基于圖像處理的車型識別

基于圖像處理的車型識別,基于,圖像,圖象,處理,車型,識別,辨認 軟件學報，8卷，8號，8月20日一種高效的車輛模型識別方法楊輝華中國桂林廣西市信息科學實驗中心 郵件:yanghuihua@tsinghua.edu.cn翟磊,李玲巧,劉振丙,羅一辰,王勇中國桂林電子工業(yè)學院\電子工程與自動化學院郵件: keylei203@gmail.com, zbliu@guet.edu.cn, 54pe@163.com, louisluo@guet.edu.cn, wang@guet.edu.cn賴海燕,關明中國廣西桂林通信投資集團有限公司 郵件:13517810019@163.com, gm9099@sina.com這篇文章介紹了一種有效基于自適應Harris角點檢測器的車型識別方法。第一，汽車散熱器格柵作為ROI和Harris角點檢測是用來檢測角，車輛模型的特點，針對不同型號或不同的環(huán)境相同的模型之間的角數不一致的問題。第二，構造了一個自適應閾值函數來控制角點的數目來代替一個 的閾值， 一 數 的 角。第， 方 的 是為了 車輛識別 法通 CPU/GPU 構 模 來 實 的 ，?￠法和 ￡?的 化。對12種車型1096輛￥?車 的實驗§currency199.5%的識別' “， 通 與?特??fii5 2400和NVIDIA c2075fl 實–fl?58X ??！??明，???”?的方法…‰ 實 應用的 。?數 `-車輛模型識別′王 ?′自適應Harris 法′?同 的CPU / GPU一ˉ?˙車輛模型識別是¨ 通??的一個有 ??ˇ的—題。 [ 1 ]和[ 2 ]，角點特 來實–汽車ˉ公 汽車的 ， 型 車 型 車 [ 3 ]，是 的車輛 識別車輛模型的一個有的方法， 識別 ? a93%。車輛制造和模型為一個 一的 和 …的同 ，??有· 的識別??的?o。 [ 4 ]和[ 5 ]，一個 的 識§ ?，?￠ 個對 的識別模 ，代? ?方的汽車 ， ?，?? ，? 識別。這種方法的 點是敏感的照明 件。[ 6 ]，車輛模型的識別方法，” 紋?特 的散熱器格柵采用基于灰? 矩陣 GLCM ，?ROI ? 室外環(huán)境中是很ˇ的。 [ 7 ]，尺?不變特 變換 篩 的功 證明是合適的車輛制造商和模型識別，?它?有實 ?？傊?，上述模型辨識方法仍然不 很好的解決方， 室外環(huán)境中的實 車輛識別任務。主 原因有2：1.復雜的室外環(huán)境下的感興 區(qū)域 ?和特 ”是?ˇ的。2.識別 法不 實 應用的實 .同一 間，CPU/GPU?同 已成為 密集型任務的數 ￡?越來越 ， 受a近年來[ 9] [11,12]許多應用開發(fā)商的關注。這是因為GPU甚至…‰為非… ˉ通用 ”供了廣泛的資源：￥規(guī)模 ￡?，高內存帶寬，和通用?令集。GPU / CPU?同 使用的CPU的￡?序列識別任務和使用GPU來￡?￥ 的 復 ”高應用的關鍵 。GPU / CPU?同 廣泛應用于 ￡?領域[ 10 ]。??? ，這 ?技術 車輛模型識別領域的應用?有?o。本文”?了一種新的基于自適應Harris角點檢測的車型識別。這是“jt-g綠 通道檢測 ?”的一部 ，它采用基于機器 覺的模 識別技術，實–車輛駕駛室的自動檢測和安全避讓。首先，散熱器網格 ?為投資回?“的基礎上。 然?，利用自適應Harris角點檢測的ROI的角落，一個自適應的閥值函數是軟件學報，8卷，8號，8月20日構造來控制角點替換一個 的閾值。該方法 證 的 一 數 的 角，避免了不同模型之間的角點數目的劇烈變化，或 不同環(huán)境下的相同模型， ?￥￥”高了識別的 ?和堅 。此外，對車型識別的 化 方 ，?￠自適應 法和工作流的 化的 化，‰ 證 法具有 ?的響應 間， 實 的 。輸?： ??的二值 。一步：用 子抑制水fl紋? [1,-1].Dx (i, j) ? g(i, j) ? g(i ? 1, j)b. 利用 子抑制垂直紋?[1,-1]T.D(i, j) ? Dx (i, j) ? Dx (i, j+1)c. 抑制噪聲.(1)(2)?1f (i, j) ? ??0D(i, j) ? 0D(i, j) ? 