基于多特征的车辆检测方法的研究

张若伟 王猛

摘要：在交通视频监控中，存在很多因素会影响车辆定位和车辆检测的结果，比如，复杂的街道环境造成的复杂的背景、天气不同造成的光线问题、车辆图像拍摄的角度不同引起的定位误差，都会对后续的车辆特征提取再识别过程造成很大的影响，使识别率得不到提高。提出一种基于多特征的车辆检测方法。首先对获取的车辆图像进行预处理，然后获取车辆感兴趣区域，提取车辆特征包括纹理特征、形态Haar小波变换和角点特征，最后把所提取的特征进行融合，判定得到车辆的位置。实验表明，该方法具有较高的识别率，可投入到实际的车辆检测应用中。

关键词：车辆检测；纹理特征；形态Haar小波变换；角点特征

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）30-0184-02

Abstract：In traffic video surveillance， there are many factors that affect the results of vehicle positioning and vehicle detection. For example， complex backgrounds caused by complex street environments， light problems caused by different weather conditions， and positioning errors caused by different angles of vehicle image shooting will It has a great influence on the subsequent vehicle feature extraction and re-identification process， so that the recognition rate is not improved. A multi-feature based vehicle detection method is proposed. Firstly， the acquired vehicle image is preprocessed， then the vehicle's region of interest is obtained， and the vehicle features including texture features， morphological Haar wavelet transform and corner feature are extracted. Finally， the extracted features are merged to determine the position of the vehicle. Experiments show that the method has a high recognition rate and can be put into practical vehicle detection applications.

Key words：vehicle detection； texture feature； morphological Haar wavelet transform； corner feature

1 引言

车辆的准确定位和检测是车辆识别问题的前提，是智能交通系统的难点问题和核心问题。在车辆检测过程中如何克服复杂的环境背景、摄像机或者监控的角度和光线的不同带来的影响是实现准确检测车辆位置的关键问题。

目前，在智能交通系统中车辆检测的主流方法有基于特征的方法、基于模型的方法和基于光流场的方法等。但是这些方法中有的在复杂背景中无法准确检测车辆，有的只能检测车辆图像中的一部分车辆，无法全部检测，所以识别率偏低。针对此类问题，提出了基于多特征的车辆检测方法。

2 车辆检测流程

车辆检测过程是：首先获取视频图像或待检测的图像；对图像灰度化和去噪处理，再对图像进行直方图拉伸操作，使图像灰度均值始终保持在128，达到增强图像的效果；对车辆感兴趣区域提取，再对感兴趣区域提取边缘轮廓特征、角点数和纹理特征，通过马氏距离计算各个特征的加权系数，然后加权融合对感兴趣区域进行车辆判定，最后在存在车辆的感兴趣区域内进行车辆边界的定位，流程图如图1所示。

3 实验

如图2所示为含车辆特征的图像样例，图3为不含车辆特征的图像样例，利用SVM算法进行训练，使计算机知道具有什么类型特征是我们要检测的车辆，什么不是我们要检测的，从而进行识别。

加载原图像，首先进行预处理，然后再对预处理后的图像用训练好的SVM算法进行感兴趣区域的标记，如图4所示。

对标记好的感兴趣区域进行分离，再进行角点检测。如图5所示。

表1给出了多特征车辆检测算法经过试验计算得出的识别率，误差在可以接受的范围内，可以投入实际应用。

文章提出的基于多特征的车辆检测方法，经过试验，第一步首先对获取的车辆图像进行预处理去除无用信息使计算变得简单快速，第二步获取车辆感兴趣区域缩小车辆范围，第三步提取车辆特征，其中包括纹理特征、形态Haar小波變换和角点特征，最后把所提取的特征进行融合得到最终用于车辆检测的特征，判定得到车辆的位置。经过实验发现，该方法提高了车辆检测的识别率，可投入到实际的车辆检测应用中。

参考文献：

[1] 宋玉刚. 城市智能交通系统的发展现状与趋势[J].工程技术：文摘版，2016（8）：289.

[2] 陈熊. 基于机器视觉的车辆检测方法研究[D].电子科技大学，2016.

[3] 穆长江，苑玮琦. 基于纹理特征的车牌定位方法[J].控制工程，2004，11（6）：574-576.

[4] 丁威. 智能交通中车辆检测相关算法的研究与实现[D].江苏：南京邮电大学，2012.

[5] 许洁琼. 基于视频图像处理的车辆检测与跟踪方法研究[D].中国海洋大学，2012：1-2.

[6] Sun Z，Bebis G，Miller R. Monocular precrash vehicle detection：features and classifiers.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2006，15（7）：2019-34.

[7] Hsieh J W， Chen L C， Chen D Y. Symmetrical SURF and Its Applications to Vehicle Detection and Vehicle Make and Model Recognition[J]. IEEE Transactions on Intelligent Transportation Systems， 2014， 15（1）：6-20.

[8] Lyu MR， Song J， Cai M. A comprehensive method for multilingual video text detection， localization， and extraction. IEEE transactions on circuits and systems for video technology. 2005， 15（2）： 243-255.

[9] 黄灿.基于局部特征的车辆识别[J].中国图象图形学报，2010，20（1）：14-16.

[10] 卜英家.基于计算机视觉的车牌识别系统的算法研究[D].电子科技大学，2015.

【通联编辑：唐一东】