李映東,吳曉紅,卿粼波,何小海

(四川大學(xué) 電子信息學(xué)院,成都 610065)

車輛信息的采集和識別已成為智能交通系統(tǒng)中至關(guān)重要的部分.然而已有的車牌識別系統(tǒng)受到套牌車的影響,無法準(zhǔn)確的獲取車輛信息,面對這種情況,基于車輛圖像的車標(biāo)識別受到了越來越多的重視,它已成為車輛識別系統(tǒng)中不可缺少的關(guān)鍵一環(huán).而作為車標(biāo)識別的先決條件,車標(biāo)定位顯得格外重要,它是正確識別車標(biāo)的首要條件和重要保障.但由于車標(biāo)種類繁多、大小形狀不一、紋理不定,特別是車標(biāo)背景散熱片的干擾,對車標(biāo)的準(zhǔn)確定位產(chǎn)生了影響.目前已提出了很多車標(biāo)定位的研究方法,如:基于SVM的車標(biāo)定位方法[1,2];基于DCT域的車標(biāo)定位方法[3,4];基于PCA的車標(biāo)定位方法[5,6];基于背景紋理分析的車標(biāo)定位方法[7,8];基于邊緣檢測的車標(biāo)定位方法[9–12];基于模板匹配的車標(biāo)定位方法[13]等.但現(xiàn)有的多數(shù)車標(biāo)定位方法只適合用于簡單的車標(biāo)背景,且光照條件要求較高,局限性比較大.如文獻(xiàn)[7]通過動態(tài)模板來確定水平紋理背景車標(biāo)的左右邊界以及基于邊緣密度來實(shí)現(xiàn)垂直紋理背景車標(biāo)的精確定位,這種方法受光照影響比較大,對于有反光現(xiàn)象的車標(biāo)背景,定位效果較差;文獻(xiàn)[8]對垂直紋理背景消融后,通過自適應(yīng)二值化和形態(tài)學(xué)實(shí)現(xiàn)車標(biāo)的精確定位,但是當(dāng)散熱片紋理有一定角度時(shí),會影響定位效果;文獻(xiàn)[12]利用Law算子對車標(biāo)背景噪聲進(jìn)行抑制后采用中值濾波來去除干擾,文獻(xiàn)[13]采用邊緣檢測和以部分背景散熱片作為模板匹配來定位車標(biāo)的位置,這些方法都對車標(biāo)背景散熱片紋理要求較高,當(dāng)散熱片紋理并不是完全水平或者垂直而是有一定角度時(shí)定位效果較差.

針對現(xiàn)有車標(biāo)定位方法的問題,通過構(gòu)建車標(biāo)及其背景圖像的數(shù)據(jù)集(部分如圖1),進(jìn)過大量實(shí)驗(yàn)并進(jìn)行數(shù)據(jù)分析,本文提出了一種新的車標(biāo)定位方法.先通過車標(biāo)與車牌的空間位置關(guān)系的先驗(yàn)知識,得到車標(biāo)的粗定位區(qū)域.再對粗定位區(qū)域的圖像進(jìn)行水平投影和垂直投影,根據(jù)水平投影的差異和垂直投影的方差大小判斷車標(biāo)背景散熱片的紋理方向.利用Sobel算子對不同類別的背景散熱片進(jìn)行消融,并采用鄰間二值化方法突出車標(biāo)部分,同時(shí)結(jié)合一種基于投影的去噪方法對噪點(diǎn)進(jìn)一步消除,從而實(shí)現(xiàn)車標(biāo)的精確定位.

1 車標(biāo)背景紋理的判別

車標(biāo)圖案通常位于車首和車尾,位于車首部分的車標(biāo)特征更加明顯,所以本文根據(jù)車首圖像實(shí)現(xiàn)車標(biāo)的粗定位.基于先驗(yàn)知識可以知道,通常轎車車標(biāo)在車牌正上方的0.5～3.0個(gè)車牌的高度范圍內(nèi)[14];此外,車標(biāo)的寬度一般不會超過車牌.因此,可以根據(jù)車牌的位置對車標(biāo)進(jìn)行粗定位.如圖2所示是通過已有的車牌定位算法[15,16]得到的車標(biāo)粗定位區(qū)域.

