（计算机应用技术专业论文）基于支持向量机的车型识别.pdf

摘要 车辆自动识别分类技术是智能运输系统的重要组成部分，它对特定地点和时 间的车辆进行识别和分类，并以之作为交通管理、收费、调度、统计的依据。车 型的自动分类在部分发达国家已经是比较成熟的技术，但由于诸多原因这些系统 在我国其识别率等指标难以满足使用要求。要实现我国公路收费自动化、管理规 范科学化，车型自动识别方法的研究势在必行。 本文研究基于车型图像代数特征的车型识别方法。该方法首先利用背景差分 法从背景图像中提取出运动车辆，并对车型图像进行预处理，然后采用特征并行 融合的方法将用p c a 方法和加权l d a 方法提取出来的两类车型特征融合成一种 待识别特征，晟后将决策支持向量机分类器与最近邻法以及动态b o o s t i n g 算法 相结合构造决策支持向量机车型识别分类器进行车型识别。 本文所做的主要工作为： 1 、为了获取更丰富的特征信息，提出将p c a 特征与加权u ) a 特征进行特 征级融合的一种车型代数特征提取方法。该方法保留了参与融合的两类特征的有 效鉴别信息，又很大程度上消除了信息的冗余，提高了识别率。 2 、提出将最近邻法与决策支持向量机相结合进行快速分类的新方法，该算 法极大地减少了s v m 的训练样本数，训练速度较快，同时减少s v m 分类器测试样 本的规模，提高分类速度。 3 、提出将动态b o o s t i n g 算法与支持向量机相结合，用更优的弱分类器构造 强分类器，得到一个增强了的决策支持向量机分类器，该方法能减少分类错误率。 基于以上方法，构建了一个基于与最近邻法相结合的决策支持向量机的车型 识别系统。实验表明，该系统具有速度快、识别率高等特点。 算法 关键词：车型识别，特征融合，决策支持向量机，最近邻法，动态b 0 0 s t i n g a b s t r a c t a u t o m a t i cr e c o g n i t i o na n dc l a s s m c a t i o no fv e h i c l e si sa ni m p o n a i l tp a no f i n t e i l i g e n tt r a n s p o r t a t i o ns y s f e m i tf o c u s e so nm er e c o g n i t i o no fv e h i c l ea ts p e c i a l p l a c ea n di ns p e c i a lt i m ef o r t r a m cm a n a g e m e n t ，c h a r 百n g ，r e g i l l a t i o na i l ds t a t i s t i c s v b h i c i ec l a s s i f i c a t i o ni san l a n 儿et e c h n o l o g yi nd e v e i o p e dc o u n t r i e s ，b u td u et oa s e r i e so fp m b l e m s ，t h i st e c h n o l o g yi su n s u i t a b l ef o ra p p l i c a t i o ni no u rc o u n t ui n o r d e rt or e a i i z em ea u t o m a t i cc h a 唱i n ga i l ds t a n d 罩【r d i 2 a t i o no fh i g h w a ym a i l a g e m e n t ， t h er e s e a r c ho f v e h i c l er e c o g n i t i o ni si m p e r a t i v e i nt h i sp 印e r ，w ef o c u so nm e m o do fv e h i c l er e c o g n i t i o nb a s e do na i g e b r a f b a t u r e so fv e h i c l ei m a g e s f i r s t ly ，t h en l o v i n gv e h i c l e sa r ep i c k e do u t 丘o m b a c k g m u n di m a g e su s i n gb a c 堍r o u n d s u b t r a c t i o n ， a j l d p r e p r o c e s s e d i n t o s t a n d a r d i z e di m a g e s s e c o n d l y ， t w ok i n d so fv e h i c l ef e a t u r e sa r ee x t r a c t e d r e s p e c i i v e l yb yp c aa n dw 西g h t e d l d a t 1 l e nt h ef e a t u r e sa r et u m e di n t oaf u s i n g f b a t u r eb ym e a n so ff b a t u