劉承胤，趙吉文

（安徽大學(xué) 電氣工程與自動(dòng)化學(xué)院，安徽 合肥 230039）

作為道路交通信息的重要組成部分，車輛類型是公路收費(fèi)站判斷收費(fèi)標(biāo)準(zhǔn)的重要依據(jù).目前，國(guó)內(nèi)外對(duì)車輛進(jìn)行分類的技術(shù)有：電磁感應(yīng)線圈技術(shù)、激光檢測(cè)技術(shù)及視頻檢測(cè)技術(shù)［1］.其中電磁感應(yīng)線圈技術(shù)需要在道路下面埋設(shè)環(huán)形感應(yīng)線圈，通過(guò)檢測(cè)不同車輛經(jīng)過(guò)時(shí)電感量的不同來(lái)對(duì)車輛進(jìn)行分類，檢測(cè)精度較高，但設(shè)備的安裝與維護(hù)不方便，對(duì)現(xiàn)有的公路改造比較困難；激光檢測(cè)技術(shù)需要多個(gè)激光傳感器協(xié)同工作，系統(tǒng)穩(wěn)定性較差，且設(shè)備始終處于工作狀態(tài)，能耗較高［2］.視頻檢測(cè)技術(shù)利用CCD相機(jī)獲取視頻圖像作為分析對(duì)象，通過(guò)降噪、邊緣檢測(cè)來(lái)提取車輛參數(shù).CCD又分為面陣CCD和線陣CCD，現(xiàn)有的視頻檢測(cè)系統(tǒng)大多采用面陣CCD相機(jī)，然而面陣CCD獲得的圖像存在大量背景目標(biāo)，從復(fù)雜背景中提取感興趣目標(biāo)是一個(gè)很棘手的問(wèn)題；此外，面陣CCD的幀速率一般較低，拍攝運(yùn)動(dòng)圖像拖尾比較嚴(yán)重［3］.與面陣CCD相比，線陣CCD具有如下優(yōu)點(diǎn)［4－5］：1）成像背景圖像簡(jiǎn)單，易于后續(xù)圖像處理，對(duì)天氣情況依賴較??；2）圖像容量較小，后期圖像處理時(shí)間較短；3）成像可用線光源進(jìn)行輔助照明，夜間成像效果較好；4）靈敏度高，動(dòng)態(tài)范圍大，沒(méi)有圖像拖尾.

作者提出一種基于線陣CCD的車輛參數(shù)識(shí)別系統(tǒng)，該系統(tǒng)通過(guò)線陣CCD拍攝車輛側(cè)面圖像，識(shí)別車輛長(zhǎng)、寬、高、軸距等主要參數(shù)，進(jìn)而識(shí)別車輛類型，具有價(jià)格低廉、維護(hù)方便、識(shí)別速度快、準(zhǔn)確率高等優(yōu)點(diǎn).

1 系統(tǒng)設(shè)計(jì)

該系統(tǒng)硬件由線陣CCD攝像機(jī)、采集卡以及計(jì)算機(jī)組成.

車輛經(jīng)過(guò)拍攝區(qū)域時(shí)，以車牌及輪胎鋼圈為檢測(cè)目標(biāo)，相機(jī)自動(dòng)獲取圖像，利用紋理特征、梯度算子及連通域，運(yùn)算確定車輛長(zhǎng)度、寬度、高度及軸距，具體流程［6］如圖1所示.

2 車輛寬度檢測(cè)

現(xiàn)行的各類汽車車牌國(guó)標(biāo)尺寸一致，是測(cè)量車輛寬度的重要依據(jù)［7］.通過(guò)車牌定位，可獲取車牌長(zhǎng)度信息，通過(guò)與國(guó)標(biāo)尺寸比較，便可獲得車輛寬度形變比例，從而實(shí)現(xiàn)寬度檢測(cè).

