ETC系统中车辆定位识别技术研究.docVIP

ETC系统中车辆定位识别技术研究 　　摘 要：对于车辆的定位识别技术，本文首先对车辆进行定位，采用了车侧的边缘检测和提色块法，对车辆在整张图片中的位置进行定位。所做的工作如下：将摄像头拍摄的图像转化为灰度图，使用提色块法，提取车辆的颜色。主要目的是去掉车辆的阴影部分，提取出车辆的真实图像范围。 　　关键词：车辆定位技术 边缘检测算法 提色块算法 提阴影算法 　　中图分类号：U495 文献标识码：A 文章编号：1672-3791（2018）03（a）-0000-00 　　车型的识别虽有多年的发展史，但到目前为止，这仍是一个难题，原因在于：（1）车辆在新旧程度不同时，颜色鲜艳程度、光亮程度各不相同，而且车辆可能由于通过收费站时车速太快，使得摄像头所拍摄的车型数据不准确；（2）摄像头放置的位置，环境影响和周围物体对车辆的遮挡也会给车型识别带来影响；（3）背景图像的持续变化以及光照条件、天气季节变化等因素也会给识别造成影响。因此车辆识别技术还是不够完美，需要我们寻求一些方法，以提高识别的准确性。 　　1 车辆定位信息提取 　　正是由于此种原因，车辆的定位技术应运而生，如果在识别车辆之前，能够对车辆的位置进行定位，对于我们的研究工作是非常有益的，实现车辆的定位应注意一些特征值的提取。 　　1.1 反射信息提取 　　反射信息提取指的是在图像中将反射光的像素点提取出来，利用车辆的反光特性显示出车的位置。因为当光照射在立体上时，立体的各个面对光线的反射性各不相同，一般来说反射性最差的像素点位于目标的边缘部位，由于没有反射光，因此摄像头也很难摄入这样的区域。只有使用软件的方法对它进行提取，采用灰度图法可将其凸显出来，方法是先对彩色图像取灰度图，再将其转化为黑白图像，在显示为完美图像的二值化过程中要反复经过测试选取合适的阙值[2]。 　　1.2 颜色信息提取 　　颜色信息提取是将色彩变化的区域从整张图像中提取出来，这样的区域一般都出现在图像的边缘地带。通过检测色变的区域，可以帮助我们定位目标。在检测时，算法一定要非常精确。适用于色彩信息的检测及提取的模型较多，这其中使用得最多的还是RGB色彩。根据前面所说，我们要提取边缘部分，信息识别没有那么准确，比如要识别车辆部分，有可能将一部分道路表面的色变信息也识别进来，从而拓宽了车辆的宽度，使得识别结果不准确。因此，色变边缘信息提取只能被组合起来使用才有效。在我们知道车辆颜色的情况下进行识别较为方便，我们可以将车辆的颜色信息作为检测条件来找出车辆区域。可与前面的反射光信息提取法组合起来用，但它有其独特的使用条件，不是在什么条件下都可以适用的。我们的使用条件通常是在弱反射光条件下，在强光下的检测结果误差较大。提取弱反射光信息是很有效的，可在整个图像中用于识别所指定车辆的大致位置。因此，我们可以将色块提取方法与弱反射光提取法结合起来使用。具体的操作步骤是：先使用弱反射光提取法，找到一个车辆可能处在的大致区域范围，然后再在这个区域中进行色度的检测，以我们所预知的汽车颜色为基础，找到这样的色块区域，最后将我们所检测到的两个区域重叠合成，一起构成完 　　整的图像，就完成了第二次图像定位，这就是我们所要的结果。 　　2 车辆定位技术 　　定位的内容包括对车辆位置的定位和特征值的选取区域定位。简而言之，也就是对车的侧面和车窗部分进行定位。不管是对车辆目标的定位还是对特征值的定位，其原理都是一样的，都是使用水平和垂直图像分割的图像投影数据进行分析，并寻找出定位的矩形区域。定位处理和信息提取过程还是没有完全分离开来，完成最初的定位处理后还需要精益求精，从定位信息中求出最精确的定位位置。定位的精度在很大程度上取决于准确的分割阈值，并可 　　以根据拍摄距离设置参数自动调整分割阈值。 　　2.1 车侧定位算法 　　对于车辆边缘的定位算法主要有两种方法：提取色块法和提取阴影法。 　　2.2.1 提色块算法 　　提色块算法在我们的设计应用中非常有效，对于颜色较浅的车辆在深色背景中的定位尤为准确。这种算法的识别误差较小，在周围没有图像噪声存在的情况下，识别率可以达到100%。而也会存在着差分图识别不出来的情况，一般是浅色车辆遇到浅色背景。比如说当白色汽车停在道路上，会受到路面上的白线影响，使得识别时将白线也作为车体的一部分，将两者混为一谈，不能得到正确的定位，显示出来的车辆形状不是真实的车型。此效果图可 　　见于图1。 　　这样的问题我们当然要解决，解决方法是对算法做一些改进。它的总体思路是：从颜色信息中提取出一个二值化后的矩形区域。在车体和白线之间，显然车体占的位置较大，并且是连接在一起的，而白线是分隔开的。根据此种情况，我们在矩形区域中取一个中心点，由于车体面积较白线面积要大，因此这个点通