0i ? r j ? r sum(i, j) ? ?? f (i, j)i ?r j ?r(3)二ˉROI ?復雜領域環(huán)境下ROI的選擇與穩(wěn) ???。 [ 6 ]，車輛散熱器網格作為ROI完成了良好的車輛識別效 。本文還使用這種方法，?增 了標志的信息，‰”高ROI的區(qū) ?， 1?示。?255pixel (i, j) ? ?? 0T = r ? r / 2 ? 1sum(i, j) ? T sum(i, j) ≤ T圖1.車型識別的感興趣區(qū)域選擇ROI是基于標識的?置。車牌區(qū)域的?置是穩(wěn)的 一 區(qū)域里。 車牌號碼…‰ ?和 測，它也…‰currency1a 垂直方 上的車輛標志?置。車牌號與車輛標志的關 2?示。一 標志總是 車牌的?置上，?? 垂直方 或?置上檢測a標志， ￥ 矩 作為輸 。圖2.通過車牌來確定標志的近似位置對ROI?置，標志的垂直?置是 的，‰ 。 法1 述車輛標志的垂直?置 ? 程。法：為標志的垂直?置。輸 ：基于車牌的灰? 。內 的￥ ， 是自適應閾值。d. ” ：用Canny 子檢測 ，輸? *.e. §currency1的 ， 值是 ￥的水fl 。3?示標志垂直?置的感興 區(qū)域 ? 。的高?，寬 的寬?，是標志的垂直?置，是一個 驗 數。(a)基于fl 的 ?置(b)標志垂直?置的?置(c)基于標示?置的ROI?置3軟件學報，8卷，8號，8月20日ˉ自適應 法A. Harris角是 ? 的有 點 。 ?是 散的，… 的和有 的。特 角 示的自然 良好的一致 ，本文選擇角作為特 的車輛的模型 。 有 許 多 角 落 的 測 器 ， Harris，Fast，SIFT，SURF 。 4是一個角點的檢測Harris，SURF和SIFT的 別。(a) Harris (b) SURF (c) SIFT圖4.角圖像檢測三個探測器?示，Harris角點檢測 角點 ? ?的角? 好的· 。自 Harris角點檢測是基于一 Hessian矩陣，?‰它具有 高的檢測 ??；赟IFT和SURF高 尺??間， 具有高 的特 ， ￠里￡ 好的?￥ 。因為角的?置信息 ?§的 程中，??選擇的Harris角點作為本文的 測器。.B. Harris 角檢測器Harris角點檢測是一種 currency1的角點檢測 法'￠里￡C和“ ￡ 1988”?的。它是一個基于信號的特 角點” 子，? ?￡?的 ，???(u, v)?動 任fi方 ，然?灰?變化 …‰ 為 4 :E(u, v) ? ? w(x, y)[I (x ? u, y ? v) ? I (x, y)]2x, y? Au2 ? 2Cuv ? Bv25.對Harris角點檢測的￡?步flC. 對車型識別中Harris的currency1型 R的角落響應值，R不是一個 的閾值T…‰ 為點是角點‰上，–??不是。 閾值 模 識別一·問題.1. 不同車型之間的角點 數 ?致不?§。 6?示，車輛有一個 角點，車輛有許多角點，一個和相同型號，一個和?與不同型號。 這種??下，一個與?方之間的角點?§成功的”數 一個或多個點之間 ?§，因此??currency1?·?，一個和二…有相同的模型，車輛模型識別的一個是‰ .(a) A和B有22￡相?的角點(b) A和B有20￡相?的角點? A M ? ?? ?uC??sv?M ?uv?T (4) 6.不同車型之間的角點 ?致不?§?C B?A ? X 2 ? w , 灰度圖 一階導數 高斯模糊非最大抑制閾值比較 響應值相關矩陣B ? Y 2 ? w , C ? ( XY ) ? w , w(x,y) Harris的特 為 部 ￥值， 響應函數：CRF ? ΔM ? K (traceM )2ΔM ? ?1?2 tr(M ) ? ?1 ? ?2 ` 作為一個 的′數，K是一 0.04~0.06。A點的CRF 閥值T，是一個角。Harris角點檢測 子 的 數K和T的 數選擇的? ?ˉ響 的測?· 明 。 法流程 5?示.2.不同˙照 件下角點 數的 ?致不?§。7，車輛D和F 不同的˙照 件下相同的型號，有相同的˙照 件下不同型號。'于對照明Harris角點自適應 不好，角點 良好˙¨ 件下 于不好的˙照 件下 ￥。