2.1 車牌定位

線陣CCD獲取的圖像長(zhǎng)度方向存在形變，如圖2所示.

獲取的圖像僅包含運(yùn)動(dòng)目標(biāo)，避免了復(fù)雜背景的干擾，因此可以利用簡(jiǎn)單算法快速高效完成車牌定位.由于車牌的紋理特征體現(xiàn)為字符密集、灰度變化劇烈，所以通過(guò)尋找圖像水平梯度密集區(qū)，就能找到車牌候選區(qū)域，這里采用的是基于圖像梯度特征的車牌定位算法.

2.1.1 邊緣提取

利用背景差法獲取車輛所在區(qū)域，得到車體拍攝長(zhǎng)度P′［8］，考慮到車體本身圖案也會(huì)影響測(cè)量精度，所以先對(duì)車輛圖像進(jìn)行二值化，再結(jié)合水平梯度運(yùn)算提取車體邊緣，盡可能排除車體干擾.梯度算子［9］由下列公式給出

其中：f（x，y）為原圖像中像素點(diǎn)（x，y）的灰度值.

2.1.2 水平梯度運(yùn)算

相對(duì)于車體其他區(qū)域，車牌區(qū)域的字符密集，因此采用字符豎向紋理分割方法便可對(duì)車牌進(jìn)行粗略定位.這里用水平差分算子對(duì)汽車圖像求梯度，2維圖像的水平梯度［10］為

2.1.3 車牌大概區(qū)域的確定

經(jīng)梯度運(yùn)算后，設(shè)定一閾值對(duì)圖像進(jìn)行二值化，用以確定圖像的邊緣點(diǎn).跳變點(diǎn)為一段連續(xù)邊緣線的初始點(diǎn)，車牌里的跳變點(diǎn)比較密集，由此可定位車牌存在的區(qū)域［11］.設(shè)p為行跳變點(diǎn)數(shù)，K為連續(xù)行中不滿足要求的最大行數(shù)，T1、T2為待用的檢測(cè)值，分別用來(lái)統(tǒng)計(jì)待選區(qū)域中符合條件以及不符合條件的行數(shù)，J1、J2分別為每行中滿足要求的最小和最大跳變數(shù)，Cmin為滿足要求的連續(xù)行數(shù)的最小值.具體算法如下：

（1）令T1＝T2＝0，從頂行開(kāi)始，逐行掃描，當(dāng)該行跳變點(diǎn)數(shù)p在（J1，J2）之外時(shí)，跳到下一行.

（2）判斷下一行跳變點(diǎn)數(shù)p是否屬于（J1，J2），如果屬于，則為可能的起始行，同時(shí)令T1＝T1＋1，T2＝0；如果不屬于，則令T2＝T2＋1.如果T1＜Cmin，同時(shí)T2＞K，則表明此區(qū)域不存在車牌.

（3）如果T1＞Cmin，并且T2＞K，則該區(qū)域可能存在車牌.然后繼續(xù)掃描下一行，重復(fù)步驟（2），直到掃描完最后一行.

（4）統(tǒng)計(jì)每個(gè)可能的行區(qū)域中每列跳變點(diǎn)的個(gè)數(shù)和，2個(gè)最大值對(duì)應(yīng)的列即為車牌左右邊界.根據(jù)以上算法，可初步確定存在車牌的區(qū)域.

2.1.4 車牌定位

因?yàn)樽址淖笥疫吔缣荻葹榻葡喾磾?shù)，利用最大梯度差檢測(cè)可能的行，便可最終確定車牌區(qū)域.具體算法如下：

（1）求出各個(gè)待選區(qū)域內(nèi)最大梯度Gmax和最小梯度Gmin，計(jì)算該區(qū)域最大梯度差M＝Gmax－Gmin.（2）設(shè)定一閾值H，M大于H且正負(fù)梯度交替次數(shù)最多的待選區(qū)域即為車牌區(qū)域.