r e f u s i o ni nc o m p l e xs p a c e f i n a l l y ，b yc o m b i n i n g d e c i s i o n t r e es u p p o nv e c t o rm a c h i n ew i t hn e a r e s tn e j 曲b o rm e m o da n df i o a t - b o o s t i n g a l g o r i t h m ，an e wd e c i s i o n t r e es u p p o nv e c t o rm a c h i n ei sb u i l tf o rv e h i c l er e c o g n i t i o n t h em 撕nw o r ko f t h i sp a p e rj s ： 1 t bg e ta b u n d a n ti n f o m a t i o no ff e a t u r e ，w ep u tf o n v a r daf c a t i l r ef u s i o n m e t h o d ，b yw h j c ht h e 柳ok i n d so fv e h i c l ef e a t u r c se x 拄a c t e db yp c aa z l d w e i 曲t e d l d aa r ef u s e d t h ev a l i di n f o m a t i o no ft h et w of c a t u r e si sk 印t ，a n dt h e r e d u n d a n ti n f o m 】a “o ni se l j m i n a t e d t h er e c o g n i t i o nr a t ei si m p r ；d v c d 2 c o m b i n i n gn e a r e s tn e i g h b o r sm e t h o dw i t hd e c i s i o n t r e es u p p o nv e c t o r m a c h j n e ，an e wf a s t e a l g o r i t h mo fc 1 8 s s 湎c a t i o ni sb r i n gf o n v a 日，w h i c hc a nn o to n l y r e d u c et h et i a i ns a m p l e so fs u p p o r tv e c t o rm a c h i n ea n d s p e e du pt h e 扛a i np r o c e s s ，b u t a l s or e d i l c et 1 1 et e s ts a m p 】e sa n ds p e e du pt b ec l a s s i f i c a t i o n 3 w ea l s oc o m b i n et h en o a t - b o o s t i n ga l g o r i t w i t hs u p p o r tv e c t o rm a c h i n e a n da s s e m b l es o m ew e a l ( c l a s s i 矗e r st ob u i l dab o o s t e dd e c i s i o n t r e es u p p o nv e c t o r m a c h i n ec l a s s m e lt h i sc l a s s 埔e rc a nd e c r c a s em ee r r o rr a t eo f v e h i c l er e c o g n i t i o n w i t ht h e s em e t h o d s ，w ec o n s t r u c ta s i m p l ev e h i c l er e c o g n i t i o ns y s t e mb a s e do n d e c i s i o n t r e es u p p o nv e c t o rm a c h i n e t h ec x p e r i m e n tr e s u l t ss h o wm a tt h i ss y s t e m c a nw o r ki nh i g h e rs p e e da n dw i t hh i 曲e ra c c u r a c y k e yw o r d s ：v c h i c l er e c o g n i t i o n ，f e a t u r e sf u s i o n ，s v m ，n e a r s e s tn e i g h b o r s m e t h o d ，f l o a t b o o s t i n ga l g o r i t h m ； 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共 同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者躲趔吼。