葉玉婷，王文鼐（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇南京210003）

?

基于側(cè)面輪廓的實時車型分類系統(tǒng)

葉玉婷，王文鼐
（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇南京210003）

摘 要：設(shè)計了一種基于側(cè)面輪廓的實時車型分類系統(tǒng)。該分類系統(tǒng)分為3個部分：側(cè)面輪廓處理、車型模板建立和實時車型匹配。輪廓處理部分介紹了一種用于實時測量移動車輛輪廓數(shù)據(jù)的采集儀器以及數(shù)據(jù)處理的方法。車型模板建立部分使用擬合算法構(gòu)建不同車型的模板。實時車型匹配部分則采用修正豪斯多夫距離作為距離算法，用于衡量待測車輛與模板間的匹配程度。該模式識別系統(tǒng)能夠完成準確快速的車型分類。

關(guān)鍵詞：車型分類；修正豪斯多夫距離；模式識別；側(cè)面輪廓

0　引言

智能交通系統(tǒng)（Intelligent Traffic System，ITS）是交通運輸領(lǐng)域的前沿科技，廣泛應(yīng)用于交通運輸管理、車輛調(diào)度系統(tǒng)和機動車自動控制系統(tǒng)。車型分類是ITS應(yīng)用領(lǐng)域中基本功能模塊和重要分支，是一門集計算機視覺、模式識別、工業(yè)測控技術(shù)、電子技術(shù)于一體的綜合技術(shù)，能夠自動、實時地對車型進行識別和分類，為交通管理、收費、調(diào)度和統(tǒng)計提供依據(jù)。

針對車型分類技術(shù)，國內(nèi)外學(xué)者提出了很多種方法。紅外探測法［1］是利用車道兩側(cè)的紅外陣列檢測器，運用幾十甚至幾百對紅外收發(fā)裝置，根據(jù)車輛行駛經(jīng)過時不同部位對發(fā)射裝置的阻擋作用采集車輛側(cè)面幾何數(shù)據(jù)，與數(shù)據(jù)庫比較后判斷車型，實現(xiàn)分類。該方法原理簡單，但硬件系統(tǒng)復(fù)雜，成本較高。車牌識別法［2-3］從攝影圖像識別到車牌號，并檢索該車牌號得到相應(yīng)的車型，完成車型分類。該方法需要完整的車牌號庫，而且在車牌模糊或者車速過快的情況下容易造成誤判。參考文獻［4-6］利用高分辨率攝影機觀察車輛的運動來估計車輛幾何形狀，通過特征點得到車輛輪廓。該方法對攝影機分辨率要求較高，且需要尺寸調(diào)節(jié)和角度校準。參考文獻［7］設(shè)計了運動物體的檢測、跟蹤、識別系統(tǒng)，用訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來識別運動物是人、車還是干擾，而后識別車輛類型。

本文設(shè)計了一種基于側(cè)面輪廓的實時車型分類系統(tǒng)。該分類系統(tǒng)分為3個部分：側(cè)面輪廓處理、車型模板建立和實時車型分類。本設(shè)計中輪廓數(shù)據(jù)是由設(shè)備直接測量得到的，不同于從視頻數(shù)據(jù)提取輪廓的做法，該方法不需要多余的尺寸調(diào)節(jié)和角度校準，復(fù)雜度低。車型模板建立是根據(jù)采集到的大量車型輪廓，分類擬合構(gòu)建模板，一種車型包括多個模板以提高車型分類的準確性。實時車型分類是采用修正豪斯多夫距離（Modified Hausdorff Distance，MHD）計算模板和待分類車輛的距離，完成快速、實時的車型分類。

