一种用于静态图像车辆检测的颜色变换模型.pdfVIP

2010年 第 19卷 第 9期 计 算 机 系 统 应 用 一 种用于静态图像车辆检测的颜色变换模型 刘怀愚 李 璩 洪留荣 (淮北煤炭师范学院 计算机科学与技术-~-IE 安徽 淮北 235000) 摘 要： 充分利用车辆的颜色特征 ，提出了一种新的基于Karhunen—Loeve(KL)变换的颜色变换模型。利用该模 型可将所有像素颜色由RGB三维颜色空问变换到一个二维颜色空间上。在这个二维颜色空间上，车 辆像素和非车辆像素分别集中在具有较好分离程度的两个区域。在此基础上，利用分类器可实现静态 图像车辆的识别。实验结果表明，该颜色变换模型具有较好的车辆分割能力，准确性较高。 关键词 ：静态图像；颜色变换 ；KL变换；Fisher判别准则；车辆检测 ColorTransofrillModelforVehicleDetectioninStaticImages LIEHuai—Yu，LIJing，HONGLiu·Rong ’ (SchoolofComputerScience＆Technology，HuaibeiCoalIndustryTeachers’College，Hualb~235000，China) Abstract：Tomakefulluseofthecolorfeatureofavehicle．acolortransfonnmodelbasedonKarhunen-Loeve(KL) transform isproposde ．Utilizinghtemod d，allpixelscanbertna sformde from RGB ocolrspacetoa2一D coolrspace．Onthis2-D colorspace，vehiclepixelsandnon-vehiclepi)(elswillrespectivelyocncentrateon detachableareas．nO thisbasis，vehiclescarlbedetectde from satticimagesbyusingaclassifier．Testing resultsdemonstratethatwhenthemod elisapplide htevehicledetectionCna be usde wiht highaccuracy． Keywords：staticimage；oc lortransform ；KLtransfomr ；Fishercriterion；vehicledetection 1 引言 尽相同，即使相同的颜色由于光照、阴影等原因在不 车辆识别与计数是现代智能交通系统的重要组成 同的环境下获取的颜色值也会有所差别，因此比较容 部分，车辆计数的准确与否直接影响高交通管理的水 易获取的 RGB颜色信息难以被直接利用到车辆识别 平，同时也是当前智能交通研究的一个难点。 目前， 中。基于这一情况 ，本文提出了一种新的颜色变换模 静态图像中的车辆识别和计数方法归为两种：一种是 型。通过该模型可充分利用颜色特征实现车辆的识别 基于建模和模板匹配的方法Il-31，一种是基于统计学习 与提取。 的方法f4-6】。基于建模和模板匹配的方法利用局部特征 描述车辆，对所建模型的要求较高，抗噪声能力较弱， 2 基于K—L变换的颜色变换 算法的鲁棒性不够好。基于统计学习的方法通过对样 0hta等人l7】在研究各颜色空间的区域分割能力时提 本进行训练获得车辆和背景之间的差异，再利用合适 出了基于 KL变换的颜色变换方法 ，他们首先针对 N 的分类器对车辆进行识别。这种方法具有一定的自适 个训练样本图像通过统计分析得到R，G，B分量分布 应能力，但分类器设计复杂，计算量较大。 的协方差矩阵∑，再使用 KL变换获得∑的特征向量 上述两种静态图像中的车辆