袁彬+于艷玲+譚中慧

摘 要： 對視頻圖像處理中車型分類算法涉及的攝像機(jī)標(biāo)定和目標(biāo)分割算法進(jìn)行研究。通過攝像機(jī)標(biāo)定實(shí)現(xiàn)像素坐標(biāo)到世界坐標(biāo)的映射，進(jìn)而準(zhǔn)確獲取車輛長度及寬度信息。建立車輛高度信息計(jì)算模型，獲得車輛高度信息。對實(shí)時(shí)視頻圖像進(jìn)行目標(biāo)分割，并通過車輛長度、高度及長高比等信息實(shí)現(xiàn)高速公路中車型分類。經(jīng)過驗(yàn)證，該方法能夠比較準(zhǔn)確地進(jìn)行車型分類，滿足實(shí)際應(yīng)用要求。

關(guān)鍵詞： 攝像機(jī)標(biāo)定； 圖像分割； 車型分類； 視頻圖像處理

中圖分類號： TN911.73?34； U491 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2014）16?0108?03

Study on vehicle type classification algorithm based on video

YUAN Bin， YU Yan?ling， TAN Zhong?hui

（China Shipping Network Technology Co.， Ltd， Shanghai 200135， China）

Abstract： The camera calibration and target segmentation algorithm involved with the vehicle type classification algorithm in video image processing are studied in this paper. The length and width information of vehicle accurately is achieved by mapping the pixel coordinates to world coordinates through camera calibration. The vehicle height information model is established to obtain the vehicle height information. Classification of the vehicles on expressway can be realized by vehicle information of length， height and length to height ratio， as well as the target segmentation of real?time video images. The field test results show that the algorithm can classify the vehicles accurately and meet the requirements in practical applications.

Keywords： camera calibration； image segmentation； vehicle type classification； video image processing

近年來，隨著圖像處理技術(shù)的發(fā)展，采用基于視頻技術(shù)的相關(guān)檢測算法在智能交通發(fā)展中得到廣泛應(yīng)用，這也必將成為未來交通領(lǐng)域發(fā)展的主要趨勢。本文采用視頻相關(guān)技術(shù)實(shí)現(xiàn)高速公路中車型的實(shí)時(shí)分類。

采用視頻技術(shù)進(jìn)行車型分類的主要步驟為：

（1） 根據(jù)攝像機(jī)像素坐標(biāo)與世界坐標(biāo)系的二維映射關(guān)系，實(shí)現(xiàn)像素距離到實(shí)際距離的實(shí)時(shí)轉(zhuǎn)換，進(jìn)而獲得車輛長度及寬度信息；

（2） 建立車輛高度信息模型，計(jì)算車輛高度信息；

（3） 運(yùn)動(dòng)圖像的目標(biāo)分割，獲取實(shí)時(shí)檢測的目標(biāo)圖像；

（4） 根據(jù)上述各方法計(jì)算出的目標(biāo)車輛長度、高度及長高比等信息實(shí)現(xiàn)高速公路中的車型分類。

1 攝像機(jī)標(biāo)定

1.1 像素?距離映射關(guān)系建立

傳統(tǒng)的攝像機(jī)標(biāo)定方法是將像素距離一維地映射到實(shí)際空間距離中，最后擴(kuò)展到平面[1?3]。使用該方法計(jì)算出的距離將存在一定的誤差，勢必影響檢測結(jié)果準(zhǔn)確率。本文通過建立攝像機(jī)的像素坐標(biāo)與世界坐標(biāo)系的二維映射關(guān)系（如圖1所示），計(jì)算車輛長度及寬度信息，進(jìn)而提高檢測準(zhǔn)確率。

圖1 坐標(biāo)系轉(zhuǎn)換示意圖

設(shè)3D圖像中某點(diǎn)在世界坐標(biāo)系中的坐標(biāo)為[W（X，Y，Z）]，由相似三角形的比例關(guān)系可得其投影點(diǎn)[I（x′，y′）]，其中：

