǒng)軟件和應(yīng)用大量的業(yè)務(wù)開發(fā)和推廣的軟件，電腦系統(tǒng)以及更新轉(zhuǎn)變?yōu)閺囊郧皢我坏臄?shù)值計算應(yīng)用領(lǐng)域到文字處理，圖形、圖像處理，語音處理的人工智能與模式識別領(lǐng)域。經(jīng)過三十多年的研究幾代人的不斷努力，這門學(xué)科在不斷發(fā)展。在語音識別，藍(lán)色巨人和 BIM 以及其他企業(yè)，有各種各樣的語音識別產(chǎn)品的語言版本的問世，連續(xù)語音識別等其他已相當(dāng)成熟，并已開始移向?qū)嵱没?、商品化。在圖像處理與識別，成果方面也是非常的豐富多彩，特別是在軍事，醫(yī)學(xué)，地質(zhì)，氣象以及其他領(lǐng)域，都取得了可觀的成績。車輛識別包括在識別模式范圍內(nèi)，是該領(lǐng)域中的難點并且具有非常實用的應(yīng)用前景。在實際運用方面上,車型別系統(tǒng)的研究和開發(fā)在道路收費、車輛監(jiān)測中具有很明顯的實用價值。大背景下，社會經(jīng)濟的告訴發(fā)展，人們富裕了，買車用車的速度超過了社會道路的鋪設(shè)速度，較發(fā)達地區(qū)交通已經(jīng)擁堵得不成樣子了，人們的公路出門體驗大打折扣，智能交通系統(tǒng)的發(fā)展進步勢在必行。智能交通系統(tǒng) [29]（Intelligent Transportationsy Stem，ITS）是電子智能化運輸系統(tǒng)未來的發(fā)展方向，通信技術(shù)和機器視覺集成應(yīng)用在交通管理系統(tǒng)，并建立一個實時，準(zhǔn)確，高效的綜合發(fā)展的未來方向運輸管理系統(tǒng)。其在美國，日本和歐洲的開發(fā)較早，應(yīng)用程序的實際水平也更高，在本世紀(jì)初，中國已經(jīng)開始大力開展 ITS 的研究工作。它的開發(fā)和應(yīng)用大大增加了智能交通管理的程度，如判定路面損壞的程度，識別車輛的類型，車輛流量等。數(shù)字圖像是在它的一個重要的信息載體，和圖像處理技術(shù)對具有重要影響 ITS 該汽車的性能是交通系統(tǒng)的主要目的，并且車輛類型識別被廣泛應(yīng)用于公路管理和公路收費系統(tǒng)。目前，在實踐中，傳統(tǒng)的電磁感應(yīng)線圈的識別模型是多，但由于其在人行道固有損傷，維修困難，獲得一個單一的參數(shù)等原因，使得它的發(fā)展受到很大的限制。車牌識別技術(shù)不斷的應(yīng)用于實際狀況，但對不按照交通法規(guī)任意改裝、遮蓋、亂掛車牌等亂象而言，也是無計可施，在不斷科技的發(fā)展中，完全智能化交通勢在必行，單一的車牌識別已經(jīng)完全不能滿足人們所需要解決的實際問題。汽車是交通系統(tǒng)的主要目的，汽車的類型的知識被廣泛應(yīng)用于高速公路管基于圖像處理的車型識別方法 5理和高速公路收費系統(tǒng)之中。在實踐中采用傳統(tǒng)的電磁感應(yīng)線圈識別模型較多，然而，由于其對路面固有損傷，維修困難，獲得參數(shù)比較唯一等原因，其發(fā)展受到很大的限制，“車牌識別”雖然也逐步被應(yīng)用，但一些違規(guī)遮擋，涂更改，車牌現(xiàn)象就是改不了，僅靠車牌識別是不完全為了解決這些問題的。本文以差分圖像的方法和數(shù)學(xué)形態(tài)學(xué)為核心，通過采集轎廂圖像進行處理，這是不容易提取作弊行為的出現(xiàn)，為車輛種類幾何特征的識別設(shè)計相應(yīng)分類器。1.2 各方面國內(nèi)外的研究現(xiàn)狀1.2.1 智能交通系統(tǒng)的國內(nèi)外研究現(xiàn)狀從上世紀(jì)末到當(dāng)下，美國、西歐和日本已著手大力發(fā)展和鉆研智能交通系統(tǒng)的各方面運用。在北美，已經(jīng)建成的“馳萬達”道路就是很典型的現(xiàn)代化例子，此公路由電子化高速公路、智能車兩部分組成并由國際道路運輸智能規(guī)劃。