D和E之間的?§角點的數 是 成功 這種??下的D和F之間的多。因此，??的·?是，D和E具有相同的模型中，D車型識別是‰ 的。.w h0?軟件學報，8卷，8號，8月20日(c) D和E有14個相?的角點(d) D和F有11個相?的角點7.的角點 不同的˙照 件下的模型??致不?§的 6和7?示，為車輛模型的識別效 currency1Harris角檢測器 法是不好的。的關鍵原因是，角落點的數目是很ˇ控制。有 不同的模型或 不同的環(huán)境檢測之間的角點的數目有很￥的 ，?‰′′??致不?§。D. 自適應Harris 法角點 數??的不一致 的不一致 ˉ響模型的識別 ?。角點的閾值應與響應值的總? 和變化??有關。因此，??采 的fl?響應和變化?? ˇ總和作為 的自適應閾值，具? (6):threshold ? 1 (?? f (x, y)) ? ? *[max( f (x, y)) ? min( f (x, y))]w ? h x?1 y ?1(a)(b)'— 60角點(c) 閾值(d) 自適應閾值8.使用 閾值和自適應閾值的 不同的模型中 6 ，角點的 數的 之? 是 不同的環(huán)境中是一致的，?不完全。序角響應值‰ ”高 ? :1. 響應值 序角。 ￥的角落 ， 角落。2. 置一個 數，它?示角點的 輸?數。它通′ 的 數目 。自適應 法流程 9?示.f (x, y) ? ?r(x, y) r(x, y) ? t? r(x, y) ?? tr(x, y) ? Δ(M )tr(M )2 (6)中，R X，y ?示 標 x，y 的的響應值。t的 驗 .自適應閾值'fl?值和?選角，這 a 作為一個 ?的 ?變化的變化??決 。 目標車輛模型具有 一紋? 或 ˙¨不 的 件下， 的 ? ，相對響應值?，?自適應閾值也? ，??還 的輸?的角一 點數。與此相 ，自適應閾值也高， ?…‰限制 ?角.8?示， 中的角點“ 數為60 。 。9.自適應￡?步fl灰度圖 一階導數 高斯模糊 相關矩陣 響應值非最大抑制自適應閾值o 角輸? 角點8 b 是角 使用 閾值， ? 8 c 的角使用 3 。??…‰ a，自適應￠里￡ 具有 高的' 。自適應閾值，…避免閾值的， 證 同一 間的檢測 ?. 自適應Harris 法避免了模型和模型和環(huán)境之間的 ?ˉ響識別的' 。 示于 10 同一車輛 6 ，車輛A，B和C 已 15角落，車輛A和B有5個角點和A和C有13個角點，??currency1?·?：一個用C A 相??。軟件學報，8卷，8號，8月20日(a) D和E有14個 ?的角點(b) D和F有11個 ?的角點 10.型號識別車輛D 自適應閾值…‰通 置 和 證 一 ?程?上有一 的角點。角落里的點數車輛模型的識別 ?的ˉ響。很 有功 的角落 ?§? ，功 增 了 角 。完 的? ‰a該機型的特點，同 也避免了“?的角落”。。 11是關于車輛模型 ?下，不同數 的￠里￡，SURF檢測角點的? ， 別SIFT 法。的· ?明， 角點100-150 T =15，?= 0.05 的識別 ?的??內的數目是相對穩(wěn) 的。 角點130，Harris 法模型 a 高的識別' “高 99?。12?示，利用數 ??§來 模型的相? ， ?點是? ˉ 于 和 。 點是 ￥數 ?的??下， 是非′ 的，不 實 。12.車輛模型識別 法的 程A. 法的 化化的 法?￠ 自適應 法和 ￥相關法。這2種 法 是 密集型的，非′適合 ?。? 了這兩種 法的￡?流程 真，無關緊 的環(huán)和矩陣運 傳輸aGPU的￡?ˉ信號的傳輸和CPU的邏輯￡?。樣本 壓縮a200X200的￥ 。角點檢測的每個 和角?§ 不是太￥。此外，GPU和CPU開銷之間的通信是￥的，和 法的 ?不是很高。.?一. 自適應Harris 化11001050HarrisSIFT SURF100095090085080050 100 150 200 250特 角點數 11。角點對車輛識別 ?的ˉ響四ˉGPU / CPU?同 車輛模型識別方法?￠感興 區(qū)域 ?ˉ角點檢測和角點?§。角點檢測采用自適應 法，和角點?§使用 ￥相關 法 ￥相關 。B.