盟年旦月兰日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校有 权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论 文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文； 学校可根据国家或湖南省有关部门规定送交学位论文。 作者签名：掣导师签名蛳l 隰丝年旦月堡日 中南大学硕十学位论文 第一章绪论 第一章绪论 1 _ 1 车型识别的研究内容及其应用 电子技术、通信技术、计算机技术和自动控制技术的发展，为解决交通问 题提供了新的思路，于是，智能运输系统( i t s ，i n t e l l i g e n tt r a l l s p o r t a t i o ns y s t e m ) 就应运而生了。实践证明，智能运输系统是解决当前交通拥堵、环境污染严重 等问题的有效途径。目前i t s 在美国、欧洲、日本等国家、地区己受到政府、 产业机构、科学研究单位的重视。它的研究领域广阔，各国各地区的侧重点也 有所不同。 由于建设高速公路的投资较大，贷款筑路、以路养路收费还贷的政策早已 深入人心。但是高速公路上的收费站大大地降低了高速公路的通行能力。国外 已有实行不停车收费的例子，在国内，不停车收费也是这种收费制式的发展方 向。电子收费系统是智能运输系统在公路收费领域的具体表现，其应用可解除 收费站的“瓶颈”制约作用，较好地缓解收费站的交通拥挤、排队等待以及环 境污染等问题。电子收费系统具有的诸多优点，使其成为世界各国交通部门优 先研究、发展、应用的技术之一，无论是在欧、美发达国家，还是在亚洲发展 中地区，截至目前，电子收费系统已经拥有一套相对较成熟的技术体系，成功 实现并投入实用的范例在各地纷纷出现。为了促进e t c 的发展，推广e t c 技 术的应用，国际各级标准化组织陆续制定了e t c 相关规范及标准。 我国的公路收费系统主要采用以下三种形式。 1 均一制系统。收费站建在公路的所有入口，车辆在一个路口交费后，可 在该公路全线自由行驶，无需再次交费，收费标准仅因车型不同而不同，与行 驶里程无关。 2 开放式系统。收费站建在公路的主线上，间隔3 0 5 0 公里不等，各个出 口不再设收费站，车辆可自由出入。收费标准除根据车型不同而不同外，还因 各站控制的距离不同而不同。 3 封闭式系统。收费站建在各互通立交匝道上，在入口处发通行卡，在出 口处验卡，按车型和行驶距离收费，车辆进出公路均受到控制。 第l 页 中南大学硕士学位论文 第一章绪论 无论哪种收费方式，都必须先对车辆进行分类，才能确定应当收取的通行 费，这一点对传统收费系统和电子收费系统都是相同的。所不同的是，在传统 收费方式中。车辆的类型通常由收费员通过目视人工划分。其突出的优点是误 判少、可靠性高。但也存在弊端，主要如下： 1 人工收费速度慢，收费人员易同司机发生争执，造成交通拥挤，不但误 工误时，而且阻碍了整个地区路桥交通网络作用的发挥。 2 人工收费因有人工因素参与，“人情车”现象或其它帐务弊端十分严重。 如收费人员对熟悉的司机不予收费，或是某些个体司机少交费而不要票据：或 是少数低素质收费人员相互勾结，多收少缴，私吞收费。据统计，在一些大型 的收费站，每日因此损失的收费款额高达数万元，全年累计超过千万，造成国 家和地方财政收入的流失，给国家和地方经济造成严重损害。 3 人工收费人员长时间在比较恶劣的环境中做重复的工作，易产生疲劳感， 从而影响收费的速度，不利于职工的身体健康，不利于车辆通行率的提高。 电子技术和计算机技术的发展，为解决这个问题提供了可靠的技术保障。 路桥自动收费系统的应用，充分体现路桥交通现代化管理的先进水平，必将产 生较大的社会效益和经济效益。实现车型自动识别，采用路桥自动收费系统主 要有如下优势。 1 可加快车辆通过收费站的速度，提高了有限的空间利用率和路桥收费站 的通过能力，利于交通疏流，解决因堵车造成的工时损失、能源损耗、环境污 染等问题。 2 可杜绝人工收费造成的票款流失问题，确保路桥收费的可靠性和可控性， 可较大比例地提高路桥费的回收率。 3 整个网络成为交通信息采集网，可快速掌握路桥的车流信息，不仅有利 于交通行政部门的综合整体管理，更便于交通行政管理部门的疏导和管理，也 可为新建路桥提供科学依据。 4 减少了收费站的人员管理，可以节省大量的人力和财力，并使路桥收费 实现现代化管理。 在电子收费系统中，由于收费过程实现自动化，需要自动识别车型以便根 据不同的车型收取相应的费用，车辆直接驶过收费站而不停车，因而对车型判 第2 页 中南火学硕士学位论文 第一章绪论 定提出了更严格要求，需要真正统一标准，准确迅速识别、归类。 尽管近几年提出了交通“监控、自动收费、通信系统设计方案”，但均不能 完成对车辆的自动识别和自动收费，因此，开发车型自动识别系统有很大的市 场。车型识别技术可应用于停车场收费管理以及各类封闭式和开放式路桥卡口 自动收费系统，根据联网的规模不同，适用于i c 卡、金路卡、虚拟储值卡以及 金融卡等各种自动扣费方式，可从路段扩展到区域、地区、跨地区以至全国路 网。 1 2 车型识别的研究现状和前景 车辆自动识别分类技术是智能运输系统的重要组成部分，是一门集计算机 图象处理技术、模式识别、工业测控技术、电子技术、系统工程技术于一体的 综合技术。