[x′=fXf-Z， y′=fYf-Z] （1）

由于上式中包含了變量[Z]的除法運(yùn)算，故其屬于非線性變化，本文采用齊次坐標(biāo)[4?5]方法將其轉(zhuǎn)換成線形矩陣進(jìn)行計(jì)算。

空間中任一點(diǎn)[（X，Y，Z）]對應(yīng)的齊次坐標(biāo)定義為[（kX，kY，kZ，k）]，[k]為比例變換因子，可為任意非零常數(shù)。用齊次坐標(biāo)實(shí)現(xiàn)其空間轉(zhuǎn)換關(guān)系可表示為：

[（kX，kY，kZ，k）T=T·（x，y，z，1）T] （2）

式中變換矩陣[T]是一個(gè)[4×4]的方陣。

本文不采用該方法獲得車輛的高度信息，故可將其簡化，采用二維變換的方法實(shí)現(xiàn)像素距離與實(shí)際距離的轉(zhuǎn)換。二維變換矩陣為一[3×3]的方陣，設(shè)某點(diǎn)的像素坐標(biāo)為[（x，y）]，對應(yīng)實(shí)際距離的坐標(biāo)為[（X，Y）]，在齊次坐標(biāo)系下的轉(zhuǎn)換關(guān)系可表示為：

[kXkYk=a00 a01 a02a10 a11 a12a20 a21 1xy1] （3）

通過式（3）可獲得[（X，Y）]的表達(dá)式為：

[X=a00x+a01y+a02a20x+a21y+1Y=a10x+a11y+a12a20x+a21y+1] （4）

由式（3）齊次坐標(biāo)方程可知，變換矩陣中含有8個(gè)未知數(shù)，即只要標(biāo)定出4個(gè)已知點(diǎn)，則可求解出該變換矩陣。在實(shí)際場景中，由于城市道路、高速公路車道分割線長度及車道寬度都有明確的規(guī)定，標(biāo)定點(diǎn)的像素坐標(biāo)可通過程序直接獲得，由此可建立像素—距離映射關(guān)系，以下簡稱映射表。

為獲得上述映射關(guān)系，需要按圖2方法在視頻圖像中進(jìn)行相應(yīng)標(biāo)定。

圖2 攝像機(jī)標(biāo)定示意圖

在水平方向及垂直方向上選擇的標(biāo)定點(diǎn)數(shù)越多，則相應(yīng)方向上擬合出的映射表準(zhǔn)確率越高，然而過多的標(biāo)定點(diǎn)增加了程序的計(jì)算量，降低了程序的運(yùn)行速度。故應(yīng)選擇適當(dāng)數(shù)量的標(biāo)定點(diǎn)進(jìn)行計(jì)算。在圖中規(guī)定最下方白色分割線頂端所在行為零點(diǎn)所在行（即圖中AD所在直線對應(yīng)點(diǎn)的水平方向距離為零），在各車道中已知距離的車道分割線位置設(shè)定標(biāo)定點(diǎn)。

將標(biāo)定各點(diǎn)代入式（4）即可求出像素—距離變換矩陣中各系數(shù)，進(jìn)而獲得像素—距離在水平方向及垂直方向上的映射關(guān)系。但在實(shí)際測試場景中，由于路況的復(fù)雜性、車道分割線不明顯等問題存在，在映射表求取過程中仍會存在一定偏差。由于映射關(guān)系是通過多點(diǎn)擬合出的曲線，故在視頻較遠(yuǎn)處其映射關(guān)系誤差較大，在后續(xù)計(jì)算過程中，應(yīng)充分考慮映射關(guān)系的影響。

1.2 高度信息模型建立

根據(jù)攝像機(jī)成像原理，在圖像已知高度位置處取兩點(diǎn)[A]，[B]其對應(yīng)的實(shí)際高度分別為[hA]，[hB]，相應(yīng)各點(diǎn)到圖像底部的實(shí)際距離分別為[SA]，[SB]。其中[S0]為[A]、[B]垂直投影點(diǎn)到圖像底部的距離。則根據(jù)幾何關(guān)系，可得到如下關(guān)系式：