整個只能構(gòu)架由電子監(jiān)控和指揮服務(wù)中樞組成，實際運用在車輛速度傳感器，運輸監(jiān)管器，GSP 衛(wèi)星導(dǎo)航設(shè)備，期間用來分析和引導(dǎo)車輛返回車載導(dǎo)航地圖的所有交通速度信息，由交通狀況顯示并用無線電波發(fā)射出去給總服務(wù)器處理。在車輛中，駕駛員也可以接收來自監(jiān)控中心的話音提示信息通過特定的頻率相位鎖定 FM 無線接收器。因此，在駕駛?cè)f達路面上行駛的汽車司機一般是簡單，安全，駕駛過程中，你可以得到智能處理中心的指導(dǎo)和計算機監(jiān)控中心的幫助。在智能交通系統(tǒng)的研究領(lǐng)域里，日本在較早的實有建樹，通過科技部門的大力配合下，制定并實施“公路、運輸、車輛領(lǐng)域的信息化實施方針”，這是由導(dǎo)航系統(tǒng)、自動不停車收費系統(tǒng)、安全駕駛輔助系統(tǒng)等九大發(fā)展領(lǐng)域和 20 客戶服務(wù)功能共同構(gòu)建，為駕乘人員和旅客合理處理出并提供最方便的交通線路和各種交通信息的功能。在通過下表來比較具有代表性國家和區(qū)域等相關(guān)技術(shù)發(fā)展成都如何，如下表 1-1 所示?；趫D像處理的車型識別方法 6表 1-1 ITS 定義標(biāo)準(zhǔn)及主要內(nèi)容在不同國家的差異我國普遍使用電子信息互換控制的交通路口，只是智能交通系統(tǒng)的初階，早在上世紀(jì)末，由于改革開放經(jīng)濟迅速增長，對交通運輸高流量的不斷增長的需求，道路數(shù)量與能承受的汽車數(shù)量的矛盾日益突出，所以道路基礎(chǔ)設(shè)施建設(shè)項目ITS 定義 ITS 主要內(nèi)容美國結(jié)合運用了資源獲取處理技術(shù)、信息互換技術(shù)、智能控制技術(shù)在交通運輸系統(tǒng)領(lǐng)域上，顯著減緩交通運輸?shù)膿矶拢岣哌\作效率①交通運輸管理 ⑦車輛控制及安全②運輸需求管理 ③公共運營④自動化付費⑤商業(yè)車輛管理⑥突發(fā)狀況管理日本利用先進的信息和通信科技創(chuàng)造一個行人，車輛和道路道路設(shè)施集成系統(tǒng)①導(dǎo)航系統(tǒng) ⑦提高商用車運營②自動化收費 ⑧路人安全維護 ③安全行駛輛運 ⑨突發(fā)狀況 ④交通最佳管理 ⑤提高道路管理效率⑥公共運輸?shù)募訌姎W盟運用電子，運輸，通信和其他汽車技術(shù)與公路基礎(chǔ)設(shè)施的操作，進而完善運輸?shù)暮侠砹鲿臣翱焖?，同時提高運輸安全穩(wěn)定性，減少交通堵塞程度和改善用戶舒適度①交通管理②道路信息③行駛中實時信息④汽車控制⑤貨車及車隊管理⑥電子化收費基于圖像處理的車型識別方法 7速度飛快，特別是高速公路和高等級公路貫穿于全國各地。但汽車發(fā)展速度較大的超越了道路的鋪設(shè)素的，更多道路基礎(chǔ)設(shè)施建設(shè)早已不可能解決日益矛盾激化國內(nèi)交通運輸方面的各類突出問題。同時，在智能交通系統(tǒng)的研究里我國也開始緩慢起步。1995 年之后，中國積極參與國際 ITS 的各大科創(chuàng)交流和理論創(chuàng)新活動，一些初步的科創(chuàng)技術(shù)已在高速公路緩慢測試進行，并取得了一些成果。目前，北京，上海等科研院所等大型城市都投資于它的力量，并推出了一系列的研究 [25]。1.2.2 車型識別技術(shù)的國內(nèi)外研究現(xiàn)狀車輛自動識別系統(tǒng)作為智能交通系統(tǒng)的重要組成部分（ITS），智能識別系統(tǒng)在國外得到了充分的實際運用，猶如公路的安全檢查、道路導(dǎo)航系統(tǒng)、城市對道路的監(jiān)管系統(tǒng)等。識別系統(tǒng)中也發(fā)展到大多用無線技術(shù)進行終端連接，在城市道路中體現(xiàn)了不可替代的強大功能。