它对在特定地点和时间的车辆进行识别和分类，作为交通管理、收 费、调度、统计的依据。国外由于公路建设起步早，对于车辆自动分类技术的 研究开始得也早。国内在进入九十年代才开始这方面的研究。 要实现自动车辆识别、分类，需要做的第一步是探测、摄取车辆的某些特 征信息。在车辆的所有特征中，可以用来识别和区分车型的通常有车辆的外型 ( 长、宽、高等) 、车辆的轴重或轴距、车辆轴重及总重、车辆牌号、发动机排 气量、车辆可以乘载的人员数或载重量等特征。在这些特征中，只有部分可以 用于自动车辆识别和分类，因为有的特征可以用仪器不停车探测、提取，有的 则不然，如排气量、司乘人员数等。 目前，车型识别技术主要有轮廓扫描方法、车轴计数方法、磁场变化方法、 车牌识别方法、基于图像处理的方法、基于交通视频技术的方法等。 轮廓扫描方法【”。轮廓扫描的目的在于获取车辆的外形信息，从而对车辆 进行分类。扫描一般使用无线电波或者红外线，更先进的则使用激光。轮廓扫 描的基本方法是将扫描波束的发射、接收天线安置在车道上方或侧面，它向车 道上发射扫描波束。波束传播的区域一般是一个薄平面。此平面与车辆的行驶 方向垂直。这样当车辆行驶过天线照射区域时，它将被波束平面切割，其中车 辆与天线大致平行的一个面将反向扫描波束，使反向波在一定空间和时间内发 生变化( 与没有车辆经过时相比) 。在知道车辆经过时的速度的前提下( 这可以 第3 页 中南大学硕士学位论文 第一章绪论 预先规定或另外测量) ，根据反射波的这种变化可以算得车辆反射波束的那一面 的二维情况( 长、宽) 。如果再预先设定一定的固定参照物( 对装在车道上方的 天线来说，一般是路面) ，那么根据反射波的变化程度就可以算得车辆第三维的 情况( 高) 。这种自动识别、分类技术目前比较成熟，易于投入使用。 车轴计数方法【“。车轴计数就是利用某种方法对车辆的轴数进行检测，将 检测结果作为车辆分类的一种标准。要检测车轴的数量，可以通过传感的方式， 也可以通过非接触的控测方法。传感方式一般是在车道上埋设相应的传感器， 当车辆行驶经过时，车轮辗压传感器使传感器所受的压力发生变化，根据压力 变化的次数，可以判断出车辆的轴数。非接触的探测方法通常使用发射波束， 检测反射的形式，这与轮廓扫描有些类似，但更简单。具体做法是从车道边以 特定的角度向车道上车轮必须经过的区域发射探测波束( 无线电波、红外线或 者激光束) ，当车辆经过时，车轮将使发射波束的反射波发生变化，一般是反射 方向改变。改变后的反射波可以用专门的探测装置从特定的位置来接收。探测 装置每接收到一次反射波就说明车辆有一组( 对) 车轮，由此可以进行车辆轴 数的计数。如果预知车辆的时速，那么还可以根据两轴之间的检测时间间隔计 算出轴间的大致距离( 轴距) 。由于轴数在车辆分类的标准中一般不是主要因素， 所以车轴计数的识别技术一般不单独使用，而是与其它系统配合起来进行工作。 磁场变化方法。有一种采用环形线圈作为传感器的车型识别系统，叫作 a 2 0 车型识别仪。其基本工作原理是：将环形线圈埋于路面下，当机动车通 过埋设于路面下的环形线圈时，引起电磁场的变化，由于不同车型的底盘结构 和铁磁物质分布的不同，磁场的变化特征也不同；车型识别仪提取反映这些变 化特征的数据，并采用模糊信息处理和模糊模式识别的方法对数据进行分析处 理，从而判断出所通过车辆的车型。 这种采用传感器的方法进行数据采集，需要通过在路面上铺设感应传感器， 主要有以下缺点：一是传感器在安装或维护时必须直接埋入车道，这样交通会 受到阻碍；二是埋置传感器的切缝软化了路面，容易使路面受损：三是工程施 工时，出于无意或由于需要切断传感器的现象也会发生，结果常常使传感器无 法使用；四是传感器易受到冰冻、盐碱或繁忙交通的影响；五是传感器寿命一 般为二年，之后要破坏路面，重新铺设等。其它传感器如超声波传感器容易受 第4 页 中南大学硕士学位论文 第一章绪论 环境的影响，当风速6 级以上时，反射波产生漂移而无法正常检测；探头下方 通过的人或物也会产生反射波，造成误检；红外传感器工作现场的灰尘、冰雾 会影响系统的正常工作。 车牌识别方1 法【2 【3 】。车牌识别方法是一种基于图像处理与识别的自动车辆 识别、分类技术，它从车牌的各种特征中分析或查找出车辆类型的信息。在车 牌识别中，首先要获取车牌的图像，这通常由专门的摄像装置来完成。摄像装 置与一个探测器相连，当车辆行驶至某特定位置时，被该探测器探知，它立即 启动摄像装置，在一定的角度、集中拍摄下车牌的图像。在这样的图像上，由 于车辆处于运动状态以及污损等原因，车牌画面往往不够清晰，难以从中摄取 需要的信息。因此，图像首先要经过一定的加工处理，使其达到足够的清晰度， 然后再进行识别。初步的识别将辩认出车牌的大小、形状和颜色等特征。如果 在最初设计时，车牌的这些特征的不同值就对应了不同的车辆类型，那么由此 就可以对车辆进行分类。对车牌的进一步识别将读出车牌上的具体号码，根据 这个号码可以在相关的资料( 如车辆牌照的登记记录) 中搜索，得到车辆类型 的信息。但是，以目前的技术水平，对车牌号码的正确识别率还无法达到投入 实用的要求。因此，为使以自动判别车牌来实现车型的识别成为现实，还需进 一步做工作。 基于图像处理的方法。