[hAH=SA-S0SA+X] （5）

[hBH=SB-S0SB+X] （6）

圖3 高度信息模型

由式（5）、式（6）計(jì)算可得相機(jī)投影點(diǎn)到圖像底端距離為：

[X=HSA-SB+hBSBhA-hB] （7）

攝像機(jī)安裝過程中，其高度信息[H]已知，由此可得對于任意高度的點(diǎn)x，其對應(yīng)的實(shí)際高度為：

[hx=H（Sx-S0）（hA-hB）Sx（hA-hB）+H（SA-SB）+hBSB] （8）

使用該方法進(jìn)行高度信息計(jì)算時(shí)，首先找兩已知高度點(diǎn)求出間接變量[X]的大小，根據(jù)式（8）則可求出圖像中任一點(diǎn)對應(yīng)的高度值。

2 車型分類

2.1 目標(biāo)分割

為進(jìn)行后續(xù)車型分類檢測，首先要進(jìn)行目標(biāo)車輛分割，本文采用直方圖統(tǒng)計(jì)法[6]進(jìn)行分割閾值的動(dòng)態(tài)選擇，具體步驟如下：

（1） 選擇合適的閾值分割區(qū)間，統(tǒng)計(jì)各幀圖像的直方圖分布情況；

（2） 經(jīng)過數(shù)幀比較分析，觀察各幀直方圖變化規(guī)律，選擇合適的二值化分割閾值；

（3） 形態(tài)學(xué)濾波，去除噪聲影響，獲得較為理想的二值化分割結(jié)果，以便于后續(xù)處理；

（4） 為減少計(jì)算量，也可將圖像進(jìn)行塊處理，選擇適當(dāng)大小的分割塊，將像素信息轉(zhuǎn)化為塊信息。

采用上述方法獲得的目標(biāo)分割結(jié)果，如圖4所示。

圖4 目標(biāo)分割結(jié)果

2.2 車型分類依據(jù)

在目前的標(biāo)準(zhǔn)中，最常用的是按照車型的大小將汽車劃分為大型、中型和小型三類[7?9]。這樣的劃分標(biāo)準(zhǔn)需要檢測車輛的實(shí)際幾何尺寸，從而對攝像頭與被拍攝車輛之間的距離和角度提出了嚴(yán)格的要求，從而導(dǎo)致這種方法在現(xiàn)實(shí)中實(shí)現(xiàn)是非常困難的；還有種方法是將汽車分為轎車、客車和貨車三類；也有把車輛分為吉普車、越野車、面包車和轎車的。根據(jù)車型分類系統(tǒng)的實(shí)際應(yīng)用場合，本文對車型的分類見表1。

表1 車型分類標(biāo)準(zhǔn) m

經(jīng)過大量實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，客車的車高與車長比范圍為0.28～0.31，貨車的車高與車長比范圍為0.24～0.29，雖然有個(gè)別樣本有所重疊，但并不影響結(jié)果，將分界點(diǎn)取為0.29，這樣可以使誤差降到最低。

2.3 車型分類結(jié)果

為了驗(yàn)證本文提出的基于車輛長、高及長高比進(jìn)行車型分類的正確性和可行性，對不同場景、不同環(huán)境、不同天氣狀況下的高速公路進(jìn)行測試，測試結(jié)果表明：該算法對攝像機(jī)安裝位置有較高的要求，通常安裝在道路側(cè)邊能夠較好反映車長信息的車輛，其檢測結(jié)果具有較高的準(zhǔn)確率；該算法計(jì)算復(fù)雜度不高，能夠?qū)崟r(shí)反映車型分類信息；該算法受光線影響較大，對于車影明顯的車輛，其檢測結(jié)果具有較大的干擾性。