標'數1091/1096 法 步fl…fl 化的 (Y/N)自適應Harris1.灰? Y2. ? Y3.高￡模糊 Y4 相關矩陣 Y5.響應 Y6.非 ￥抑制 Y7.自適應閾值 N9. 角 N￥相關8. 相關矩陣 Y9.搜索?§角 Y10. ?§角的 YROI?置 自適應檢測角 ￥相關?§角C. 工作流 化對于 個車輛的識別方法，'于角點檢測 個 程中 稱一”， ??對 個模型的貢獻是有限的。 ￥相關 法 稱為每一個?§ 程，? 法本身的 。因此，它不是 個方法效“的瓶頸。 數 傳輸 程中，￥部 的識別， ?效“不高.。車輛 使用自適應Harris檢測角軟件學報，8卷，8號，8月20日因為每一個角點?§ 程是獨立的，對不同車型的?§…‰ 化。??選擇了NVIDIA的CUDAfl ，采用?化方法 下：1. 載數 集的第一特 ，一·′數高￡ 數 別 載aGPU的′ 寄存器。2. 特 數 ?的數目 置為¨程 ， 一個¨程 中 置一個¨程數。13中實–了工作流的 化。.13.車輛模型識別的 模型框架五ˉ實驗· 與 A. 數 集 述和實驗環(huán)境 數 集來自“JT-G綠 通道檢測 ?”對廣西“全黃”高?收費站。數 集?￠6 標志，12車型和1096 和側 與3-20公里/ 的??通 備的?? 。受傳感器的敏感 和車輛的勻?駛，車輛的 和角?… ?有輕微的偏 。樣品也?含不同的照明 件， 陽˙充 ，多云，和晚上。實驗環(huán)境 下:1. 機 ：Intel Core i5-2400@3.10GHz x4, 4GB內存, win7 sp1 x64 操作 ?。2. ?：NVIDIA Tesla c2075，CUDA V4.2?！?§角 ?§角 ?§角 ?§角N1 N2 N3 Nn通用的 佳模型識別模型車輛特 1車輛特 2車輛特 3車輛特 N1 2 3 NN = arg Max{N1,N2,N3, ,Nn}14.高?公路綠 通道檢測 ?B. 識別 ?currency1 “萊娜”的角點檢測‰驗證基于GPU/CPU?同 的自適應 法的 ?。 · 15?示。??…‰ a，雙角 乎是相同的，這證明了 法的' 。值currency1注 的是，這2個角落的是不一樣的。這是因為流動 ?的CPU和GPU之間的矛盾。它?致的 · 有一個 的偏。.(a)中央￡?器版本 法的角 (b)GPU / CPU版本 法角點的 15.效 CPU和GPU / CPU版本的 法版本車型識別具有多種特 ” 方法，本文 了灰? 矩陣，Phash，DCT，沖浪，SIFT和￠里￡，· 見?二。軟件學報，8卷，8號，8月20日?二.8特 ” 方法的車輛模型識別 ?四.車輛模型識別基于GPU/ CPU?同 ??fl CPU/ms CPU+GPU/ms ? 自適應Harris 31.1 2.9 10.7￥相關 4.0 2.6 1.5個方法 4071.5 70.1 58.1自適應Harris a99?的' “。 SIFT，SURF和Harris的角落 測器自適應閾值 a了很高的' “，Harris 法的自適應角落的 ? 高。C. 識別 間?涉及的 法的 復雜?，數 ，IO頻“，GPU硬件 和軟件版本。? 是不同 尺寸下的 Harris 法的 ?效 ?！??，數 越￥￡? ， 高的 ??效“。? .? 法尺寸(x2)CPU(ms) GPU(ms) ? 1002 9.3 1.5 6.22002 31.4 2.9 10.83002 54.4 5.4 10.14002 80.2 7.9 10.25002 118.9 9.8 12.16002 184.9 15.0 12.37002 251.9 20.0 12.68002 332.8 27.1 12.29002 398.4 30.0 13.310002 498.2 38.0 13.1?四是 個車輛模型識別方法的 ???。'于數 ￡? ， ?方法僅基于自適應 法和￥相關的 ?不高。 ?的 ??對 個模型識別方法的貢獻是有限的。任務 ?效 是明 的，和 個車輛識別的 ?是58X。六ˉ·?一種汽車模型識別和CPU/GPU?同 給?了高 ?的方法，這種識別方法具有 高的識別 ?和 好的?￥ 。GPU / CPU?同 是用來 ?的方法， 實 的 。