基于MATLAB的车型识别算法研究----论文

本科毕业设计第1页共32页1绪论1.1课题背景随着中国经济迅速发展，私家车等多种车辆数量越来越多，给我国目前的城市交通带来巨大压力，人们希望有一个智能的交通系统，实时监控交通情况，实现自动交通管理，这就促进了智能交通系统的产生，目前一些大城市已经逐步引入智能交通系统，例如高速公路的联网收费，停车场信息化管理等，随着智能化交通管理需求的不断增加，智能交通系统将有很大发展空间。车型的识别虽有很多年的发展史，但仍是一个较大的难题，首先，车辆在不同时间及环境影响下，其颜色、光泽度等都会有不同变化，而且车辆在行驶中，其位置、速度都有随机性，使得车辆在录入镜头时形状、大小也会有改变；第二，车辆的拍摄角度变化、邻近物体的影响、车辆之间遮挡等条件也会对车辆外观造成一定影响；第三，背景图像的持续变化以及光照条件、天气季节变化等因素影响。因此车辆识别与智能交通系统的需求还有一定差距，需要我们继续努力，在识别的准确率和使用性上做进一步提高。目前智能交通系统在许多重要技术上已经解决，但是一些细节方面，比如车辆的准确识别问题还没有很好的解决。而且车型识别是智能交通中重要的一部分,所以本课题意在研究一种车型识别方法,实现交通管理智能化，应用于十字路口的信号灯变换，交通流量统计，停车场自动收费，收费站不停车自动收费，公安交通管理等方面。迄今为止一些发达国家在这方面已经有所成就，并且有成功的应用，我国在车型自动分类方面仍处于落后状态，所以车型识别技术对于智能交通系统的完善具有现实意义。1.2国内外研究现状车型识别的方法较多，目前比较常用的有红外探测法、线圈感应法和基于图像的车型识别。用图像做车型识别的研究较多，因为图像一般包含信息量较大，只要能提取出准确有效的车型参数就可以得到较高的车型识别率，硬件设备要求低，只需一台摄像机安装于路边，与主机相连，同时也便于维护。由于各大城市交通状况日益严峻，国家开始重视交通资源的合理利用，并在这一课题研究上给予各方面支持，已经有多家高校及研发机构参与此项研究，服务于交通系统，在国内有几家相关研究单位已经开始车型识别方面的研究，提出了一些计划方案，如西安公路交通大学提出了激光车型识别系统，将两组激光收发器装于路面，测量车辆本科毕业设计第2页共32页的轴数、轴距、轮胎数和轮距，并通过这些参数对车型做识别。中国科学院提出了基于模糊模式的车辆识别系统，原理是车辆经过环形线圈传感器产生感应曲线，根据感应曲线的特征，用模糊识别方法识别车型。在国外，车型识别方面的研究开始的比较早，在一些关键技术上已经有所突破，如日本立时公司用环形线圈和超声波技术，检测车辆长度、高度和地盘高，从而识别车型。英国采用环形线圈和红外线测量轴数和轴距来获得车型参数。虽然国外相关科研机构不少，但是真正拥有成熟技术并生产出被广泛认可的产品却为数不多。所以这一领域的发展和提升空间非常大。我相信，经过多方面努力我们在车型识别领域一定会有很大突破。1.3本设计研究内容本设计研究了车型的识别方法，研究图像的基本操作方法，对图像做预处理，包括图像的灰度化、二值化、图像分割填充、及形态学的一些操作方法。图像特征值选取思路和BP神经网络设计的车型分类器对车辆做识别。2车型图像的预处理图像的预处理是车型识别的基础，对读入的.jpg格式的图像做一些基本操作，简言之就是要去除冗余的信息，得到车型识别所需要的特征信息。2.1Matlab软件介绍MATLAB将数值分析、矩阵运算、编程技术、图形处理结合在一起，为用户提供了一个强有力的科学及工程问题的分析计算和程序设计工具，它还提供了专业水平的文字处理、符号计算、实时控制和可视化建模仿真等功能，是具有多种语言功能和特征的新一代软件开发平台。MATLAB已发展成为适合多种工作平台，众多学科、功能强大的大型软件。在欧美等国家的高校，MATLAB已成为线性代数、数字信号处理、数理统计、时间序列分析、动态系统仿真等高级课程的基本教学工具。成为相关专业学生必须掌握的基本技能。