圖2 車標(biāo)的粗定位

本文依據(jù)車標(biāo)背景特征將車標(biāo)背景分為三大類:無散熱片背景、類水平紋理散熱片背景和垂直紋理散熱片背景.無散熱片是指車標(biāo)背景沒有散熱片或者散熱片在車標(biāo)下面(如圖3(a)).類水平紋理散熱片(如圖3(d))是指各種水平方向紋理(散熱片角度在0度到45度之間)和網(wǎng)狀紋理散熱片.垂直紋理散熱片是指其主要散熱片角度在45度到90度之間的(如圖3(g)).

圖3 各種車標(biāo)背景的水平投影和垂直投影

車標(biāo)背景的類別可依據(jù)粗定位區(qū)域的投影來判斷.首先根據(jù)無散熱片背景的特性,本文利用粗定位區(qū)域的水平投影判斷車標(biāo)背景有無散熱片.由于實(shí)際當(dāng)中光照不均勻的影響可能導(dǎo)致車標(biāo)的投影不完全,所以先對粗定位區(qū)域的二值化圖像進(jìn)行膨脹,然后進(jìn)行水平投影.判別條件如下:

其中,T是對車標(biāo)粗定位區(qū)域進(jìn)行水平投影,從上至下的首段連續(xù)不為零區(qū)域,S是這段區(qū)域的最大投影長度,H是粗定位圖片高度,W是粗定位圖片寬度.如圖3所示是各種車標(biāo)背景及其投影.

對于車標(biāo)背景有散熱片的,本文利用其粗定位區(qū)域的垂直投影方差來判斷散熱片的種類是類水平紋理還是垂直紋理.通過實(shí)驗(yàn)可以發(fā)現(xiàn)這兩類散熱片的垂直投影方差差異性較大,如圖3(f)和圖3(i)所示.分類判別條件如下:

其中,V是車標(biāo)粗定位左起1/3區(qū)域垂直投影的方差,M是方差閾值并由實(shí)驗(yàn)得出,實(shí)驗(yàn)發(fā)現(xiàn)M=2.8可以很好的區(qū)分出背景的散熱片紋理.如圖4是車標(biāo)背景紋理的判別流程圖.

圖4 車標(biāo)背景紋理判別流程圖

2 車標(biāo)的精定位

根據(jù)水平投影和垂直投影上的特性將車標(biāo)背景分類后,分別對不同種類的車標(biāo)背景進(jìn)行處理,從而達(dá)到車標(biāo)的精確定位.如圖5是車標(biāo)精確定位整體框圖.

圖5 車標(biāo)精確定位整體框圖

2.1 無散熱片背景的車標(biāo)精定位

對于背景無散熱片的,由于沒有散熱片的干擾,噪聲較小,可根據(jù)粗定位區(qū)域的投影來確定車標(biāo)的準(zhǔn)確位置.由于實(shí)際當(dāng)中光照不均勻的影響可能導(dǎo)致車標(biāo)的投影不完全,所以先對粗定位區(qū)域的二值化圖像進(jìn)行膨脹,然后在其水平投影上取出自上而下首段連續(xù)不為零的區(qū)域,再對這段區(qū)域進(jìn)行垂直投影,截取垂直投影中連續(xù)不為零的最大區(qū)域,得到的即是精確定位的結(jié)果,如圖6所示.

圖6 無散熱片背景的車標(biāo)精確定位

2.2 類水平紋理背景的車標(biāo)精定位

對于車標(biāo)背景散熱片是類水平紋理的,首先利用Sobel垂直算子對其進(jìn)行消融.通常消融的結(jié)果噪聲較大,文獻(xiàn)[7]中采用最大類間方差法進(jìn)行二值化分割,可是其對光照和背景的要求很高,難以突出車標(biāo)部分.為了最大限度的消除背景噪聲的影響,本文采用了一種適用于車標(biāo)定位的鄰間二值化方法:

其中,f(i,j)是點(diǎn)(i,j)的灰度值,k是灰度值閾值.由于Sobel垂直算子消融后的圖像在垂直方向上保持著邊緣特征,基于這一特性,可以將(i,j)與其上下兩個(gè)點(diǎn)的灰度值相加,當(dāng)相加結(jié)果小于k,即視為噪點(diǎn).經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)k=400時(shí)可以在保證車標(biāo)區(qū)域的基礎(chǔ)上很好的去除邊緣噪聲.