致謝這項工作'中國國家自然科學基金合同currency1a支持 號 61105004 和 61172053 ， 合 同 號2012GXNSFAA053230? 中國的廣西， 劃 廣西高 學校 ?秀 才[2011]40自然科學基金 ，廣西?? 教育創(chuàng)新工程合同號YCSZ2012073和2011105950811M24。考文獻：[1] 杜H. Y.“用Matlab BP 法的實–基于車輛 型 識別”， 機與–代化，第5卷，第20-頁，2012年10月。[2] W. X，康，曹X. T.，盛Z ，“Harris角 篩車輛的特 和 型識別”雜志科技，￠?濱?工￥學學?第一卷,17 章，第 69-53 頁，2012年9月。[3] V. Petrovic，T. Cootes，“剛 ·構的車輛 型識 別的特 ，“?國機器 覺?議，2卷，587–596頁，2004。[4] H. S. maemoto，S. Okuma, Y Yano, “用 識§ ? 數的車輛識別”IEEE ?國 ?議，與控制?，4卷，3982–3987頁，2004。[5] J.Ma，J. J.He，L. SHI，“汽車 域網和車輛識別 特 ” ”工業(yè)控制 機，第一卷。 8，72-74頁，2012年10月。[6] H.Lee，“神 網絡的方法來識別車輛型號” 展 神 網絡，ISNN，66-72頁，2006。[7] A. psyllos，阿納格諾￡托普洛￡C N，E 特 ” 方法 ' /?GLCM 62.3PHash 80.0DCT 89.9SURF 78.0SIFT 52.0Harris 95.1SURF(自適應) 92.1SIFT(自適應) 98.1Harris自適應) 99.5kayafas，“ 測 的車輛識別模型”機標'和接?，33卷，142–151頁，二月 2011。[8] C.￠里￡和M. J. satephens?！奥摵辖锹錂z測器”，阿? 覺?議，曼徹￡特，147–152頁，1986。[9] F. S. Lu, J. Q. Song, F. K. Yin, et, al“調查的CPU/GPU?同 ”， 機科學，38卷，5–9頁，2011。[10] C. Shuai, M Boyer, Y. M. Jia, et al ，“ 通用應用 的??￡?器，使用CUDA 與 ”， 與 的雜志，卷68，1370–1380頁，2008年10月。[11] Y. C. Gui, G. J. Zhang，“一種改 的 ￡? 軛 ?法實–對GPU”，軟件學?，第7卷中，2795-2702頁，2012年12月。[12] H. F. Wang, Q. K. Chen，“電源估 模型和 GPU通用編程 “，軟件學?，第7卷，第1164-1170頁，2012年5月。楊輝華博士，桂林電子科技￥學GUET ，北京郵電￥學電信，中國?近 外˙ ，ACM和CCF? 教 教 。 別§currency1學士學?和 士 華中科技￥學 1994年和1997年。 §currency1博士學? 科學技術的中國 部￥學 2005年 了GUEST的 機科學 工作，1997年? 華￥學 2005年7月 中心博士?2007年7月。目 ， 領?的一· ￥項目， JT-G綠 通道檢測 ?，該 法軟件'中國 化， 聯網NIR聯網上的廣西自然科學基金資 科院原 ?。 多”完成項目 中一個'中國國家自然科學基金對近 外˙ 的 模資 。 發(fā)? 或?議?文30 篇 國內外。 的主 ??方 ?￠¨ 信息￡?， 工¨ ，數 ，云 ，近 外˙ 及 應用。振明收a的博士 2010 控制科學與工程學?科學技術，中國的華中科技￥學。于2010年 工程與自動化 桂林電子科技￥學商學院 任 ?教 ，目 是 教 。 的??興 ?￠： 工¨ ，機器學 ，和 ￡?。 發(fā)? 這·領域 10篇?文 ， 中?￠發(fā)? ?和國 ￠ ?議。 也是￡種國 和?議上發(fā)? ? 。軟件學報，8卷，8號，8月20日翟磊， 士 2013年 桂林電子科技￥學學?。 了“JT-G綠 通道檢測 ?”作為主 ?? ，??車型識別基于 ￡?。 主持廣西?? 教育兩個創(chuàng)新項目YCSZ2012073和2011105950811M24 的主 ??方 是 ￡?， 機 。