車臉車燈特征的量化方法研究

　　引言

　　本文所研究的車臉是指由散熱器隔柵和車燈組成的帶狀區域，如圖1所示。車臉的車燈部分具有明顯的形狀特征，因此，通過量化車燈形狀，可達到量化車臉特征的目的。對車臉特征進行量化，可以便于交管部門建立車臉特征數據庫，簡化車臉特征檢索算法，提高車臉特征檢索速度，實現快速、高效的車臉識別。

　　車燈的形狀特征

　　通過考察多類轎車的車燈形狀發現，可以根據車燈的外形輪廓將其分為簡單幾何結構和復雜組合結構兩大類。簡單幾何結構又可以根據車燈形狀劃分為矩形、圓形、橢圓形、菱形、瓜子型和三角形等。對于復雜組合結構的車燈，其形狀輪廓通常為比較復雜的曲線。兩類結構的車燈示例如圖2所示。

　　車燈初始輪廓提取

　　為了提取車燈的初始輪廓，需要先將車燈從車臉中分割出來。從圖1中可以看出：車臉的散熱器隔柵具有明顯的紋理方向，而車燈的紋理方向不明顯。對橫紋車臉進行水平邊緣垂直投影，對縱紋車臉進行垂直邊緣垂直投影，散熱器隔柵均對應投影曲線中的最大鼓包，因此，可以根據這個最大鼓包確定出散熱器隔柵的左邊界和右邊界，即左車燈的右邊界和右車燈的左邊界。從而，車臉被分割成左車燈、散熱器隔柵和右車燈三部分，最終將車燈從車臉中分割出來。

　　在車臉中分割出車燈后，使用Canny算子對其進行邊緣檢測。經典的邊緣檢測算法通常根據各像素點在某個鄰域內的灰度變化進行邊緣檢測，但是大燈邊緣和噪聲都是高頻信號，很多經典的邊緣檢測算法難以在車燈邊緣和噪聲之間進行取舍[1]。通過對多種邊緣檢測算子的比較發現，Canny算子在對車燈邊緣的檢測中表現優秀，對各個方向的邊緣都比較敏感，可以比較完整地檢測出復雜輪廓車燈的邊緣。因此，本文選用Canny算子進行車燈的邊緣檢測，得到的車燈邊緣圖如圖3所示。

　　Canny算子的具體算法如下：首先通過Gauss平滑濾波去除圖像中的噪聲;然后，計算去噪處理后所得圖像的梯度;最后，使用非極大值抑制算法和雙閾值算法對梯度圖中的邊緣進行細化，并剔除虛假邊緣和連接間斷邊緣，最終得到邊緣圖[2~3]。

　　檢測出車燈邊緣后，使用Hough變換提取邊緣直線。Hough變換根據數學對偶性原理將圖像空間映射到參數空間，在圖像空間中共線的點對應參數空間中相交的線，參數空間中所有相交于同一點的線在圖像空間中都能找到共線的點與之對應。其算法思想是：圖像空間中的點(x1,y1)對應參數空間中的一組累加器HT(θi，ρi)，滿足式(6)的每一點都將使對應的累加器加1。如果圖像中存在一根直線，則會有一個與之對應的累加器出現局部最大值，且直線越長累加器的值越大。設定一個閾值，當累加器的值大于該閾值時，認為在圖像空間中存在一條與該累加器對應的直線，并可確定該直線在參數空間對應的一對參數(θ，ρ)，從而檢測出該直線。