3 結(jié) 語

本文運(yùn)用視頻技術(shù)實(shí)現(xiàn)車型分類的實(shí)時(shí)檢測，雖取得了一定的進(jìn)展，但在攝像機(jī)標(biāo)定的簡便性、目標(biāo)分割的準(zhǔn)確性及分類準(zhǔn)則的精細(xì)化等方面仍然需要進(jìn)一步深入研究。

參考文獻(xiàn)

[1] 劉偉仙，周富強(qiáng)，張魯閩，等.一種單攝像機(jī)虛擬鼠標(biāo)的標(biāo)定方法[J].光學(xué)學(xué)報(bào)，2009，29（10）：2832?2836.

[2] 張浩鵬，王宗義，張智，等.全景攝像機(jī)標(biāo)定[J].哈爾濱工程大學(xué)學(xué)報(bào)，2009，30（11）：1239?1245.

[3] 傅丹，周劍，邱志強(qiáng)，等.基于直線的集合不變性標(biāo)定攝像機(jī)參數(shù)[J].中國圖象圖形學(xué)報(bào)，2009，14（6）：1058?1063.

[4] 許海霞，王耀南，朱江，等.基于擴(kuò)展攝像機(jī)成像模型的自標(biāo)定方法[J].計(jì)算機(jī)應(yīng)用研究，2008，25（12）：3676?3679.

[5] 何雪濤，程源，黃鐘.齊次坐標(biāo)變換在空間結(jié)構(gòu)分析中的應(yīng)用[J].北京化工大學(xué)學(xué)報(bào)，1999，26（1）：41?44.

[6] DIZENZO S， CINQUE L， LEVIALDI S. Image thresholding using fuzzy entropies [J]. IEEE Transactions on Systems， Mano， and Cybemetics， B. 1998， 28（1）： 15?23.

[7] ZHANG Cheng?cui， CHEN Xin， CHEN Wei?bang. A PCA?based vehicle classification framework [J]. IEEE International Conference on Data Engineering Workshops. [S.l.]： IEEE， 2006： 17?26.

[8] CLADY X， NEGRI P， MILGRAM M， et al. Multi?class vehicle type recognition system [J/OL]. [2011?11?07]. citeseerx.ist.psu.edu.

[9] 季晨光，張曉宇，白相宇.基于視頻圖像中的車型識別[J].遼寧工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，30（1）：5?7.

由式（3）齊次坐標(biāo)方程可知，變換矩陣中含有8個(gè)未知數(shù)，即只要標(biāo)定出4個(gè)已知點(diǎn)，則可求解出該變換矩陣。在實(shí)際場景中，由于城市道路、高速公路車道分割線長度及車道寬度都有明確的規(guī)定，標(biāo)定點(diǎn)的像素坐標(biāo)可通過程序直接獲得，由此可建立像素—距離映射關(guān)系，以下簡稱映射表。

為獲得上述映射關(guān)系，需要按圖2方法在視頻圖像中進(jìn)行相應(yīng)標(biāo)定。

圖2 攝像機(jī)標(biāo)定示意圖

在水平方向及垂直方向上選擇的標(biāo)定點(diǎn)數(shù)越多，則相應(yīng)方向上擬合出的映射表準(zhǔn)確率越高，然而過多的標(biāo)定點(diǎn)增加了程序的計(jì)算量，降低了程序的運(yùn)行速度。故應(yīng)選擇適當(dāng)數(shù)量的標(biāo)定點(diǎn)進(jìn)行計(jì)算。在圖中規(guī)定最下方白色分割線頂端所在行為零點(diǎn)所在行（即圖中AD所在直線對應(yīng)點(diǎn)的水平方向距離為零），在各車道中已知距離的車道分割線位置設(shè)定標(biāo)定點(diǎn)。