閾值H的選取是算法成功的關(guān)鍵，因?yàn)閷?duì)車牌背景以及字符的顏色國(guó)標(biāo)都有明確規(guī)定，故可根據(jù)經(jīng)驗(yàn)確定閾值.通過(guò)對(duì)藍(lán)車牌、黑車牌以及黃車牌的多組實(shí)驗(yàn)數(shù)據(jù)分析，該文選擇H為40，車牌定位圖如圖3所示（紅色區(qū)域?yàn)檐嚺茀^(qū)域）.

2.2 寬度檢測(cè)

定位車牌是為了測(cè)定車輛寬度，因前車牌居車輛正中位置，根據(jù)對(duì)稱性，可根據(jù)車牌尺寸確定車輛寬度.具體方法如下：

（1）根據(jù)得到車牌的測(cè)量長(zhǎng)度S′0，結(jié)合車牌標(biāo)準(zhǔn)長(zhǎng)度S0可算出車輛寬度形變系數(shù)

（2）因前車牌位于車體正中位置，根據(jù)對(duì)稱性，車牌到車體左右邊界的距離是相等的.從圖3中測(cè)量出車牌右邊界到車體右邊界的距離S′1后，可以得到其實(shí)際距離S1＝k′×S′1，同理可以得到車牌左邊界到車體左邊界的距離S2.

（3）車體寬度S＝S0＋S1＋S2.

3 軸距、長(zhǎng)度及高度檢測(cè)

3.1 鋼圈檢測(cè)

由于輪胎與鋼圈的灰度區(qū)別較大，故該文通過(guò)檢測(cè)鋼圈輪廓來(lái)測(cè)量車輛軸距及長(zhǎng)度形變［12］.線陣CCD采集的圖像中車輛長(zhǎng)度存在橫向形變，拍攝的鋼圈并非圓形，而是近似橢圓形，所以通過(guò)形狀檢測(cè)不易實(shí)現(xiàn)，且易與車體圖案產(chǎn)生混淆，因此該文采用梯度運(yùn)算結(jié)合連通域檢測(cè)來(lái)確定鋼圈位置.具體方法如下：

（1）將車體拍攝長(zhǎng)度P′減去車輛寬度S，得到車輛長(zhǎng)度P″，即P″＝P′－S.

（2）對(duì)圖像進(jìn)行灰度拉伸，提高輪胎區(qū)域?qū)Ρ榷?，防止黑鋼圈干擾.

（3）利用梯度算子g（x，y）＝｜f（x，y）－f（x，y－1）｜求得圖像豎直方向梯度.

（4）確定閾值，對(duì)圖像進(jìn)行二值化.

（5）分別求出左右圖中縱坐標(biāo)最小的像素點(diǎn)a1（x1，y1）、a2（x2，y2），此即為前后輪鋼圈的下邊界點(diǎn).

（6）利用梯度算子結(jié)合二值化運(yùn)算，得到鋼圈輪廓圖.

（7）分別以a1、a2為起點(diǎn)，利用圖4所示連通域（黑色為目標(biāo)點(diǎn)，白色為鄰域點(diǎn)）求出前后輪鋼圈右邊界點(diǎn)b1（x3，y3）、b2（x4，y4）.

（8）以同樣方法可求出前后輪左邊界點(diǎn)b3（x5，y5）、b4（x6，y6）.