1　側(cè)面輪廓處理

車型側(cè)面輪廓數(shù)據(jù)的處理包括兩個部分：輪廓測量儀器和側(cè)面輪廓數(shù)據(jù)處理。

1.1輪廓測量儀器

輪廓測量儀器的硬件組成示意圖如圖1所示。輪廓測量儀器由一個放置在龍門架頂部的超聲波測距儀和一個放置在車道側(cè)面的微波測速儀組成。

該輪廓測量儀器的工作原理如下：當車輛駛過輪廓測量儀器時，超聲波測距儀以某一固定時間間隔（通常為10～50 ms）周期性地向下發(fā)射超聲波，獲得多個采樣點，根據(jù)超聲波從發(fā)射到接收的往返時間能得到一組高度集，該高度集為龍門架頂部到車輛頂部的距離集，圖2所示為車輛駛過時的第一個、第二個和最后一個采樣點示意圖。用龍門架的高度減去測量的高度集即可得到經(jīng)過車輛的側(cè)面高度集合。結(jié)合超聲波測距儀的采樣數(shù)量和微波測速儀測得的車輛的速度，即可得到側(cè)面寬度集合。將高度集合和寬度集合結(jié)合成為二維點集，用于表征駛經(jīng)車輛的側(cè)面輪廓。

該輪廓測量儀器成本低廉，性能穩(wěn)定，可移植好，可以移植到龍門架或者天橋底部，完成車型側(cè)面輪廓測量的功能。

圖1　輪廓測量儀器硬件組成示意圖

圖2　超聲波測距示意圖

1.2側(cè)面輪廓數(shù)據(jù)處理

實際試驗中，采用龍門架高度h =550 cm；超聲波測距儀間隔t=40 ms=0.04 s。

輪廓測量儀器能夠測到以下數(shù)據(jù)：車輛速度v（m/s）；采樣點數(shù)n；龍門架到車頂?shù)牟蓸泳嚯x集合D =｛di|i∈｛1，2，…，n｝｝（cm）。

由以上數(shù)據(jù)可計算得到車輛側(cè)面高度集合為：

其中，yi=h -di=550 -di（cm）。

車輛側(cè)面寬度集合為：

其中，xi=0.04 v（2i-1）（cm）。

結(jié)合高度集合和寬度集合得到的二維點集即為車輛側(cè)面輪廓數(shù)據(jù)：

圖3所示為車輛側(cè)面輪廓示意圖，圖中取采樣點數(shù)n =11。

2　車型模板建立

公路交通部門依據(jù)機動車參數(shù)，包括車長、車高、承重軸數(shù)量、額定座位數(shù)或載質(zhì)量等指標，將機動車分為6類：中小客車、大客車、小型貨車、中型貨車、大型貨車、特大型貨車。具體分類標準如表1所示。

圖3　車輛側(cè)面輪廓示意圖

表1　車型分類標準

輪廓測量儀器測得大量的車型側(cè)面輪廓數(shù)據(jù)并存儲在存儲器中，經(jīng)過篩選、擬合、訓(xùn)練等步驟構(gòu)建模板庫。一類車型可包括一個或者多個模板集，例如中小型客車可分為跑車模板、面包車模板、吉普車模板等。

3　實時車型分類

實時車型分類采用MHD算法計算模板和待分類車輛的距離，完成快速、實時的車型分類。

3.1MHD算法

有多種距離算法可被用模板匹配［8］，其中，MHD的低時間復(fù)雜度和高匹配度，使其廣泛應(yīng)用于匹配計算。

豪斯多夫距離（Hausdorff Distance，HD）是拓撲學(xué)家HAUSDORFF F提出的一種用來度量空間中真子集的距離的算法。設(shè)X和Y是度量空間M的兩個真子集，那么豪斯多夫距離H（X，Y）是最小的數(shù)r，使得X的閉r-領(lǐng)域包含Y，Y的閉r-領(lǐng)域也包含X。

MHD是DUBUISSION M-P和JAIN A K在HD算法基礎(chǔ)上的改進算法［9］。該算法用距離表征兩個點集的相似度。距離值越小代表兩點集越相似，距離值越大代表兩點集越不相似，特別的，當距離為0時兩點集完全相同。

對于點集A=｛a1，a2，…，ap｝和B=｛b1，b2…，bp｝，MHD的計算方法如下：

3.2車型分類

當待測車輛駛經(jīng)廓測量儀器時，實時測量獲得待測車輛的側(cè)面輪廓數(shù)據(jù)，分別計算待測車輛與模板的MHD，與待測車輛距離值最小的模板即為匹配模板，判定匹配模板所屬車型即為待測車輛的車型。以此完成快速、實時的車型分類。