国内外现在通过图像处理对车型进行识别的研究很 多，例如，基于神经网络的汽车车型的识别h 】【5 】【6 l 7 1 ，小波变换及非线形滤波用 于车型识别8 1 ，视频图像处理监控9 1 等，就每一种方法来说都有其适用的范围 和优缺点，基于图像处理的方法具有应用范围广，获取信息丰富的优点，以上 这些方法基本上均是基于车辆的几何特征进行识别，本文也是采用图像处理的 方法，但本文中是通过提取车辆的代数特征对车型进行自动识别。 基于交通视频技术的方法。交通视频技术是指使用计算机视频技术检测交 通信息，通过视频摄象机和计算机模仿人眼的功能。与传统的交通信息采集技 术相比，交通视频技术有着直观可靠，安装维护方便，检测范围广等优点，随 着计算机技术、数字图像处理和模式识别技术的发展，计算机视频技术必将在 交通信息检测中占据越来越重要的地位。它以信息获取的快速、准确、智能化 等优点将在i t s 领域得到广泛应用，可进行车辆牌照识别，也可作为车辆检测 第5 页 中南大学硕士学位论文 第一章绪论 器，用于车型识别及交通流量、速度、占有量等参数检测。这种方法尚处于研 究阶段。 其他识别方法。除了上面介绍的几种自动车辆识别分类方法以外，还有一 些方法在理论上也是可行的，例如测量车辆的轴重或者总重，可以使用相应的 测量仪器在车道上进行。但问题是，在车辆运动的情况下，要准确地称量出车 辆的重量要比在静止情况下困难得多，这一问题目前还没有很好地得到解决。 类似这样的问题，在其它自动识别、分类技术上也不同程度的存在，使得它们 暂时还处于研究探索阶段。 总的看来，多年来出现的各种各样的车型识别技术，其中绝大多数是通过 检测车辆的某些几何参数或者物理参数来归纳分类的，某些技术也达到了比较 高的检测精度。但由于以下几个关键因素，至使其未能在高速公路收费中取得 成功应用。一是我国车型太多，国家还没有颁布明确的汽车外形检测标准；二 是环境影响，存在干扰：三是车主为了经济利益，往往不顾国家交通部门的规 定，在车上装载大量的货物，严重超载，导致车辆的外形变化比较大，难以识 别。，就我们所知车型识别在国内主要停留在研究状态( 如中国科学院、西安公 路所、上海交通大学、西安交通大学、北京理工大学等) ，部分产品已投入正式 运营。在各种车辆自动识别、分类技术中，目前真正能够实际使用的还不多， 而车辆分类、按车型收费是公路收费所必需的，因此必须尽快探索出一些新的 车辆自动识别方法。 1 3 本文研究的主要内容及结构安排 本文主要研究基于车型图像代数特征的车型识别技术。具体方法如下，通 过摄像机采集运动中汽车的序列图像，并传入计算机，计算机采用时间序列图 像中值滤波方法得到背景图像，用背景差分方法提取出车辆图像，经过一定的 图像预处理得到车辆标准化图像，分别利用p c a 方法和加权u ) a 方法提取两 类车型图像特征，采用复p c a 方法将该两类特征进行并行融合，得到车辆图像 的代数特征：然后用决策支持向量机进行车型分类，并且结合最近邻法对车型 进行快速识别，最后将动态b o o s t i n g 算法与决策支持向量机相结合构造增强型 分类器。整个过程用流程图简要描述如图1 1 所示。 第6 页 中南大学硕士学位论文第一章绪论 图1 1 本文研究内容流程图 第7 页 中南火学硕士学位论文 第一章绪论 本文的结构安排如下： 第一章，首先介绍了车型识别的研究内容及其应用，车型识别技术现有的 一些研究方法，然后介绍了本文研究的主要内容及结构安排。 第二章，介绍了利用背景差分方法从运动图像中提取车辆，其中背景图像 我们采用最简单的一种模型对时间序列图像进行中值滤波获得。然后，用 基于形态学的方法进行噪声消除。最后将所得车辆图像标准化。 第三章，分别利用p c a 方法和加权u ) a 方法提取两类车型图像特征，采 用复p c a 方法将该两类特征进行并行融合，得到车辆图像的代数特征，该特征 包含了车辆图像样本更丰富的特征信息。 第四章，先简单地介绍了现有的几种分类方法，然后详细地描述了支持向 量机算法，同时讨论了支持向量机多类分类方法，引入决策支持向量机方法解 决多分类问题，并结合最近邻法探讨出一种新的车型快速分类方法。 第五章，先分别介绍了a d a b o o s t i n g 算法和动态b 0 0 s t i n g 算法，然后在前 一章的基础上，将动态b o o s t i n g 算法与决策支持向量机相结合构造增强型分类 器。 最后一章，总结了本文所做的工作，并且对本课题今后研究方向做了一些 预测和展望。 第8 页 中南大学硕士学位论文 第二章车辆定位及车辆图像预处理 第二章车辆定位及车辆图像预处理 本系统首先用摄像机从现场环境中摄取运动车辆的视频图像，然后利用摄 取的连续图像从复杂背景中提取出运动车辆，最后对车辆图像进行必要的一些 预处理成为标准化车辆图像，用于车型识别。本章首先介绍了利用目前运动分 割中最常用的一种方法一背景差分方法从运动图像中提取车辆，其中背景图 像我们采用最简单的一种模型一对时间序列图像进行中值滤波获得。然后， 用基于形态学的方法进行噪声消除。最后将所得车辆图像标准化。 2 1 车辆定位 首先，我们必须从车辆序列图像中将车辆从背景图像中提取出来。车辆定 位以及车辆的有效分割对于特征提取及最终的车型分类等后期处理是非常重要 的，因为以后的处理过程仅仅考虑图像中对应于车辆运动区域的像素。 车辆是运动物体，车辆定位就是将车辆从连续几幅运动图像中检测出来。 