基于车辆轮廓定位匹配的车型识别方法.pdfVIP

第 1O卷第 2期 扬州大学学报(自然科学版) Vo1．10 No．2 2007年5月 Journal of Yangzhou University(Natural Science Edition) Mav 2007 基于车辆轮廓定位匹配的车型识别方法 杜宇人 ，高浩军 (扬州大学 信息工程学院．江苏 扬州 225009) 摘 要：采用背景减法提取运动车辆目标的轮廓，用外接矩形对目标轮廓进行定位，选取轿车、客车和货车 3种车型的侧面轮廓作为标准样本，分别计算待识别车辆的侧面轮廓与3种标准样本的匹配程度系数，保 留系数较小的两类标准样本，然后采用Hausdorff距离算法计算待识别车辆轮廓与剩余两类样本之间的匹 配程度，认定Hausdorff距离较小的两者具有相同的车型．实验结果表明，该方法准确、有效且实时性较好， 在高速公路收费站、自动收费停车场等场合具有较大的实用价值． 关键词：轮廓；外接矩形；Hausdorff距离；车型识别 中图分类号：TP 391．41 文献标识码：A 文章编号：1007—824X(2007)02—0062一O4 智能交通系统ITS(intelligent transportation system)是目前世界交通运输领域的前沿研究课 题L1]，其研究目的是充分利用现有高新技术合理进行交通需求的分配和管理，提高道路使用效率．随 着数字图像处理技术及计算机技术的发展，基于CCD摄像机拍摄运动车辆视频并通过序列图像处理 实现车型的自动识别分类，目前已成为智能交通系统的主要研究方向[2-3]，其主要优点在于：① 系统 安装简单，无需破坏性施工；② 无需专门识别设备，稳定性较好；③ 可利用原有监控系统，成本较 低；④ 可达到较高的识别精度．在视频序列图像的目标匹配和分类识别L4]的研究中，采用Hausdorff 距离算法Is-6]可以有效地进行形状匹配L7 ]，但该法计算耗时长，在实际应用于实时目标识别中有一 定的局限性．本文将Hausdorff距离应用于车辆识别分类中，尤其考虑到对多种车型进行精确分类 时，识别耗时将大大增加，笔者提出一种改进方法，首先通过外接矩形初步匹配，然后利用Hausdorff 距离进行轮廓的精确匹配，在保证实时性的前提下，取得了较为理想的识别结果． 1 车型自动识别分类 在收费站的车辆自动收费等场合，由于摄像头是固定的，且不同类型的车辆在同一车道行驶，摄 取到的同一类型车辆目标大小应大致相同，而不同类型车辆的侧面轮廓图像差异比较明显，因此采用 车辆轮廓定位匹配进行车型识别，可以取得较为理想的识别效果．基于车辆轮廓定位匹配的车型识 别步骤如下． 1)车型种类众多，本文按车辆使用功能，将车型分为轿车、客车和货车，分别选取该3种类型车 辆的标准侧面轮廓图像作为标准样本图像． 2)采用背景减法l-g 检测定位当前运动车辆目标，分割并提取其轮廓，用外接矩形进行定位，将外 接矩形的左上角点作为一个关键点，进行匹配识别时可将已知的3种车型按该点平移定位至当前车 辆目标区域． 3)检测3种车型的标准样本与待识别车辆的外接矩形之间的匹配程度，删除匹配系数较大的那 些样本，保留系数相对较小的2种车型的标准样本． 4)分别计算剩下的2种车型样本与待识别车辆轮廓之间的Hausdorff距离，将与待识别车辆轮 收稿日期：2006—05一l6 基金项目：扬州大学自然科学基金资助项目(KK0313090) *联系人，E—mail：yzdyr@l63．tom 第2期 杜字人等：基于车辆轮廓定位匹配的车型识别方法 63 廓距离最小的那类样本的车型作为当前待识别车辆 的类型． 车辆的侧面轮廓如图1所示，序列图像的大小为 (256×192)像素，车辆轮廓外接矩形的左上角点为 关键定位点，外接矩形的长和高分别为 ，^． 轿车、客车和货车3种车型轮廓的标准样本如图 2所示，以外接矩形的左上角点作为定位基准点，将 其统一归为图像的左上角． 当摄像机摄取的场景中出现新的车辆目标时， 首先采用背景减法检测分割目标区域，提取当前车