將標(biāo)定各點(diǎn)代入式（4）即可求出像素—距離變換矩陣中各系數(shù)，進(jìn)而獲得像素—距離在水平方向及垂直方向上的映射關(guān)系。但在實(shí)際測試場景中，由于路況的復(fù)雜性、車道分割線不明顯等問題存在，在映射表求取過程中仍會存在一定偏差。由于映射關(guān)系是通過多點(diǎn)擬合出的曲線，故在視頻較遠(yuǎn)處其映射關(guān)系誤差較大，在后續(xù)計(jì)算過程中，應(yīng)充分考慮映射關(guān)系的影響。

1.2 高度信息模型建立

根據(jù)攝像機(jī)成像原理，在圖像已知高度位置處取兩點(diǎn)[A]，[B]其對應(yīng)的實(shí)際高度分別為[hA]，[hB]，相應(yīng)各點(diǎn)到圖像底部的實(shí)際距離分別為[SA]，[SB]。其中[S0]為[A]、[B]垂直投影點(diǎn)到圖像底部的距離。則根據(jù)幾何關(guān)系，可得到如下關(guān)系式：

[hAH=SA-S0SA+X] （5）

[hBH=SB-S0SB+X] （6）

圖3 高度信息模型

由式（5）、式（6）計(jì)算可得相機(jī)投影點(diǎn)到圖像底端距離為：

[X=HSA-SB+hBSBhA-hB] （7）

攝像機(jī)安裝過程中，其高度信息[H]已知，由此可得對于任意高度的點(diǎn)x，其對應(yīng)的實(shí)際高度為：

[hx=H（Sx-S0）（hA-hB）Sx（hA-hB）+H（SA-SB）+hBSB] （8）

使用該方法進(jìn)行高度信息計(jì)算時(shí)，首先找兩已知高度點(diǎn)求出間接變量[X]的大小，根據(jù)式（8）則可求出圖像中任一點(diǎn)對應(yīng)的高度值。

2 車型分類

2.1 目標(biāo)分割

為進(jìn)行后續(xù)車型分類檢測，首先要進(jìn)行目標(biāo)車輛分割，本文采用直方圖統(tǒng)計(jì)法[6]進(jìn)行分割閾值的動(dòng)態(tài)選擇，具體步驟如下：

（1） 選擇合適的閾值分割區(qū)間，統(tǒng)計(jì)各幀圖像的直方圖分布情況；

（2） 經(jīng)過數(shù)幀比較分析，觀察各幀直方圖變化規(guī)律，選擇合適的二值化分割閾值；

（3） 形態(tài)學(xué)濾波，去除噪聲影響，獲得較為理想的二值化分割結(jié)果，以便于后續(xù)處理；

（4） 為減少計(jì)算量，也可將圖像進(jìn)行塊處理，選擇適當(dāng)大小的分割塊，將像素信息轉(zhuǎn)化為塊信息。

采用上述方法獲得的目標(biāo)分割結(jié)果，如圖4所示。

圖4 目標(biāo)分割結(jié)果

2.2 車型分類依據(jù)

在目前的標(biāo)準(zhǔn)中，最常用的是按照車型的大小將汽車劃分為大型、中型和小型三類[7?9]。這樣的劃分標(biāo)準(zhǔn)需要檢測車輛的實(shí)際幾何尺寸，從而對攝像頭與被拍攝車輛之間的距離和角度提出了嚴(yán)格的要求，從而導(dǎo)致這種方法在現(xiàn)實(shí)中實(shí)現(xiàn)是非常困難的；還有種方法是將汽車分為轎車、客車和貨車三類；也有把車輛分為吉普車、越野車、面包車和轎車的。根據(jù)車型分類系統(tǒng)的實(shí)際應(yīng)用場合，本文對車型的分類見表1。

表1 車型分類標(biāo)準(zhǔn) m

經(jīng)過大量實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，客車的車高與車長比范圍為0.28～0.31，貨車的車高與車長比范圍為0.24～0.29，雖然有個(gè)別樣本有所重疊，但并不影響結(jié)果，將分界點(diǎn)取為0.29，這樣可以使誤差降到最低。