3.2 軸距、長(zhǎng)度及高度檢測(cè)

因?yàn)閳D像豎直方向無(wú)形變，結(jié)合鋼圈的下邊界點(diǎn)與右邊界點(diǎn)坐標(biāo)，可以得到圖像中鋼圈的豎直方向半徑即鋼圈實(shí)際半徑，橫向半徑長(zhǎng)度形變軸距長(zhǎng)度同理，利用背景差法可檢測(cè)出車體最高點(diǎn)h1（x5，y5）；鋼圈下邊界點(diǎn)所在列中車體的下邊界點(diǎn)為輪胎與地面的接觸點(diǎn)，此接觸點(diǎn)有兩個(gè)，它們分別為h2（x1，y6）、h3（x2，y7）；由幾何關(guān)系可得車輛高度

4 實(shí)驗(yàn)結(jié)果

通過(guò)對(duì)采集的37輛不同型號(hào)的車輛進(jìn)行檢測(cè)，除了3輛汽車的前車牌污損比較厲害導(dǎo)致檢測(cè)失敗外，其余34輛汽車的檢測(cè)結(jié)果均符合實(shí)用性要求，表1中為檢測(cè)數(shù)據(jù).可以看出，實(shí)際檢測(cè)誤差在3%以內(nèi)，能夠滿足實(shí)際使用需求，但也可以看出檢測(cè)結(jié)果普遍小于實(shí)際值，究其原因，這是光照使檢測(cè)得到的鋼圈半徑以及車牌長(zhǎng)度略小于實(shí)際值所導(dǎo)致的.

表1 檢測(cè)結(jié)果Tab.1 Measure results

5 結(jié)束語(yǔ)

文中提出了一種基于線陣CCD的車輛參數(shù)檢測(cè)方法，該方法通過(guò)線陣CCD獲取圖像，背景簡(jiǎn)單、處理速度快，通過(guò)識(shí)別車牌和輪胎鋼圈可計(jì)算出車輛主要參數(shù).實(shí)驗(yàn)結(jié)果表明，該方法成功率較高，精確度能滿足應(yīng)用需求，有較高的實(shí)用性.

［1］李光輝.基于紅外檢測(cè)和壓力傳感器相結(jié)合的車型自動(dòng)分類系統(tǒng)［J］.中國(guó)科技信息，2009（5）：211－213.

［2］牟瑛.車型自動(dòng)分類識(shí)別系統(tǒng)［J］.微計(jì)算機(jī)應(yīng)用，2006，4（7）：471－473.

［3］雷志勇，劉群華，姜壽山，等.線陣CCD圖像處理算法研究［J］.光學(xué)技術(shù)，2002，28（5）：475－477.

［4］李娜，徐志剛.基于線陣CCD的交通信息采集和檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.現(xiàn)代電子技術(shù)，2009，32（17）：159－161.

［5］張茂云，劉戀，劉玥良.基于線陣CCD的煙卷直徑實(shí)時(shí)監(jiān)測(cè)系統(tǒng)［J］.信陽(yáng)師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2014，27（3）：406－409.

［6］蔡智湘.車型自動(dòng)分類技術(shù)的分析和前景展望［J］.濰坊學(xué)院學(xué)報(bào)，2004，4（12）：120－122.

［7］劉聰.車牌識(shí)別系統(tǒng)關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)［D］.西安：西北大學(xué)信息學(xué)院，2012.

［8］白利波.車牌檢測(cè)與識(shí)別算法研究［D］.北京：北京交通大學(xué)電子信息工程學(xué)院，2007.

［9］林佳乙.基于背景差分法和幀間差分法的視頻運(yùn)動(dòng)檢測(cè)［C］／／中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)，2008：118－121..

［10］鄒曄.基于紋理分析和梯度特征的車牌定位算法［J］.科技廣場(chǎng)，2009，3（5）：109－111

［11］趙鋒，趙榮椿.紋理分割及特征提取方法綜述［J］.中國(guó)體視學(xué)與圖像分析，1998，10（4）：102－104.

［12］張秀林，劉玉，安然.基于關(guān)鍵邊緣特征的車型識(shí)別［J］.電子測(cè)試，2013（6）：13－15.

［13］尹楠，顧繼華，鄒麗新，等.基于區(qū)域特征的線陣CCD圖像自適應(yīng)校正［J］.現(xiàn)代電子技術(shù)，2013，36（4）：112－114.