《武汉工程大学学报》 2015年01期
73-78
出版日期：2015-01-31
ISSN:1674-2869
CN:42-1779/TQ
颜色特征模型在静态车辆检测中的应用
随着智能交通的发展, 车辆检测技术在智能交通系统中的作用日益突出．因此, 如何简单、有效地从道路中检测出车辆目标, 是一个亟需解决的问题．随着计算机视觉技术的发展，基于视频的车辆检测方法由于其信息采集量较大、检测区域广、不妨碍交通等优点, 因此正成为目前的研究重点． 针对基于视频的车辆检测方法, Ｚ．Ｚｉｖｋｏｖｉｃ［１］提出了基于运动信息的背景建模，通过建立场景背景模型, 通过对背景模型做背景差分提出车辆目标；Ｃ．Ｌｕｏ［２］提出了基于路面先验知识建模, 利用红绿蓝（Ｒｅｄ?蛳Ｇｒｅｅｎ?蛳Ｂｌｕｅ, 以下简称：ＲＧＢ）颜色、轮廓等特征建模对车辆进行识别；Ｘ．Ｗａｎｇ［３］提出了基于小波变换的车辆检测方法；还有经典的时间平均法［４］（Ｔｉｍｅ?蛳Ａｖｅｒａｇｅ Ｍｅｔｈｏｄ，以下简称：ＴＡＭ）和高斯混合模型法［５］（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ，以下简称：ＧＭＭ），然而这些方法大多数都只能处理路面背景中的动态车辆, 当检测静态车辆目标时, 容易将静态车辆目标混入到图像背景中． 笔者提出一种基于颜色特征的车辆目标检测方法, 该方法能有效检测携带静态车辆的动态场景中的车辆目标．该方法通过建立理想的路面颜色特征模型, 利用贝叶斯分类器分类车辆和路面像素, 从而在路面背景中分割出车辆目标．通过实验表明, 该方法与其他方法相比，能够更有效的检测出静态车辆目标． １ Ｈｏｕｇｈ变换与路面感兴趣区域分割 １．１ 路面感兴趣区域分割 在本文的研究场景中, 笔者所关注的感兴趣区域（Ｒｅｇｉｏｎ Ｏｆ Ｉｎｔｅｒｅｓｔ，以下简称：ＲＯＩ）是车辆行驶的路面区域．通过划分路面ＲＯＩ, 不仅能使后续车辆检测的计算负荷和复杂度降低, 同时也提高了计算精确度．在分割完成的路面ＲＯＩ中，仅存在车辆和路面这两种对象标识．假设路面无其他杂物污染时, 车辆与路面的像素集合是对立且互补的． １．２ 路面ＲＯＩ分割步骤 路面ＲＯＩ分割分三步进行：第一步, 采用Ｃａｎｎｙ算子生成边缘图像, 以此作为Ｈｏｕｇｈ变换的二值图像；第二步，利用Ｈｏｕｇｈ变换提取场景中可能存在的车道线或围栏等ＲＯＩ路面边缘直线；第三步, 调节阀值k过滤掉非ＲＯＩ路面边缘直线, 从场景中分割出ＲＯＩ路面． 大量直线被Ｈｏｕｇｈ变换在Ｃａｎｎｙ处理的边缘轮廓图像中检测出来, 然而这些直线中存在大量非边缘直线．设一条直线的斜率为阀值k, 通过控制阀值k, 例如设定1/2