运动物体检测一般首先进行变化检测，然后运用形态学的方法( 常用的是 膨胀、腐蚀) 进行噪声消除，划分出运动物体。 然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影 响，使得运动检测成为一项相当困难的工作。对于变化检测，虽然有很多方法， 但是从本质上来看，它们中有一些很相似，或者是出自同一出发点，总结来说， 对运动物体的实时检测的传统方法主要有三种2 7 j ： ( 1 )时间差值变化检测( t e m p o r a ld i 疵r e n c e ) ( 2 ) 光流检测( o p t i c a ln o w ) ( 3 ) 背景差分检测( b a c k g r o u n ds n b t r a c t j o n ) 时间差值变化检测n u 方法是在连续的图像序列中两个或三个相邻帧间 采用基于像素的时间差分并且闽值化来提取出图像中的运动区域。例如l i p t o i l 等 1 0 埽0 用两帧差分方法从实际视频图像中检测出运动目标，进而用于目标的分 类与跟踪；一个改进的方法是利用三帧差分代替两帧差分，如v s a m 开发了 一种自适应背景减除与三帧差分相结合的混合算法，它能够快速有效地从背景 中检测出运动目标。时间差分运动检测方法对于动态环境具有较强的自适应性， 第9 页 中南火学硕士学位论文 第二章车辆定位及车辆图像预处理 但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞 现象。时间差值变化检测方法是对一个小的时间间隔前后的两幅图像做比较， 根据其中得到的变化区域来区别背景和运动物体，这样容易将长时间不动的物 体认为是背景上的变化而忽略掉，当运动物体的运动速度过慢时也会出现错的 检测结果。 基于光流方法1 3 】【1 4 l 的运动检测采用了运动目标随时间变化的光流特性， 如m e y e r 等【1 3 】通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有 效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检 测出独立的运动目标。然而，大多数的光流计算方法是很复杂的，且抗噪性能 差，如果没有特别的硬件装置则实时算法是很难实现的，不能被应用于全帧视 频流的实时处理。关于光流更加详细的讨论可参见b a h d n 等的文章【1 4 】。 背景差分 1 6 2 3 】方法是目前运动分割中最常用的一种方法，它是利用当前 图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全 的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏 感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发 不同的背景模型，以期减少动态场景变化对于运动分割的影响。例如h 撕t a 0 9 1 u 等 1 6 】利用最小、最大强度值和最大时间差分值为场景中每个像素进行统计建 模，并且进行周期性地背景更新；m c k c n n a 等 1 7 利用像素色彩和梯度信息相 结合的自适应背景模型来解决影子和不可靠色彩线索对于分割的影响： k a n t l a l l i l 与b r a n d t 1 8 】、k i l g e r 1 9 采用基于卡尔曼滤波( k a l m a j lf i l t e r i n g ) 的 自适应背景模型以适应天气和光照的时间变化；s t a u f 】h 与g r i m s o n 【2 0 】利用自 适应的混合高斯背景模型( 即对每个像素利用混合高斯分布建模) ，并且利用在 线估计来更新模型，从而可靠地处理了光照变化、背景混乱运动的干扰等影响。 当然，在运动变化检测中还有一些其它的方法，如f r i e d m a l l 与r u s s e i i f 2 4 利用扩展的e m 【2 5 1 ( e x p e c t a t i o nm a ) 【i m i z a t i o n ) 算法，为每个像素建立混合高斯 分类模型，该模型可自动更新，并能自适应地将每个像素分类为背景、影子或 者运动前景，在目标运动速度缓慢的情况下亦能较好地完成运动区域的分割， 并可以有效地消除影子的影响；另外，s 研n g a l 2 6 】也提出了一种新颖的基于数学 形态学的场景变化检测算法，在变化的环境条件下获得了相对稳定的分割效果。 第1 0 页 中南大学硕士学位论文 第二章车辆定位及车辆图像预处理 本文采用背景差分检测方法：有一个背景图像作为参考图像，将当前图像 与这个参考图像做差分来找到运动物体。这种称之为差分方法一般能够提供最 完全的特征数据。 一般地，在可控制环境下，或者在很短的时间间隔内，可以认为背景是固 定不变的，可以直接使用差分方法分割出作为前景的物体。 然而，对于不可控制的环境，由于背景图像的动态变化，如天气、光照、 行人、影子及混乱干扰等的影响，差分方法对这些变化特别敏感。在相对稳定 的环境下，可以假设背景变化缓慢，且符合一定的分布规律，通过建立背景模 型，实施差分方法来检测运动物体，可以获得很好的效果。