當(dāng)下實用一般以下兩種的模式識別方式 [8]：⑴當(dāng)車輛通過鋪置有感應(yīng)接收器的道路上，不同汽車經(jīng)過，輪胎滾過壓力感應(yīng)器后，都會傳送出不同的感應(yīng)電壓和電流信號，經(jīng)過大量試驗和測試，可以預(yù)先設(shè)定具體的電壓電流信號對應(yīng)的汽車具體參數(shù)，得到信號之后，傳入預(yù)設(shè)定計算內(nèi)進行信息處理，通過編程算法實現(xiàn)，便可得出所需要的信息，當(dāng)然該方法缺點很明顯，如建設(shè)復(fù)雜等之類的。原理簡圖如下圖 1-1。①廣泛的型號，形狀差別并不大，得到的感應(yīng)信號差別或許很小導(dǎo)致識別精度大打折扣。②汽車經(jīng)過壓力傳感器的速度是隨機的，速度過大可能造成較大干擾。③數(shù)據(jù)庫的不及時更新，趕不上多樣的車輛生產(chǎn)，從而用很難識別一些別樣的車型。④感應(yīng)線圈環(huán)存在糅雜的施工鋪設(shè)程序，存在一定局限性和 5％的錯誤判斷率?；趫D像處理的車型識別方法 8圖 1-1 利用感應(yīng)線圈的車型識別原理簡圖⑵利用圖像分析法。首先對車輛圖像源的獲取，通過對圖像進行處理和電子化識別，得到所需要的信息，處理方法就有很多種，典型的方法就是對圖像進行模糊處理，得到汽車部分輪廓和大小的數(shù)據(jù)，通過數(shù)據(jù)庫的對比，預(yù)設(shè)定參數(shù)對應(yīng)的車型，通過編程算法實現(xiàn)對車輛的精度識別，在社會上較為普遍和易于實施的識別方法，具有不錯的經(jīng)濟和社會效益。此系統(tǒng)是由檢測技術(shù)、圖像獲取技術(shù)和圖像處理技術(shù)三者合理運用相結(jié)合，在以實現(xiàn)檢測和識別目標(biāo)對象類別。在視頻系統(tǒng)另一方面里，提供的圖像和流量參數(shù)給交通控制中心，它屬于同一個信息收集部。因此，目前國內(nèi)外專家一致認(rèn)為，視頻車輛檢測系統(tǒng)分為廣義車輛檢測的范疇。結(jié)構(gòu)原理簡圖如 1-2。圖 1-2 系統(tǒng)硬件結(jié)構(gòu)簡圖1.2.3 背景差影法的國內(nèi)外研究現(xiàn)狀差影法普遍存在于生活中的各項科技產(chǎn)品中，例如，它可以在監(jiān)視系統(tǒng)中使用，在銀行金庫和相機在很短的時間間隔拍攝圖像，圖像的畫面做減法，如基于圖像處理的車型識別方法 9果圖像差超過預(yù)設(shè)的閾值，說明異常情況發(fā)生，那么他們就應(yīng)該敲響的警鐘。在遙感影像動態(tài)監(jiān)測，圖像的差別可以用森林火災(zāi)，水災(zāi)發(fā)現(xiàn)，監(jiān)測災(zāi)情的變化和估算的損失，也可用于河口和海岸泥沙淤積和監(jiān)控河流，湖泊，近海污染監(jiān)測。使用差分圖像識別耕地和作物不同覆蓋范圍。用差影法技術(shù)來除去目標(biāo)背景的干擾項有不錯的效果，在實際運作中有很大的實用性，利于高速公路收費站，因為背景都是相同的車道，連續(xù)幾幀的照片做差影法，就可以得到經(jīng)過車輛的具體輪廓，得到參數(shù)進行算法識別后得到所需要的信息。1.3 本文研究目的與主要研究內(nèi)容本文主要研究的目的是通過圖像處理技術(shù)，經(jīng) MATLAB 軟件仿真，識別出目標(biāo)圖像中汽車的具體幾個車型，例如 SUV、面包車、轎車等?？傊n題的主要研究內(nèi)容是，本課題設(shè)計出的汽車類型自動識別系統(tǒng),能夠準(zhǔn)確、快速的識別出幾個常見車型，這里面要求基于 MATLAB 的算法編程簡練、運算量小不復(fù)雜，且運用 MATLAB 仿真得出具體輪廓圖像清晰明了。本論文主要進行圖像處理方法選擇和汽車車型分類設(shè)計的工作。以下部分就從研究目的與內(nèi)容展開論述?；趫D像處理的車型識別方法 102 動態(tài)汽車識別理論基礎(chǔ)2.1 引言車輛識別技術(shù)不僅是學(xué)術(shù)話題的圖像識別模式，也是一個在不斷發(fā)展的智能化現(xiàn)代所需要的實用技術(shù)，有很寬的開放潛力。