2.3 車型分類結(jié)果

為了驗(yàn)證本文提出的基于車輛長、高及長高比進(jìn)行車型分類的正確性和可行性，對不同場景、不同環(huán)境、不同天氣狀況下的高速公路進(jìn)行測試，測試結(jié)果表明：該算法對攝像機(jī)安裝位置有較高的要求，通常安裝在道路側(cè)邊能夠較好反映車長信息的車輛，其檢測結(jié)果具有較高的準(zhǔn)確率；該算法計(jì)算復(fù)雜度不高，能夠?qū)崟r(shí)反映車型分類信息；該算法受光線影響較大，對于車影明顯的車輛，其檢測結(jié)果具有較大的干擾性。

3 結(jié) 語

本文運(yùn)用視頻技術(shù)實(shí)現(xiàn)車型分類的實(shí)時(shí)檢測，雖取得了一定的進(jìn)展，但在攝像機(jī)標(biāo)定的簡便性、目標(biāo)分割的準(zhǔn)確性及分類準(zhǔn)則的精細(xì)化等方面仍然需要進(jìn)一步深入研究。

參考文獻(xiàn)

[1] 劉偉仙，周富強(qiáng)，張魯閩，等.一種單攝像機(jī)虛擬鼠標(biāo)的標(biāo)定方法[J].光學(xué)學(xué)報(bào)，2009，29（10）：2832?2836.

[2] 張浩鵬，王宗義，張智，等.全景攝像機(jī)標(biāo)定[J].哈爾濱工程大學(xué)學(xué)報(bào)，2009，30（11）：1239?1245.

[3] 傅丹，周劍，邱志強(qiáng)，等.基于直線的集合不變性標(biāo)定攝像機(jī)參數(shù)[J].中國圖象圖形學(xué)報(bào)，2009，14（6）：1058?1063.

[4] 許海霞，王耀南，朱江，等.基于擴(kuò)展攝像機(jī)成像模型的自標(biāo)定方法[J].計(jì)算機(jī)應(yīng)用研究，2008，25（12）：3676?3679.

[5] 何雪濤，程源，黃鐘.齊次坐標(biāo)變換在空間結(jié)構(gòu)分析中的應(yīng)用[J].北京化工大學(xué)學(xué)報(bào)，1999，26（1）：41?44.

[6] DIZENZO S， CINQUE L， LEVIALDI S. Image thresholding using fuzzy entropies [J]. IEEE Transactions on Systems， Mano， and Cybemetics， B. 1998， 28（1）： 15?23.

[7] ZHANG Cheng?cui， CHEN Xin， CHEN Wei?bang. A PCA?based vehicle classification framework [J]. IEEE International Conference on Data Engineering Workshops. [S.l.]： IEEE， 2006： 17?26.

[8] CLADY X， NEGRI P， MILGRAM M， et al. Multi?class vehicle type recognition system [J/OL]. [2011?11?07]. citeseerx.ist.psu.edu.

[9] 季晨光，張曉宇，白相宇.基于視頻圖像中的車型識別[J].遼寧工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，30（1）：5?7.

由式（3）齊次坐標(biāo)方程可知，變換矩陣中含有8個(gè)未知數(shù)，即只要標(biāo)定出4個(gè)已知點(diǎn)，則可求解出該變換矩陣。在實(shí)際場景中，由于城市道路、高速公路車道分割線長度及車道寬度都有明確的規(guī)定，標(biāo)定點(diǎn)的像素坐標(biāo)可通過程序直接獲得，由此可建立像素—距離映射關(guān)系，以下簡稱映射表。