4　結(jié)論

本文設(shè)計了一種基于側(cè)面輪廓的實時車型分類系統(tǒng)。該系統(tǒng)設(shè)計了輪廓測量儀器的硬件組成、對輪廓數(shù)據(jù)的處理算法、建立車型模板庫的方法和實時車型分類的過程。通過實驗對該方法進行了可行性驗證。結(jié)果表明對于實時車型分類，該系統(tǒng)能達到91%的正確率。接下來將會使用更多的車型進行試驗，并在實際車道環(huán)境中搭建該系統(tǒng)進行測試。

參考文獻

［1］顧國華，陳錢，張保民.一種基于紅外檢測的車型自動分類電子收費系統(tǒng)［J］.交通信息與安全，2002，20（109）：33-35.

［2］侯曉然，秦麗娟，王永，等.改進Retinex算法對特殊環(huán)境下的車牌圖像增強研究［J］.微型機與應(yīng)用，2015，34（19）：50-53.

［3］M ILLER K S，HARVEY T N，SHULDINER PW，at al.Using video technology to conduct the 1991Boston redion external cordon survey［R］.Transportation Research Record，Washington，DC，1993（1412）：46-56.

［4］嚴明，李玉惠，李勃，等.高速公路監(jiān)控視頻中運動車輛對象提?。跩］.微型機與應(yīng)用，2014，33（2）：41-43.

［5］吳亞斌，陳淑榮.一種基于監(jiān)控視頻的車型識別和車流量檢測算法［J］.微型機與應(yīng)用，2015，34（7）：45-48.

［6］FUNG G，YUNG N，PANG G.Vehicle shape approximation from motion for visual traffic surveillance［C］.Proceedings of IEEE Conference on Intelligent Transport System，2001：608-613.

［7］COLLINS R T，LIPTON A J，F(xiàn)UJIYOSHIH，at al.Algorithms for cooperative multisensory surveillance［J］.Proceedings of the IEEE，2001，89（10）：1456-1477.

［8］李文鳳，胡玉蘭.基于圖像顯著區(qū)域檢測的SIFT特征匹配方法研究［J］.微型機與應(yīng)用，2015，34（6）：59-61，68.

［9］DUBUISSION M P，JAIN A K.A modified Hausdorff distance for objectmatching［C］.Proceedings of12 th International Conference on Pattern Recognition，Israel，1994：566-568.

葉玉婷（1993 -），通信作者，女，碩士研究生，主要研究方向：網(wǎng)絡(luò)與應(yīng)用技術(shù)。E-mail：815033737@qq.com。

王文鼐（1966 -），男，博士，教授，主要研究方向：未來互聯(lián)網(wǎng)和網(wǎng)絡(luò)虛擬化技術(shù)。

引用格式：葉玉婷，王文鼐.基于側(cè)面輪廓的實時車型分類系統(tǒng)［J］.微型機與應(yīng)用，2016，35（10）：50-51，54.

Real-time vehicle classification system based on side profile

Ye Yuting，Wang Wennai
（School of Communications and Information Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210003，China）

Abstrac t：This paper proposes a real-time vehicle classification system using side profiles of vehicles as characteristics.The system can be roughly divided into three stages：profile data processing，template establishment and real-time vehiclematching.In profile data processing，a profile data collection device is provided formeasuring the side profile ofmoving vehicles and data processingmethod.We investigate themethod to establish temp late library using fitting algorithm.Thus，the modified Hausdorff distance is proposed to determine the degree of resemblance between two side profiles.This pattern recognition system is capable of classifying vehicle types with high accuracy and low complexity. Key words：vehicle classification；modified Hausdorff distance；pattern recognition；side profile

作者簡介：

收稿日期：（2015-12-28）

中圖分類號：TP23

文獻標識碼：A

DOI：10.19358 /j.issn.1674-7720.2016.09.017