動態(tài)識別技術(shù)對智能交通、基于圖像處理的車型識別方法 11物流運作以及對公共場所的監(jiān)管有較為深遠(yuǎn)的影響，對智能交通系統(tǒng)（ITS）和智能技術(shù)的發(fā)展有很大的影響。2.2 識別模式與 ITS在不斷的科技發(fā)展中，模式識別技術(shù)因涉及領(lǐng)域廣，不同程度的得到創(chuàng)新和發(fā)展，通過這個技術(shù)已經(jīng)能智能化的處理很多實際問題，解放大量勞動力，經(jīng)濟效益顯著。主要具體內(nèi)容是由下圖 2-1 中各個模式識別系統(tǒng)中的組成單元完成，模式識別系統(tǒng)的單元組成和功能：（1）該單元可直接用于接收實用信息，當(dāng)然換個用法也可作為數(shù)據(jù)采集單元；（2）特性參數(shù)判定及獲取，主要有基本單元提取并使用測量模式；（3）預(yù)處理單元，在某些情況下，有必要對接收到的特征參數(shù)進行更多不同的處理甚至初級掃描和分類，最后再送入分類識別服務(wù)中心；（4）描述單位是在模式識別系統(tǒng)中最重要的組成；（5）結(jié)尾處理單元，特定情況下，使用從核心處理單元的輸出數(shù)據(jù)才能被應(yīng)用；圖 2-1 模式識別系統(tǒng)流程簡圖為了實現(xiàn)自動化和智能交通系統(tǒng)管理，模式識別技術(shù)自動化技術(shù)作為一個重要的領(lǐng)域，發(fā)揮著不可磨滅的重要地位。目前，典型的模式識別技術(shù)被施加到 ITS 中，其主要內(nèi)容是車牌識別和車型識別的核心技術(shù)?；趫D像處理的車型識別方法 122.3 車牌識別技術(shù)概念眾所周知，車輛牌照是等同于汽車本身的詳細(xì)身份，汽車監(jiān)管主要是通過車輛已經(jīng)登記的車輛對應(yīng)相應(yīng)牌照來進行監(jiān)管。因此，識別系統(tǒng)中最初是通過識別到具體車牌，然后對照車輛管理服務(wù)器系統(tǒng)得到信息，但目前很多地區(qū)也是用著人工人眼識別獲得圖像的目標(biāo)車牌，人工確認(rèn)圖案后，手動的輸入到處理服務(wù)器中，工作枯燥繁雜且存在一定不可消除的人為誤差。根據(jù)這種情況，車牌制式的自動識別系統(tǒng)出現(xiàn)了。在我國，車牌識別的相關(guān)研究早已開始，起初因研究相對緩慢，不能結(jié)合實際良好的處理解決問題。本世紀(jì)初，隨著智能化處理數(shù)據(jù)的飛速發(fā)展，車牌識別技術(shù)相應(yīng)得到了更新。同時市場進一步更新也有了更多的科技需求才能滿足現(xiàn)狀，這樣的研究已經(jīng)被越來越多的人的關(guān)注，如今國家對這個領(lǐng)域投入了足夠的精力，相信在未來該技術(shù)會被完善得更好。2.4 車輛車型識別技術(shù)方法介紹車輛識別技術(shù)是模式識別領(lǐng)域內(nèi)一部分，它是很典型的模式識別方式。因此，因汽車類別識別技術(shù)在汽車交通科學(xué)中具有的重要性，這個技術(shù)是需要進一步研究并發(fā)展的。有許多不同的方法和應(yīng)用中的車輛識別的基準(zhǔn)，其通常具有以下的研究方向：2.4.1 運用壓力感應(yīng)處理器壓力傳感器系統(tǒng)包括數(shù)據(jù)測量電路，參數(shù)檢測電路和處理電路的測量參數(shù)，并且其一般的工作流是由以下幾部分組成：1）使用壓力傳感器來收集支承端點在鋼梁的負(fù)載狀態(tài)的大小;2）基于測量獲得的支撐反作用力的參數(shù)值，還測量鋼梁支撐反作用力參數(shù)，對下測量車輛軸距及提前預(yù)知閾值大小，最終確定近似車輛軸距的范圍;3）汽車輪距數(shù)值的大小是通過相應(yīng)測量得到的平衡原理端點支持反作用力的參數(shù)值，通過計算機運用數(shù)學(xué)公式得出結(jié)果；基于圖像處理的車型識別方法 134）如上所述使用參數(shù)獲得的軸距和輪距來分類車輛。這個技術(shù)手段其構(gòu)成結(jié)構(gòu)簡單，低成本高效率，并無視黑夜白天體現(xiàn)完整的模式識別能力。