在设计研究单位和工业开发部门，MATLAB被广泛的应用于研究和解决各种具体问题。在中国，MATLAB也已开始日益受到重视，因为无论哪个学科或工程领域都可以从MATLAB中找到合适的功能。Matlab有以下优点：（1）编程效率高，比C语言等更加接近我们思维习惯和书本科毕业设计第3页共32页写习惯；（2）方便使用，在编程和调试过程中它是一种比VB还要简单的语言；（3）较强的扩充力，有丰富的库函数，一些复杂的数学运算可以直接调用；（4）语言简单，内涵丰富，（5）高效方便的矩阵和数组运算。Matlab软件有非常友好的编译环境，并且进行编译的语言也很简单，容易应用，在数据和图片这方面也有相当大的处理能力。由于Matlab软件的简单方便化，它在各个方面也有很多的应用，尤其是在模块集合工具箱方面的应用更为广泛。2.2图像处理2.2.1设计思路将摄像机装于要检测的路段，提取图像背景和车辆图像信息，做灰度处理、滤波去噪将车辆图像与背景图像做差，得到车辆大致轮廓图，做图像二值化、边缘检测、膨胀，填补边缘缝隙，开运算、闭运算平滑图像轮廓，对图像做一系列预处理后可以得到比较准确的车型轮廓图。提取该轮廓的特征值，如长宽比做为车型的判断依据，训练BP神经网络对车辆特征值做判断识别。具体车型识别流程如图2.1所示：开始是否有图像结束本科毕业设计第4页共32页否是图2.1车型识别流程2.2.2图像灰度处理、中值滤波本科毕业设计第5页共32页图形的处理就是将各种在人们心中已经产生的图像，或多或少的进行操作与加工处理，让其以更为清晰、真切的表象它在人们心中留下的真实感觉与感受。这也是我们对图片一直不断改进的目的与要求。将输入的背景图像和车辆图像变换为灰度图像，因为灰度图像比起彩色图像包含的信息量少很多，可以减少运算量，增加图像运算速度，而且灰度图像比起彩色图像可以适应不同的光照条件，可以减少因光线变化产生的误差。经灰度变换得到的图像如图2.2、图2.3：图2.2背景灰度图本科毕业设计第6页共32页图2.3车型灰度图为了能够很好的实现车型的识别，必需使车型图像有清晰的轮廓不能含有高频噪声，为了达到这个目的，就必须要对图像滤波去噪，改善图像的质量。图像中存在的噪声一般都是一些随机信号，通过试验和对比，得出中值滤波后效果较好。中值滤波的原理是确定一个邻域,然后排序像素灰度值,并将中间的值作为像素灰度新值。此邻域即为窗口。中值滤波的一维算法的定义为:当n为奇数时,中值就是n个数χ1,χ2,..,χn按数值大小顺序处于中间位置的数;当n为偶数时,中值是两个中间数的平均值。中值用符号med(χ1,χ2,..,χn)来表示。例如:Med(0,1,3,4,6)=3中值滤波算法在二维下的定义为:数字图像各点的灰度值用{ijx}表示,其中(i,j)取遍2z或2z的某子集。A为波器窗口,其尺寸为N=(2K+1)×(2K+1),ijy是窗口A在ijx的中值,则:ijy=med{xi+r,xj+s,(r,s)∈A}（2-1）图像在交通场景中获得的会含有大量的点状或尖峰状噪声，大部分是由于天气等原因引起的，而且运动速度较快会引起运动模糊现象。滤波处理就是要有效地去除这两种噪声。经过分析比较本设计采用时域去噪中的中值滤波法，它不仅可保持较好的图像边缘，还具有抑制干扰脉冲和点状噪声的作用。将邻域中的像素按照灰度级进行排序,然后选择本组中的中间值作为输出像素值的一种领域运算，我们称之为中值滤波器。这种邻域运算的具体步骤如下：首先让模板在图像中移动，在移动的过程中要使图像中某个像素与模板的中心位置重叠，然后读取模板下一个与像素相对应的灰度值，把所读取的灰度值按照从小到大的顺序排成一列，并且从这一列灰度值中找出处在中间的哪一个，最后将找出的这个中间值赋予与模板中心相对应的那个像素。在数子图像的处理中，常用的滤波窗口有圆形、方形等。本设计中运用常用的方形窗口进行滤波，窗口大小根据所滤波范围选取，一般选用3*3或5*5的。