救护车辆识别方法探究

孟玉

上海第二工业大学 上海 201209

引言

中国改革开放后，社会经济得到了快速发展，很多地区朝着城市化与汽车化的方向发展，城市的交通资源越来越紧张。路上车辆越来越多，导致越来越多的城市发生拥堵事件，交警对车辆的指挥越来越困难，尤其是对一些特殊车辆不能做到及时有效的调度。关于救护车被堵在车流中无法动弹。导致人员得不到及时治疗的新闻报道屡见不鲜。由于道路交通的复杂，以及交通信号灯的影响，交警部门也很难做出准确的处理。基于此，本文通过研究对比当下适合救护车辆识别方法的优缺点，找出救护车辆识别的最优解。

车辆识别的任务是确定该车辆属于哪一种类别。根据提取特征的不同。我们把它分为颜色、车型、车牌、车标的识别等等。本文将救护车辆识别发展分为三个阶段：物理识别阶段、浅层学习阶段、深度学习阶段[1]。

1 基于物理参数的救护车辆的识别

基于物理参数的车辆识别技术是最早的识别车辆的技术，一般都需要硬件的支持。它主要是识别出车辆的车型，救护车的车型与一般汽车和卡车不同。根据车型判断识别出车辆是否为救护车。目前主要有基于地感线圈检测方法，基于红外激光技术检测方法，基于声表面波的车辆检测技术。地感线圈的检测方法，需要提前在地下填埋线圈，当车辆从线圈上通过时，因为各种车型的材质分布的不同，从线圈上得到的反馈信息也不同，从而可以判断出该车辆是否为救护车辆。不过他的缺点很明显，首先必须准备好线圈，其次，线圈埋在路下很容易受到一些重型车辆的碾压导致损坏。基于红外激光技术的检测方法，我们再道路两边安装红外脉冲发射器，车辆通过该路段时会反射回来红外脉冲，车型的不同导致脉冲信息的不同，这样我们就能区分该车辆的型号。基于声表面波的车辆检测技术，通过发射声波，由反射回来的空气震动的大小来判定车型。这些物理方法都很成熟，但是缺点都很明显，而且价格较贵，损耗较大，目前并没有大范围的使用[2]。

2 基于浅层学习方法的救护车辆的识别

随着车辆识别技术的发展，我们通过浅层学习的方法来实现救护车辆识别。浅层学习的方法是通过提取车辆的纹理特征来识别的。那么我们就得考虑提取什么样的特征，以及采用什么样的浅层识别模型来作为分类器。根据特征表达的方式不同，我们把浅层学习分为三类，分别为基于全局特征的车辆识别技术，基于局部特征的车辆识别技术，基于三维特征的识别方法[3]。

2.1 基于全局特征的救护车辆识别技术

我们提取车辆特征对车辆的整体进行描述，得到车辆的特征的表示向量。在与浅层学习结合，得到车辆的类别。目前，主要是根据车辆的颜色、形状、纹理等全局特征。我们需要在不同车辆的识别中找到最适合的全局特征来表示。救护车的颜色是最常用到的特征之一，我们使用救护车颜色直方图作为特征，然后和已有的特征库进行匹配，从而判断出该车辆是否为救护车。缺点就是没有考虑到光照不同对颜色有影响，导致结果不准确。采用Gabor 滤波器来提取车辆图像特征，与模式匹配方法结合进而实现车辆识别。全局特征反映的是车辆的整体信息，一般差异较大识别准确率比较高，反之识别率较差。

2.2 基于局部特征的救护车辆识别技术

全局特征满足不了精细化的车辆识别，我们需要更细致的局部特征。我们引入了词袋（Bag-of-words）模型概念，把图形分为一个个图像块，每个图形块定义成词袋模型中的单词，这样图像就由一个个单词构成，图像的特征向量表示就是所有单词构成的直方图。

2.3 基于三维信息特征救护车辆识别

目前监控识别的车辆图形一般为二维图像，我们通过对图像上的救护车进行三维建模，获得救护车的三维信息，然后训练固定的三维模型进行识别。

总之，浅层学习只能根据一些理想化的特征来识别车辆，不能精细化的识别车辆不同之处，且容易受到外界的干扰[4]。

3 基于深度学习方法的救护车辆的识别

深度学习的定义最早是由多伦多大学的Hinton教授提出的，他于2006年在顶级期刊《science》上的论文开启了深度学习研究和发展的热潮。深度学习是机器学习领域的一个全新的研究方向，它能通过自主地学习特征来提高识别的精度，从而被引入到车辆识别当中。在深度学习中，常见的深度学习模型包括卷积神经网络、深度置信网络、受限玻尔兹曼机和自编码器等等。下面主要介绍基于卷积神经网络的救护车辆识别技术。

基于卷积神经网络的救护车辆识别技术。卷积神经网络一种深度学习模型，CNN能够自适应的提取目标特征，并且通过增加数量拟合更高的模型，实现提高识别的准确率。CNN可以直接将图片输入网络，不需要人工提取特征信息，相比于传统的图像处理技术有着巨大的优势。目前比较经典的CNN模型结构有AlexNet网络模型、VGGNet网络模型、Inception网络模型、ResNet网络模型等等[5]。

综上所述，随着科技的进步，救护车辆特征提取的方法也越来越多，深度学习的方法将越来越领先于物理参数与浅层学习的方法。结合不同的深度网络的特点解决救护车辆识别问题在不久的将来会取得突破性进展。分秒必争，救护车车辆识别技术的研究能在一定程度上更好地帮助警察叔叔们调度车辆，为拥堵的救护车规划一条最合理的路线，挽救病人的生命，具有很强的现实意义。