2.4.2 超聲波測距技術(shù)超聲波發(fā)送振幅范圍的大小決定了傳感器的工作范圍，它的工作原理是通過超聲波信號進行車輛和路面反射測量，以確定在傳感器和車輛或道路之間的距離，因此，當(dāng)在道路上的車信號在沒有車輛運行時候是不一樣的，我們通過這個不同找到規(guī)律用于檢測車輛。聲音信號由傳感器接收，傳感器將所述聲音信號轉(zhuǎn)換成電信號，然后由信號分析處理服務(wù)器處理得出數(shù)據(jù)，處理后將獲得車輛計數(shù)和道路占有率的信息。確定車輛是否通過的工作原理是通過檢測接收的超聲波的頻率變化。運用超聲波距離測量原理：發(fā)射裝置向空間任意一方向發(fā)射超聲波，同時裝置內(nèi)計時器開始計時，超聲波遇到期間任意障礙物便產(chǎn)生反彈聲波，又專用元件檢測并感應(yīng)，同時計時結(jié)束，理論上已知音速，反彈的時間，便可得到所測距離。這種方法是回聲測距方法。超聲波轉(zhuǎn)換器也被稱為基于超聲波測距原理超聲換能器，我們常說的超聲波探頭。超聲波探測器可以接收從各種車輛被反射的回波信號，然后把該回波信號接收轉(zhuǎn)入中轉(zhuǎn)器，分析過后可得到相應(yīng)數(shù)據(jù)，通過預(yù)設(shè)定參數(shù)對應(yīng)相關(guān)的車型，以確定車輛類型，該技術(shù)的缺點是低精度，容易受到外界噪聲等其他因素干擾。2.4.3 基于視頻圖像識別技術(shù)視頻圖像的技術(shù)是基于部分視頻信息，對車輛識別。該技術(shù)是根據(jù) CCD 攝像機的圖象信息，在正常情況下，攝像機可以準(zhǔn)確地捕捉圖像的汽車主體側(cè)身圖像，圖像尺寸為 384×288 彩色圖像，該圖像的視頻信號切換然后送入圖像卡，并通過 A / D 轉(zhuǎn)換成存儲在數(shù)據(jù)存儲器中。計算機圖像卡存儲器中的數(shù)字圖像被讀入存儲器，通過計算機圖像處理，降噪和邊緣檢測等，車輛的長度，高度和其他數(shù)字信息一并得到，并進一步計算車頂?shù)南鄬ξ恢?，即根?jù)下式：正面坐標(biāo)-頂板中心的坐標(biāo)和車長，長高比（車長\車輛高度），頂部長度比等相關(guān)參數(shù)來數(shù)學(xué)幾何運算，這些數(shù)據(jù)收集和分析，我們可以得出的具體汽車類別。基于圖像處理的車型識別方法 14車輛自動識別系統(tǒng)的視頻圖像的系統(tǒng)技術(shù)優(yōu)勢明顯，但天氣等第三類因素干擾過大，在一些最惡劣的天氣條件會受到明顯影響，例如，霧，雷雨天，夜晚，雪天等，如在這樣的天氣中得到的圖像，很可能掩蓋拍攝照片的車號，計算機不易識別和造成誤判 [17]。2.4.4 感應(yīng)線圈環(huán)測量技術(shù)這個技術(shù)可以是基于壓力對于電磁感應(yīng)的基本原理，該系統(tǒng)主要由陸地輔助元件和應(yīng)答器組成 [18]。下面大致介紹了此技術(shù)的一些細(xì)節(jié)過程。在一些汽車必定經(jīng)過的區(qū)域道路之下，預(yù)先鋪設(shè)相關(guān)的感應(yīng)器件，有汽車運行通過感應(yīng)線圈，必定會產(chǎn)生壓力差，感應(yīng)裝置通過壓力變化得出初始電信號，將該信號放大之后交由計算機處理中心處理，通過分析接收到的車輛信息之后并且在處理計算機產(chǎn)生脈沖信號，再將其送入輔助裝置，從而產(chǎn)生強磁場信號，其次路邊上的應(yīng)答器接收相關(guān)磁場信號，透過預(yù)設(shè)程序可譯碼出不同車輛的具體參數(shù)，然后把最終信息交由服務(wù)中心對照數(shù)據(jù)庫直接得出最終需要信息。上面的方法是超聲波傳感器、感應(yīng)線圈等技術(shù)結(jié)合在一起，設(shè)計感應(yīng)物理信息較多，操作起來容易受外界干擾，且對車型相應(yīng)的分類標(biāo)準(zhǔn)不好確定具有隨機性，所以可以說該系統(tǒng)的穩(wěn)定性較差。