為獲得上述映射關(guān)系，需要按圖2方法在視頻圖像中進(jìn)行相應(yīng)標(biāo)定。

圖2 攝像機(jī)標(biāo)定示意圖

在水平方向及垂直方向上選擇的標(biāo)定點(diǎn)數(shù)越多，則相應(yīng)方向上擬合出的映射表準(zhǔn)確率越高，然而過多的標(biāo)定點(diǎn)增加了程序的計(jì)算量，降低了程序的運(yùn)行速度。故應(yīng)選擇適當(dāng)數(shù)量的標(biāo)定點(diǎn)進(jìn)行計(jì)算。在圖中規(guī)定最下方白色分割線頂端所在行為零點(diǎn)所在行（即圖中AD所在直線對應(yīng)點(diǎn)的水平方向距離為零），在各車道中已知距離的車道分割線位置設(shè)定標(biāo)定點(diǎn)。

將標(biāo)定各點(diǎn)代入式（4）即可求出像素—距離變換矩陣中各系數(shù)，進(jìn)而獲得像素—距離在水平方向及垂直方向上的映射關(guān)系。但在實(shí)際測試場景中，由于路況的復(fù)雜性、車道分割線不明顯等問題存在，在映射表求取過程中仍會存在一定偏差。由于映射關(guān)系是通過多點(diǎn)擬合出的曲線，故在視頻較遠(yuǎn)處其映射關(guān)系誤差較大，在后續(xù)計(jì)算過程中，應(yīng)充分考慮映射關(guān)系的影響。

1.2 高度信息模型建立

根據(jù)攝像機(jī)成像原理，在圖像已知高度位置處取兩點(diǎn)[A]，[B]其對應(yīng)的實(shí)際高度分別為[hA]，[hB]，相應(yīng)各點(diǎn)到圖像底部的實(shí)際距離分別為[SA]，[SB]。其中[S0]為[A]、[B]垂直投影點(diǎn)到圖像底部的距離。則根據(jù)幾何關(guān)系，可得到如下關(guān)系式：

[hAH=SA-S0SA+X] （5）

[hBH=SB-S0SB+X] （6）

圖3 高度信息模型

由式（5）、式（6）計(jì)算可得相機(jī)投影點(diǎn)到圖像底端距離為：

[X=HSA-SB+hBSBhA-hB] （7）

攝像機(jī)安裝過程中，其高度信息[H]已知，由此可得對于任意高度的點(diǎn)x，其對應(yīng)的實(shí)際高度為：

[hx=H（Sx-S0）（hA-hB）Sx（hA-hB）+H（SA-SB）+hBSB] （8）

使用該方法進(jìn)行高度信息計(jì)算時(shí)，首先找兩已知高度點(diǎn)求出間接變量[X]的大小，根據(jù)式（8）則可求出圖像中任一點(diǎn)對應(yīng)的高度值。

2 車型分類

2.1 目標(biāo)分割

為進(jìn)行后續(xù)車型分類檢測，首先要進(jìn)行目標(biāo)車輛分割，本文采用直方圖統(tǒng)計(jì)法[6]進(jìn)行分割閾值的動(dòng)態(tài)選擇，具體步驟如下：

（1） 選擇合適的閾值分割區(qū)間，統(tǒng)計(jì)各幀圖像的直方圖分布情況；

（2） 經(jīng)過數(shù)幀比較分析，觀察各幀直方圖變化規(guī)律，選擇合適的二值化分割閾值；

（3） 形態(tài)學(xué)濾波，去除噪聲影響，獲得較為理想的二值化分割結(jié)果，以便于后續(xù)處理；

（4） 為減少計(jì)算量，也可將圖像進(jìn)行塊處理，選擇適當(dāng)大小的分割塊，將像素信息轉(zhuǎn)化為塊信息。

采用上述方法獲得的目標(biāo)分割結(jié)果，如圖4所示。

圖4 目標(biāo)分割結(jié)果

2.2 車型分類依據(jù)