與OTSU(最大類間方差法)相比,本文方法適應(yīng)性更廣,特別是當(dāng)背景散熱片有一定的角度和背景散熱片是網(wǎng)狀的,效果更加突出.如圖7是OTSU與本文鄰間二值化算法的對比.

圖7 鄰間二值化與OTSU效果對比

通過Sobel算子對車標(biāo)背景散熱片消融,并進(jìn)行鄰間二值化,然后對圖像進(jìn)行去噪.對于一些背景紋理比較復(fù)雜的車標(biāo),文獻(xiàn)[8]單一的運(yùn)用形態(tài)學(xué)去噪效果并不是很好.本文根據(jù)類水平紋理的邊緣特征,采用了一種基于投影的去噪方法.類水平紋理鄰間二值化后的車標(biāo)部分在水平投影上具有連續(xù)性且長度最大,在垂直投影上分為幾個(gè)連續(xù)區(qū)域.基于這一特性,可以取水平投影中連續(xù)不為零的最大區(qū)域,其他區(qū)域可視為噪點(diǎn)并去除.

式中,f(i,j)是點(diǎn)(i,j)的灰度值,Tm是采用鄰間二值化后在其水平投影上連續(xù)不為零的最大區(qū)域.結(jié)果如圖8(d)–8(f)所示.

圖8 類水平紋理背景的車標(biāo)精確定位

對經(jīng)過水平方向上去噪之后得到的圖像進(jìn)行垂直投影.取垂直投影中連續(xù)不為零的最大區(qū)域,然后與各連續(xù)區(qū)域?qū)Ρ?小于最大區(qū)域長度的1/5視為噪點(diǎn).

式中,f(i,j)是點(diǎn)(i,j)的灰度值,W(i,j)是點(diǎn)(i,j)所在的區(qū)域,Wm是垂直投影上連續(xù)不為零的最大區(qū)域.結(jié)果如圖8(g)–8(i)所示.對經(jīng)過去噪之后的圖像膨脹,取其最大的外接矩形,即是車標(biāo)精確定位的結(jié)果,如圖8所示.

根據(jù)車標(biāo)的物理特性,其輪廓具有一定的對稱性,本文對車標(biāo)的對稱性加以約束,以減小冗余,使車標(biāo)的最終定位更加精確:

式中,Lleft是車標(biāo)左邊界到粗定位區(qū)域中軸線的距離,Lright是車標(biāo)右邊界到粗定位區(qū)域中軸線的距離.

2.3 垂直紋理背景的車標(biāo)精定位

對于車標(biāo)背景散熱片是垂直紋理的,利用Sobel水平算子對其進(jìn)行背景消融,并采用鄰間二值化.與類水平紋理不同的是,垂直紋理鄰間二值化是取 (i,j)與該點(diǎn)左右兩個(gè)點(diǎn)的灰度值相加,當(dāng)相加的值小于k即視為噪點(diǎn).

在垂直紋理的散熱片背景中,車標(biāo)下方或者上方通常會有一條水平長條,對車標(biāo)的精確定位有所影響.因此,在鄰間二值化之后,需要對其進(jìn)行消除.實(shí)際中這條水平長條大多數(shù)并不是完全水平的,而是具有一定的幅度,且其在水平投影上的值與車標(biāo)部分差異明顯,因此,當(dāng)相鄰兩行的投影值相加結(jié)果大于粗定位圖像寬度的1/5,即視為長條部分并去除.

其中,f(i,j)為點(diǎn)(i,j)的灰度值,h(i)為粗定位區(qū)域水平投影,W為粗定位區(qū)域?qū)挾?

垂直紋理預(yù)處理后的車標(biāo)部分在垂直投影上具有連續(xù)性且長度最大,在水平投影上分為幾個(gè)連續(xù)區(qū)域.基于這一特性,可以取垂直投影中連續(xù)不為零的最大區(qū)域,其他區(qū)域可視為噪點(diǎn)并去除.對經(jīng)過垂直方向上去噪之后的圖像進(jìn)行水平投影,取投影中長度最大的連續(xù)區(qū)域,然后與各連續(xù)區(qū)域?qū)Ρ?小于最大區(qū)域長度的1/5視為噪點(diǎn).最后對經(jīng)過去噪之后的圖像膨脹,取其最大的外接矩形,即是車標(biāo)精確定位的結(jié)果,如圖9所示.