出于安全考慮，車輛檢測系統(tǒng)一般都安排在車道的兩側(cè)，但不得不因需要使用壓力傳感器和電磁感應(yīng)線圈技術(shù)系統(tǒng)而必須重新鋪設(shè)路面，帶來很多不必要的建設(shè)，缺乏隨機適應(yīng)性。此外，由于惡劣的工作環(huán)境中，特別是使用激光、壓力傳感器或電磁感應(yīng)線圈系統(tǒng)的，使部件的使用壽命大大降低。壓力傳感器和電磁感應(yīng)線圈土壤埋在道路，很容易受到腐蝕和振動的影響，從該方面，有許多局限性。相比之下，利用視頻圖像的技術(shù)，你不需要進行路面改造，節(jié)省了很多麻煩，探測范圍較大，在實際施工中可以更加靈活地運用。此外，該方法也可以使用原來的監(jiān)控系統(tǒng)，節(jié)省成本和時間，這是目前的一種方法更為實際?；趫D像處理的車型識別方法 152.5 文章小結(jié)本章節(jié)介紹了模式識別技術(shù)領(lǐng)域和 ITS 的概念，汽車模式識別里面主要包括車牌識別和車型識別，同時也介紹了幾種常見的車型識別方法。3 車輛特征的提取3.1 概述當(dāng)今，車輛信息采集系統(tǒng)常用的一般如下幾種，有紅外線探測系統(tǒng)、超聲波探測系統(tǒng)、圖像攝影識別系統(tǒng)種種，都不同程度的運用在城市公路車輛的各區(qū)域檢測系統(tǒng)中，其次多數(shù)公路更多的會采用圖像攝影識別系統(tǒng)。由于這個技術(shù)基于智能識別領(lǐng)域，起初并不常用，但由于科技的發(fā)展，硬件與軟件的共同高速更新，圖像處理識別技術(shù)便占據(jù)了主流。在這里，本文采用最基本的服務(wù)軟件 MATLAB，上述已經(jīng)介紹過 MATLAB 的強大，這里不作過多闡述，我們現(xiàn)在需要使用的是 MATLAB 紅的多尺度、多分辨率的中值濾波分析，這種技術(shù)快捷方便，實現(xiàn)起來簡單，能準(zhǔn)確的實現(xiàn)提取汽車車型的特征信息。理論上來說，車輛識別的整體過程包括圖像源的獲取、數(shù)據(jù)處理、后處理數(shù)據(jù)分析識別等步驟，其理論系統(tǒng)運作簡圖如圖 3-1[29]?；趫D像處理的車型識別方法 16圖 3-1 車型識別流程簡圖3.2 主要采用的差影法介紹在本文中，我查詢了多種方法，最后選擇差影法來進行車輛特征的提取，好處很明顯，在 MATLAB 中程序簡單，操作快捷，便于理解，獲取圖像源簡單等好處。對于收費道路，這在一般是相對固定的拍攝位置，背景變化不大，用差影法來除去過量的背景，得到車輛輪廓。差影法類似是對兩幅圖像做減法，“減掉”除被測對象的多余背景干擾項，從而得到所需要的圖像和輪廓并輸出，數(shù)學(xué)表達式就像最基礎(chǔ)的 a-b=c 一樣，F(xiàn)a 所選擇對象的上一幀背景圖，檢測到目標(biāo)得下一幀圖像是 Fb，做減法之后得出 Fc，如下：基于圖像處理的車型識別方法 17Fc( i , j)=Fb( i , j)-Fa( i , j)；式中 : i , j 為像素點坐標(biāo), i =1 , …,m ; j =1 , …,n ;[8]3.3 實測特征提取過程3.3.1 圖像預(yù)處理通過編碼程序完成圖像的讀入，灰度化和中值濾波處理。圖像灰度化的目的是將彩色圖像轉(zhuǎn)變成只有單一像素信息的圖像，而中值濾波可以保持需要目標(biāo)輪廓的情況下，模糊并抹去背景這個干擾項。通過查閱相關(guān)文獻資料，考慮到這次實地測試所得的圖像，我們選取的模板大小為 5 pixel ×5 pixel , 決定采用模板較大為 5×5 時在本課題中濾波效果稍微更好。具體 MATLAB 程序如下圖 3-2：圖 3-2 程序圖基于圖像處理的車型識別方法 18上述程序得到圖片的變化過程如下圖 3-3，有得出結(jié)果看出，文章中中值濾波處理 5x5 是沒錯的，得圖清晰，之后做差得圖也是目標(biāo)輪廓最清晰的。圖 3-3 輸入圖片預(yù)處理過程3.3.2 圖像差分處理上述過程用除去了圖像中噪聲干擾，用中值濾波處理后得兩圖像差影后的結(jié)果圖如下圖 3-3 所示。