最简单的背景模型 是时间序列图像中值滤波，本文i e 是使用连续五幅图像求其中值作为背景的。 将五幅时间序列图像进行中值滤波得到背景图像 图2 一l 时间序列图像中值滤波示意图 具体地讲，对同一个象素点0 ，y ) ，各序列图像中的对应的灰度值分别是 月0 ，力，尼0 ，力，力o ，力，按灰度大小排队后，取其中间位置的灰度值 作为背景图像对应象素点的灰度值( 如图2 1 所示) ，即： ，( x ，y ) = m b 砌n ( 石，y ) ， ( x ，y ) ， ( z ，y ) ) ( 2 1 ) 第1 1 页 中南人学硕士学位论文 第二章车辆定位及车辆图像预处理 背景减除的效果如图2 2 c 所示。 a 1 背景图像 b ) 当前图像 c 1 背景差分后图像 图2 2 背景差分后效果图 第1 2 页 中南大学硕十学位论文 第二章车辆定位及车辆图像预处理 2 2 车辆图像预处理 图像预处理主要包括两个步骤：图像平滑及图像标准化。 2 2 1 图像平滑 由图2 2 c 可以看出，背景减除后的图像存在不少噪声污染，因此我们先对 图像进行平滑处理。 图像平滑主要是为了消除噪声。噪声并不限于人眼所能看的见的失真和变 形，有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性 噪声、乘性噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是 乘性噪声，如果平涝不当，就会使图像本身的细节如边界轮廓、线条等变的模 糊不清，如何既平滑掉噪声有尽量保持图像细节，是图像平滑主要研究的任务。 一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高 频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此， 如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声， 有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。图像平滑包 括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波 或中值滤波，对于均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动， 将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值 代替，如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就 是各个像素点的系数，这时候就称为加权均值滤波；对于中值滤波，对应的像 素点的灰度值用窗口内的中间值代替。实现均值或中值滤波时，为了简便编程 工作，可以定义一个n + n 的模板数组。另外，需要注意一点，在用窗口扫描图 像过程中，对于图像的四个边缘的像素点，可以不处理；也可以用灰度值为”0 ” 的像素点扩展图像的边缘。 中值或均值平滑有时处理图像的效果并不是很好，它虽然去除了一定的噪 声，但同时使图像中的边缘变的模糊，这主要和所选取的窗口大小有关，为此 下面介绍了一种既能保持边缘清晰又能消除噪声的方法，其算法如图2 - 3 所示： 第1 3 页 中南大学硕士学位论文 第二章车辆定位及车辆图像预处理 蒜l 器。固 ( a ) ( b )( c ) 图2 3 图像平滑模板 上图的含义是在图像中取5 * 5 的区域，包含点( i ，j ) 的五边形和六边形 各四个，3 + 3 的区域一个，计算这九个区域的标准差和灰度的平均值，取标准 差最小区域的灰度平均值作为点( i ，j ) 的灰度。噪声消除后的图像如图2 4 所示。 2 2 2 图像标准化 图2 4 噪声消除后的图像 由于后面用到的k - l 变换方法在本质上依赖于图像灰度在空间分布上的相 关性，因此需要先对车辆图像进行一系列的预处理，以达到位置校准和灰度归 一的目的。为此，我们首先对图像进行缩小和放大变换，得到统一大小的校准 图像( 宽高为：1 2 8 6 4 ) 。然后再对校准图像做灰度拉伸，以改善图像的对 比度。最后采用直方图修正技术使图像具有统一的均值和方差。 1 、缩小和放大变换 图像放大和缩小的方法最典型的有两种：几何变换及离散数字图像的连续 表示。前一种方法的主要原理是将目标图像上的点( x ，y ) 映射成源图像上的 第1 4 页 中南人学硕士学位论文 第二章车辆定位及车辆图像预处理 点( u ，v ) ，然后将( x ，y ) 处的颜色值取作( u ，v ) 处的颜色值，而当( u ，v ) 不是格点时，图像在( u ，v ) 处的颜色值可用( u ，v ) 邻近若干格点处的颜色 值表示2 9 】【3 0 】。后一种方法则对原始的( 离散表示的) 数字图像用连续函数进 行刻划，再根据图像缩放的倍数要求对该连续表示的图像进行重新采样，最后 得到新的离散表示的数字图像【3 l 】【3 2 】【3 3 】【3 4 1 。本文采用前一种方法进行灰度图像放 大和缩小变换。 。 对欢度图像实行实数倍大小变换( x 方向p 倍，y 方向p 倍) ，该操作产生 的像素可能在原图中找不到相应的像素点，这样就必须进行近似处理。一般的 方法是直接为和它最相近的像素值，也可以通过一些插值算法来计算。