滤波的常用方法有平均滤波、均值滤波和中值滤波等，平均滤波使得图像的边缘变模糊，不利于车型图像的特征提取。均值滤波为非常典型的线性滤波算法。中值值滤波可以达到去除噪声的效果，因为受到干扰的像素灰度值与它临近的某些像素的灰度值有很大的差异，因此中值滤波后的结果是将此干扰点灰度值变成其临近某些像素的灰度值。从而很好的去除噪声。中值滤波背景和车型如图2.4、图2.5：本科毕业设计第7页共32页图2.4背景图中值滤波图图2.5车型图中值滤波2.2.3图像差分随着计算机技术飞速的发展，图像分析的各种相关应用也在向各个领域各个行业不断的深入。彩色图像虽然比灰色图像包含更为丰富的信息，但是也有很多的问题和困难本科毕业设计第8页共32页随之存在着，其中很重要的一个方面就是在周围环境的影响下，各种照明的光线条件会对图像产生相对应的影响。所以，以色彩作为特征的各种图片分析，在光线照明的影响下会变得极其敏感，可能就在其一点点的光照影响下而发生非常明显的变化。背景差分法的原理是：现拍摄要识别的某一路段背景图，背景图最好没有车辆或其他移动物体的存在，这样可以排除其他因素的干扰，对实验的运行有较好的成果。将获得的车型图像和背景图像做差得到差值图像。通过对差值图像进行二值化等处理可以得到当前输入图像中车辆的基本轮廓图形。这种算法能够检测运动车辆和静止车辆，因为拍摄图像与背景图的相差部分都能被检测到；该算法有以下优点：（1）运算速度较快；（2）算法对光线变化不敏感，鲁棒性强；（3）不涉及求取均值等较耗费时间的运算。此方法的缺点是随着环境的时刻变化，背景也在不断变化，因此必须定期更新背景图像。图像差分也称为图像的减法，常用于检测图像变化，在利用图像减法处理图像时，往往需要考虑背景的更新机制，尽量补偿因天气、光照等因素对图像显示效果造成的影响。图像差分函数调用方法如式（2-2）：A=imsubtract(B,C);（2-2）公式中B、C分别代表要相减的两幅图像。差分所得图像如图2.6。图2.6差分图由图2.6看出，将车辆图像与背景图像做差后，两图中相同的部分已经全部被去除，本科毕业设计第9页共32页只留下较为模糊的车型轮廓，这只是车型轮廓的雏形，之后会有对此轮廓做更细致的操作。2.2.4图像二值化图像二值化处理就是将全部亮度等级图像通过合适的阈值选择而获得能够反映图像全局和部分特征的二值化图像。图像处理中，一般要先把灰度像素二值化，以便于对图像进一步的处理时，不涉及像素的多级值，而且占用的存储空间较小，运算较快，更重要是的能够得到图像的一些几何特征或其他特征信息。二值化后图像如图2.7：图2.7图像二值化在选择合适的阈值的条件下，做二值化可以得到较为清晰的车型轮廓，只是边界或内部都较为凌乱。接下来会将这些令人不满意的地方着重修改。2.2.5边缘检测边缘检测目的就是要加强图像轮廓信息，是图像中各个物体的轮廓比原图像更加分明，便于图像特征提取，得到清晰的目标特征轮廓信息。边缘检测是图像处理中很重要的技术，因为图像的边缘包含有大量信息，对图像做边缘检测可以使边界信息更加明显，所以边缘的确定与提取对于目标图像的是别来说是非常重要的步骤，也是图像分割不可缺少的一部分。基于以上的一系列处理我们已经得到了图像较模糊粗犷的轮廓形状，边缘检测本科毕业设计第10页共32页将像素亮度变化较大的边界像素检测处理，将检测出边缘的图像再做一些处理就可以进行车型特征提取和形状分析了。边缘检测不同的算子有不同的特点，有Sobel算子、Prewitt算子、Roberts算子、Log算子和Canny算子边缘检测。本设计对各种算子的边缘检测效果做了以下对比。Canny算子在处理受加性噪声影响的图像边缘检测效果最好，边缘定位精度高，单边响应效果好，幅值和方向角可用直角坐标到极坐标的坐标转化来计算，如式2-3:-（2-3）M[i,j]反映了图像在的边缘强度，H(i,j)反映了图像边缘的方向。使得M[i,j]取得局部最大值的方向角H(i,j),就反映了边缘的方向。Canny算子的边缘检测效果如图2.8