圖9 垂直紋理背景的車標(biāo)精確定位

3 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性,從某城市主要道路隨機(jī)采集了轎車車頭圖像,并準(zhǔn)確獲取了含有車標(biāo)的粗定位圖像1000張,車標(biāo)種類32種.包含了實(shí)際運(yùn)用中常見的轎車車輛散熱片背景.本文將其分為三類:無散熱片背景101張,類水平散熱片背景612張,垂直散熱片背景287張.采用本文算法對這1000張圖像進(jìn)行車標(biāo)的精確定位.由于本文算法是對現(xiàn)有的基于背景紋理分析的車標(biāo)定位方法[7,8]的進(jìn)一步改進(jìn),故采用本文同樣的實(shí)驗(yàn)數(shù)據(jù)與文獻(xiàn)[7,8]進(jìn)行對比(C++實(shí)現(xiàn)測試),結(jié)果如表1所示.

表1 車標(biāo)定位準(zhǔn)確率對比(單位:%)

文獻(xiàn)[7]采用了動態(tài)模板定位類水平紋理邊界的方法,同時(shí)對于垂直紋理引入了邊緣顆粒度的概念,但是當(dāng)背景散熱片紋理比較復(fù)雜時(shí),定位效果并不好,且受光照的影響較大.文獻(xiàn)[8]采用不同的濾波算子對不同的車標(biāo)背景散熱片進(jìn)行消除,并根據(jù)車標(biāo)的物理特性和自適應(yīng)二值化實(shí)現(xiàn)精確定位,但其對于車標(biāo)背景散熱片是網(wǎng)狀的定位率較低.本文方法基于投影的車標(biāo)背景分類對不同的背景散熱片進(jìn)行消除,采用了一種鄰間二值化和基于投影的去噪方法,能很好的消除車標(biāo)背景噪聲的影響,適用性廣,對車標(biāo)的定位更加準(zhǔn)確.由表1可知,本文算法的車標(biāo)定位準(zhǔn)確率明顯優(yōu)于文獻(xiàn)[7,8].

本文算法受光照影響較小,對于多數(shù)存在反光現(xiàn)象的背景能夠?qū)崿F(xiàn)車標(biāo)精確定位,如圖10(a)所示.但是對于反光現(xiàn)象特別嚴(yán)重的,如圖10(b)所示,定位效果較差,主要是因?yàn)榉垂獾拿娣e太大,其邊緣與背景紋理的方向差別較大,無法對其很好的消融,造成定位錯(cuò)誤,這也是以后需要進(jìn)一步改進(jìn)的地方.

圖10 反光背景的車標(biāo)定位

4 結(jié)束語

本文提出了一種基于背景紋理的轎車車標(biāo)定位方法.首先依據(jù)車標(biāo)和車牌之間的空間位置關(guān)系的先驗(yàn)知識,獲取車標(biāo)的粗定位區(qū)域,然后依據(jù)其在水平投影與垂直投影上的差異性將車標(biāo)背景分為三大類.運(yùn)用Sobel算子分別對不同種類的散熱片進(jìn)行消融;為了更好的去除散熱片背景對定位車標(biāo)的影響,本文引入了一種鄰間二值化方法,既有效的保存了車標(biāo)部分的信息,又能更好的消除背景的噪點(diǎn),特別是對網(wǎng)狀和有一定角度的背景散熱片的效果尤其突出.同時(shí)采用基于投影的去噪方法消除車標(biāo)周圍殘留的噪點(diǎn),并利用車標(biāo)的物理特性和形態(tài)學(xué)對圖像進(jìn)一步處理,以此實(shí)現(xiàn)車標(biāo)的精確定位.本文提出的車標(biāo)定位方法實(shí)用性強(qiáng),適用于不同的車標(biāo)背景,特別是對背景比較復(fù)雜的(如網(wǎng)狀散熱片背景)車標(biāo)定位效果優(yōu)于其它方法.實(shí)驗(yàn)表明,本文的車標(biāo)定位方法是準(zhǔn)確、高效的.

本文算法在實(shí)際的實(shí)驗(yàn)中效果很好,但對于反光現(xiàn)象特別嚴(yán)重的車標(biāo)粗定位圖像,定位準(zhǔn)確率相對較低,需進(jìn)一步改進(jìn).