后者处 理效果要好些，但是运算量也相应增加很多。本节中的灰度插值我们采用线性 插值法【3 5 】。在线性插值法中，非网格点( f ，口) 的灰度值坂f ，刀) 用其周围四 个网格点0 ，力，o ，旷1 ) ，( 什l ，力，( 什1 ，矿1 ) 的灰度值按下式近似计算： 厂，功= 厂0 力( 1 一口) ( 1 6 ) + 厂o + 1 ，力口( 1 6 ) + 厂o ，y + 1 ) ( 1 一6 + 八石+ 1 ，y + 1 ) a 6 ( 2 - 2 ) 其中x = ，y = 【n ，a = e x ，b = n y ( 是高斯符号) 该方法精度高，但速度慢。变换倍数p 、q 由用户给定。 2 、灰度拉伸 由于图像的亮度范围不足或非线性会使图像的对比度不理想，可用像素幅 值重新分配的方法来改善图像对比度。扩大图像的亮度范围可以用线性映射的 方法。这里用以下映射进行： 删= ( 2 5 5 _ o ) 兰 ( 2 - 3 ) 其中m a ) 【为原图像中的最大灰度值，m i n 则为原图像中的最小灰度值。 3 、直方图修正 灰度级的直方图就是反映一幅图像中的灰度级与出现这种灰度的概率之间 的关系的图形。 设变量r 代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处 理，这样，r 的值将限定在下述范围之内： 0 r 1 ( 2 4 ) 在灰度级中，瑚代表黑，产l 代表白。从图像灰度级的分布可以看出一幅 第1 5 页 中南火学硕十学位论文 第二章车辆定位及车辆图像预处理 图像的灰度分布特性。对于一幅给定的图像来说，每一个像素取得 0 ，1 区间内 的灰度级是随机的，也就是说r 是一个随机变量。 可以对 o ，l 】区间内的任一个r 值进行如下灰度变换： s = t ( r )( 2 5 ) 也就是说，通过上述变换，每个原始图像的像素扶度值r 都对应产生一个 s 值。变换函数t ( r ) 应满足下列条件： ， 1 ) 在o r 1 区i 训内，t ( r ) 单值单凋增加： 2 ) 对于o r 1 ，有o t ( r ) l 。 这早的第一个条件保证了图像的狄度级从白到黑的次序不变。第二个条件 则保证了映射变换后的像素灰度值在允许的范围内。 直方图均衡化是狄度变换的一个重要应用，广泛应用在图像增强处理中， 它是以累计分布函数变换为基础的直方图修正法，可以产生一幅灰度级分布具 有均匀概率密度的图像，扩展了像素的取值动念范围。若像素点的原狄度为r ， 变换后的狄度为s ，需要注意的是r 、s 是归一化后的灰度值，其灰度变换函数 川为：耻郴) 2 毫w 沪毫等 陋s ， ，= 0，_ o 0 r ，一1 式中，e ( r ，) 是第j 级灰度值的概率，是图像中j 级灰度的像素总 数，f 是图像巾狄度级的总数目，是图象中像素的总数。对变换后的s 值取 最靠近的一个灰度级的值，建立灰度级变换表，将原图像变换为直方图均衡的 图像。 经过预处理，得到了所谓的“标准图像”( 如图2 5 所示) 。 图2 5 标准化后图像 第1 6 页 中南丈学硕士学位论文 第三章车型特征提取 3 1 概述 第三章车型特征提取 目前多数车型识别技术的研究都是提取车辆的几何特征或者物理特征进行 车型分类的，实验表明，图像的几何特征不能完全体现出图像的灰度信息，因 而不能得到理想的分类结果。 p c a 方法( 主元分析方法) 和加权l d a 方法( 线性判别分析方法) 是特 征提取的两种常用方法。其中，p c a 方法是以样本总体散布矩阵为产生矩阵的 k l 变换把原始图像空间压缩为低维的特征空间，其优化目标具有总体性，而 所包含的类别信息较少，因而在分类时，提取的主元有可能是盲目的。l i ) a 方 法的目的是从高维特征空间里提取出最具有判别能力的低维特征，这些特征能 帮助将同一个类别的所有样本聚集在一起，不同类别的样本尽量地分开，即选 择使得样本类问离散度和样本类内离散度的比值最大的特征。研究表明：当训 练集小的时候，p c a 方法优于u ) a 方法；当图像光照变化大时，l d a 方法优 于p c a 方法。 。 考虑到任何单个特征所包含的鉴别信息可能有限，而不同的特征往往具有 互补性，将它们融合起来可以提供丰富的鉴别信息。本文提出了一种特征级并 行融合的车型特征抽取新方法，即分别利用p c a 方法和加权u ) a 方法提取两 类车型图像特征，采用复p c a 方法将该两类特征进行并行融合，得到车辆图像 的代数特征。 本章先介绍p c a 和u ) a 两种特征抽取最常用的降维方法，然后对l d a 方法进行改进，引入加权l i ) a 方法，最后描述用复p c a 方法对两类特征进行 特征级并行融合进而得到车辆图像的代数特征的方法。 3 2p c a 方法 3 2 1p c a 方法概述 一般而言，p c a 方法方法的目的是寻找任意统计分布的数据集合之主要分 量的子集。相应的基向量组满足正交性且由它定义的子空问最优地考虑了数据 第1 7 页 中南大学硕士学位论文 第三章车型特征提取 的相关性。将原始数据集合变换到主分量空间使单一数据样本的互相关性 ( c r o s s c o h 它1 a t i o n ) 降低到最低点。 设工，：f = 1 ，n 是n 维向量的数据集合，m 是其均值向量： 差