車臉車燈特征的量化方法研究

　　引言

　　本文所研究的車臉是指由散熱器隔柵和車燈組成的帶狀區(qū)域，如圖1所示。車臉的車燈部分具有明顯的形狀特征，因此，通過量化車燈形狀，可達(dá)到量化車臉特征的目的。對(duì)車臉特征進(jìn)行量化，可以便于交管部門建立車臉特征數(shù)據(jù)庫(kù)，簡(jiǎn)化車臉特征檢索算法，提高車臉特征檢索速度，實(shí)現(xiàn)快速、高效的車臉識(shí)別。

　　車燈的形狀特征

　　通過考察多類轎車的車燈形狀發(fā)現(xiàn)，可以根據(jù)車燈的外形輪廓將其分為簡(jiǎn)單幾何結(jié)構(gòu)和復(fù)雜組合結(jié)構(gòu)兩大類。簡(jiǎn)單幾何結(jié)構(gòu)又可以根據(jù)車燈形狀劃分為矩形、圓形、橢圓形、菱形、瓜子型和三角形等。對(duì)于復(fù)雜組合結(jié)構(gòu)的車燈，其形狀輪廓通常為比較復(fù)雜的曲線。兩類結(jié)構(gòu)的車燈示例如圖2所示。

　　車燈初始輪廓提取

　　為了提取車燈的初始輪廓，需要先將車燈從車臉中分割出來。從圖1中可以看出：車臉的散熱器隔柵具有明顯的紋理方向，而車燈的紋理方向不明顯。對(duì)橫紋車臉進(jìn)行水平邊緣垂直投影，對(duì)縱紋車臉進(jìn)行垂直邊緣垂直投影，散熱器隔柵均對(duì)應(yīng)投影曲線中的最大鼓包，因此，可以根據(jù)這個(gè)最大鼓包確定出散熱器隔柵的左邊界和右邊界，即左車燈的右邊界和右車燈的左邊界。從而，車臉被分割成左車燈、散熱器隔柵和右車燈三部分，最終將車燈從車臉中分割出來。

　　在車臉中分割出車燈后，使用Canny算子對(duì)其進(jìn)行邊緣檢測(cè)。經(jīng)典的邊緣檢測(cè)算法通常根據(jù)各像素點(diǎn)在某個(gè)鄰域內(nèi)的灰度變化進(jìn)行邊緣檢測(cè)，但是大燈邊緣和噪聲都是高頻信號(hào)，很多經(jīng)典的邊緣檢測(cè)算法難以在車燈邊緣和噪聲之間進(jìn)行取舍[1]。通過對(duì)多種邊緣檢測(cè)算子的比較發(fā)現(xiàn)，Canny算子在對(duì)車燈邊緣的檢測(cè)中表現(xiàn)優(yōu)秀，對(duì)各個(gè)方向的邊緣都比較敏感，可以比較完整地檢測(cè)出復(fù)雜輪廓車燈的邊緣。因此，本文選用Canny算子進(jìn)行車燈的邊緣檢測(cè)，得到的車燈邊緣圖如圖3所示。

　　Canny算子的具體算法如下：首先通過Gauss平滑濾波去除圖像中的噪聲;然后，計(jì)算去噪處理后所得圖像的梯度;最后，使用非極大值抑制算法和雙閾值算法對(duì)梯度圖中的邊緣進(jìn)行細(xì)化，并剔除虛假邊緣和連接間斷邊緣，最終得到邊緣圖[2~3]。

　　檢測(cè)出車燈邊緣后，使用Hough變換提取邊緣直線。Hough變換根據(jù)數(shù)學(xué)對(duì)偶性原理將圖像空間映射到參數(shù)空間，在圖像空間中共線的點(diǎn)對(duì)應(yīng)參數(shù)空間中相交的線，參數(shù)空間中所有相交于同一點(diǎn)的線在圖像空間中都能找到共線的點(diǎn)與之對(duì)應(yīng)。其算法思想是：圖像空間中的點(diǎn)(x1,y1)對(duì)應(yīng)參數(shù)空間中的一組累加器HT(θi，ρi)，滿足式(6)的每一點(diǎn)都將使對(duì)應(yīng)的累加器加1。如果圖像中存在一根直線，則會(huì)有一個(gè)與之對(duì)應(yīng)的累加器出現(xiàn)局部最大值，且直線越長(zhǎng)累加器的值越大。設(shè)定一個(gè)閾值，當(dāng)累加器的值大于該閾值時(shí)，認(rèn)為在圖像空間中存在一條與該累加器對(duì)應(yīng)的直線，并可確定該直線在參數(shù)空間對(duì)應(yīng)的一對(duì)參數(shù)(θ，ρ)，從而檢測(cè)出該直線。