由結(jié)果可見差影后得圖效果好，隨含顆粒噪聲干擾項，這可能是由于在獲取原圖片時， 光線的微變被曝光 、上下幀兩圖出現(xiàn)除目標(biāo)對面外更多的干擾物和拍照時輕微抖動等影響而產(chǎn)生的。具體 MATLAB 程序如下圖：圖 3-4 做差得出結(jié)果圖及程序圖基于圖像處理的車型識別方法 193.3.3 形態(tài)學(xué)處理許多形態(tài)學(xué)算法都是以膨脹和腐蝕這兩種運算為基礎(chǔ)的，后續(xù)過程具體就運用到了這兩種算法它們具有填充圖像內(nèi)細(xì)小的像素空洞，連接顯示明顯物體和平滑較大物體邊界的作用 [9]。具體 MATLAB 程序如下，得到預(yù)處理如圖 3-4。圖 3-5 腐蝕膨脹得圖及程序圖3.3.4 填充目標(biāo)圖像我們已經(jīng)獲得了該模型的形狀邊緣輪廓，之后將充滿該邊緣輪廓圖等填充，作為之后具體參數(shù)獲取的形態(tài)。填充操作是基于像素邊界上的一種像素區(qū)域的動作。它也是形態(tài)的一個共同的操作，并且可以由 MATLAB 內(nèi)部函數(shù)及數(shù)學(xué)公式來實現(xiàn)圖象的橫縱向填充。該功能將二值化圖像中光亮區(qū)域包圍的黑色區(qū)域變成亮區(qū)。通過此功能可以很好的完成對周圍不完整的區(qū)域進行邊緣填充，就可以得到圖的形狀的完整的模型。填充圖像后，檢測目標(biāo)對面的具體輪廓會變得很亮，背景被完全模糊處理，圖像邊緣還處于毛坯狀態(tài)，存在參差不全的狀態(tài)，如果特征參數(shù)提取會影響模型的有效性特征值，所以進行圖像開運算、閉運算操作去除邊緣毛刺，模型輪廓平滑整齊。先腐蝕后膨脹是開運算，本測試選擇是開運算。得到預(yù)處理圖像如圖 3-6?；趫D像處理的車型識別方法 20圖 3-6 預(yù)處理最終得到圖形上述過程具體 MATLAB 程序如下圖 3-7：基于圖像處理的車型識別方法 21圖 3-7 程序圖3.3.5 掃描得具體參數(shù)圖 3-8 掃描點示意圖如圖所示用相關(guān)程序掃描出 5 個點，得出各個點左邊。A（b1,a1）,基于圖像處理的車型識別方法 22B(b2,a1),C(b4,a4),D(b3,a3),E(b3,a2)。可得出如下具體參數(shù)：車頂長度 d=b2-b1；整體車長度 f=b4-b3；整體車高度 h=a2-a1；車頭高度 hmin=a2-a4；車尾高度 hmax=a2-a3。3.4 本章小結(jié)本章介紹了車輛特征提取系統(tǒng)的概念，通過實地測量，詳細(xì)分析和介紹圖像每一步驟的處理方式和得到結(jié)果?；趫D像處理的車型識別方法 234 圖像特征參數(shù)提取及車型分類4.1 特征參數(shù)的選擇汽車的相關(guān)特征參數(shù)眾多，可檢測的參數(shù)也很多，外觀有車牌可以判斷，形狀來說，寬度、高度、軸距等多個參數(shù)和其他不同參數(shù)，針對每一種相關(guān)特征參數(shù)的采取和識別都是非常不同的。實際情況中，用感應(yīng)線圈來衡量的最短軸距，但不能有效地防止非法私自加長的未經(jīng)授權(quán)的用戶和擴大車廂的現(xiàn)象。本文選則了車輛的高度與長度比，車輛的頂部長度與車輛的長度比，和對車頂作中垂線，車身被這中垂線分成兩部分之比，對車輛進行車型的識別。本章節(jié)通過對車輛長與高的比值，粗略的對車輛的種類進行了中小型和大型車的分類，然后通過車頂長度和車身比等其他比值細(xì)分出四類具體車型。綜上所述在特征參數(shù)方面，通過圖像處理和可以從圖像中獲取的長、高、基于圖像處理的車型識別方法 24車頂長等參數(shù)，透過比值和數(shù)學(xué)公式進行常見的四種車型分類，在程序設(shè)計方面也比較快捷簡便。