在目前的標(biāo)準(zhǔn)中，最常用的是按照車型的大小將汽車劃分為大型、中型和小型三類[7?9]。這樣的劃分標(biāo)準(zhǔn)需要檢測車輛的實(shí)際幾何尺寸，從而對攝像頭與被拍攝車輛之間的距離和角度提出了嚴(yán)格的要求，從而導(dǎo)致這種方法在現(xiàn)實(shí)中實(shí)現(xiàn)是非常困難的；還有種方法是將汽車分為轎車、客車和貨車三類；也有把車輛分為吉普車、越野車、面包車和轎車的。根據(jù)車型分類系統(tǒng)的實(shí)際應(yīng)用場合，本文對車型的分類見表1。

表1 車型分類標(biāo)準(zhǔn) m

經(jīng)過大量實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，客車的車高與車長比范圍為0.28～0.31，貨車的車高與車長比范圍為0.24～0.29，雖然有個(gè)別樣本有所重疊，但并不影響結(jié)果，將分界點(diǎn)取為0.29，這樣可以使誤差降到最低。

2.3 車型分類結(jié)果

為了驗(yàn)證本文提出的基于車輛長、高及長高比進(jìn)行車型分類的正確性和可行性，對不同場景、不同環(huán)境、不同天氣狀況下的高速公路進(jìn)行測試，測試結(jié)果表明：該算法對攝像機(jī)安裝位置有較高的要求，通常安裝在道路側(cè)邊能夠較好反映車長信息的車輛，其檢測結(jié)果具有較高的準(zhǔn)確率；該算法計(jì)算復(fù)雜度不高，能夠?qū)崟r(shí)反映車型分類信息；該算法受光線影響較大，對于車影明顯的車輛，其檢測結(jié)果具有較大的干擾性。

3 結(jié) 語

本文運(yùn)用視頻技術(shù)實(shí)現(xiàn)車型分類的實(shí)時(shí)檢測，雖取得了一定的進(jìn)展，但在攝像機(jī)標(biāo)定的簡便性、目標(biāo)分割的準(zhǔn)確性及分類準(zhǔn)則的精細(xì)化等方面仍然需要進(jìn)一步深入研究。

參考文獻(xiàn)

[1] 劉偉仙，周富強(qiáng)，張魯閩，等.一種單攝像機(jī)虛擬鼠標(biāo)的標(biāo)定方法[J].光學(xué)學(xué)報(bào)，2009，29（10）：2832?2836.

[2] 張浩鵬，王宗義，張智，等.全景攝像機(jī)標(biāo)定[J].哈爾濱工程大學(xué)學(xué)報(bào)，2009，30（11）：1239?1245.

[3] 傅丹，周劍，邱志強(qiáng)，等.基于直線的集合不變性標(biāo)定攝像機(jī)參數(shù)[J].中國圖象圖形學(xué)報(bào)，2009，14（6）：1058?1063.

[4] 許海霞，王耀南，朱江，等.基于擴(kuò)展攝像機(jī)成像模型的自標(biāo)定方法[J].計(jì)算機(jī)應(yīng)用研究，2008，25（12）：3676?3679.

[5] 何雪濤，程源，黃鐘.齊次坐標(biāo)變換在空間結(jié)構(gòu)分析中的應(yīng)用[J].北京化工大學(xué)學(xué)報(bào)，1999，26（1）：41?44.

[6] DIZENZO S， CINQUE L， LEVIALDI S. Image thresholding using fuzzy entropies [J]. IEEE Transactions on Systems， Mano， and Cybemetics， B. 1998， 28（1）： 15?23.

[7] ZHANG Cheng?cui， CHEN Xin， CHEN Wei?bang. A PCA?based vehicle classification framework [J]. IEEE International Conference on Data Engineering Workshops. [S.l.]： IEEE， 2006： 17?26.

[8] CLADY X， NEGRI P， MILGRAM M， et al. Multi?class vehicle type recognition system [J/OL]. [2011?11?07]. citeseerx.ist.psu.edu.

[9] 季晨光，張曉宇，白相宇.基于視頻圖像中的車型識別[J].遼寧工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，30（1）：5?7.