4.2 分類標(biāo)準(zhǔn)的設(shè)定表 4-1 汽車參數(shù)大致范圍表 [8]車輛類型（實例） 長(m)高(m)長高比軸距比轎車（豐田-卡羅拉）4.1-4.4 1.3-1.5 0.31-0.32 0.56-0.59SUV（奧迪 Q7） 4.5-5.2 1.7-2.0 0.37-0.38 0.53-0.58面包車（長安之星2）3.7-4.21.7-1.90.44-0.450.66-0.67大型客車（匯通大客車）10-13.52.5-3.20.23-0.250.68-0.75進行人工統(tǒng)計各類汽車的長、高、軸距，進行范圍分類，上表 4-1 是查閱一些特定車型的具體數(shù)據(jù)，并進行軸距比范圍計算。通過上表得出，通過長高比分成兩類，界限是 0.32，客車與轎車在車頂長度與整體車長比值方面有較大區(qū)別，取界限為 0.75，面包車與 SUV 上在車頭高度與車尾高度比值上有較大區(qū)別，取界限為 0.8，原理框架如下圖 4-1.基于圖像處理的車型識別方法 25圖 4-1 原理框架簡圖圖上其中 d=車頂長度； f=整體車長度；h=整體車高度；hmin=車頭高度；hmax=車尾高度。4.3 車型識別這里我們接著第 3 章的內(nèi)容下去，已知第 3 章已經(jīng)通過 MATLAB 程序掃描處理后得差影圖像得出目標(biāo)汽車的幾何特征參數(shù)，也通過各方面調(diào)查得知幾種車型的具體參數(shù)，不同車型在不同參數(shù)上有不同范圍，把原理框架圖透過 MALTAB設(shè)定相應(yīng)的數(shù)學(xué)式表達出來，便能通過如下圖 4-1 MATLAB 函數(shù)編程計算得出：基于圖像處理的車型識別方法 26圖 4-1 程序圖 4.4 測試結(jié)果和分析算法已經(jīng)確定，通過實地檢測該算法是否能實現(xiàn)具體識別車型，但由于人工取景誤差大，圖像識別系統(tǒng)比較簡單，大部分實地測量由于影差法的局限性，背景因風(fēng)吹草動等外界原因，車型具體輪廓很難提取出，導(dǎo)致算法太過理論，難以結(jié)合實際誤差進行判斷，下表 4-1 為結(jié)果分析。表 4-1 實地測量結(jié)果數(shù)量 錯誤的數(shù)量 正確率有具體輪廓組24 7 70%基于圖像處理的車型識別方法 27輪廓清晰組 15 2 87%實地取材 138 組，通過圖像預(yù)處理有 24 組有具體車型輪廓，其實 15 組是車型輪廓比較清晰的，通過上表可知，錯誤的數(shù)量 7 個里面 5 個屬于不是清晰的車型輪廓，實測證明，只有有良好的圖源，良好的提取出清晰的車型輪廓，識別率是很高的。4.5 本章小結(jié)本章如要介紹的車型識別系統(tǒng)程序的設(shè)計和實現(xiàn)，分別介紹了參數(shù)選擇、范圍標(biāo)準(zhǔn)預(yù)設(shè)定、程序算法確定、得出結(jié)論的部分細(xì)節(jié)和步驟，最后通過MATLAB 軟件仿真得出結(jié)果。基于圖像處理的車型識別方法 285 總結(jié)與展望5.1 總結(jié)本文采用的算法和選擇的圖像處理方法基本完成了識別任務(wù)設(shè)計，該算法簡單便捷，透過簡單的 MATLAB 軟件實現(xiàn)，差影法干擾抑制能力越強，速度快，硬件實現(xiàn)是容易的，識別精度也不低，操作和理解起來比較容易。實地測試表明，目標(biāo)測量圖像和其背景圖采集質(zhì)量的要求很高，就按正常人的攝影水準(zhǔn)難以完全做到目標(biāo)原圖和背景圖在短時間內(nèi)完成，就會造成差影之后會出現(xiàn)更多不確定性的事物出現(xiàn)，從而影響判斷，即圖像差影法算法是要求非常高的，在固定的背景，干擾物體較少的情況下，能大大提高識別效率，如單純的公路背景圖，所以這種方法很適合車型識別。但在一些背景復(fù)雜，有灰塵、運動中的行人等干擾情況下其識別效果還不理想，也使得后期算法無法準(zhǔn)確進行，影響到了最終的識別的準(zhǔn)確通過率。在課題的研究過程中，觸摸到了從未接觸過的軟件--MATLAB，知道了MATLAB 廣闊的適用彈性和它強大且涉及領(lǐng)域極廣的運用功能，學(xué)會MATLAB 基本操作和對編碼的基本認(rèn)識，給我打開一個全新的運用窗口，了解到了小小編碼的無限魅力所在。