ETC系統中的車輛定位識別技術研究

汪毅

摘 要：對于車輛的定位識別技術，本文首先對車輛進行定位，采用了車側的邊緣檢測和提色塊法，對車輛在整張圖片中的位置進行定位。所做的工作如下：將攝像頭拍攝的圖像轉化為灰度圖，使用提色塊法，提取車輛的顏色。主要目的是去掉車輛的陰影部分，提取出車輛的真實圖像范圍。

關鍵詞：車輛定位技術 邊緣檢測算法 提色塊算法 提陰影算法

中圖分類號：U495 文獻標識碼：A 文章編號：1672-3791（2018）03（a）-0000-00

車型的識別雖有多年的發展史，但到目前為止，這仍是一個難題，原因在于：（1）車輛在新舊程度不同時，顏色鮮艷程度、光亮程度各不相同，而且車輛可能由于通過收費站時車速太快，使得攝像頭所拍攝的車型數據不準確；（2）攝像頭放置的位置，環境影響和周圍物體對車輛的遮擋也會給車型識別帶來影響；（3）背景圖像的持續變化以及光照條件、天氣季節變化等因素也會給識別造成影響。因此車輛識別技術還是不夠完美，需要我們尋求一些方法，以提高識別的準確性。

1 車輛定位信息提取

正是由于此種原因，車輛的定位技術應運而生，如果在識別車輛之前，能夠對車輛的位置進行定位，對于我們的研究工作是非常有益的，實現車輛的定位應注意一些特征值的提取。

1.1 反射信息提取

反射信息提取指的是在圖像中將反射光的像素點提取出來，利用車輛的反光特性顯示出車的位置。因為當光照射在立體上時，立體的各個面對光線的反射性各不相同，一般來說反射性最差的像素點位于目標的邊緣部位，由于沒有反射光，因此攝像頭也很難攝入這樣的區域。只有使用軟件的方法對它進行提取，采用灰度圖法可將其凸顯出來，方法是先對彩色圖像取灰度圖，再將其轉化為黑白圖像，在顯示為完美圖像的二值化過程中要反復經過測試選取合適的闕值[2]。

1.2 顏色信息提取

顏色信息提取是將色彩變化的區域從整張圖像中提取出來，這樣的區域一般都出現在圖像的邊緣地帶。通過檢測色變的區域，可以幫助我們定位目標。在檢測時，算法一定要非常精確。適用于色彩信息的檢測及提取的模型較多，這其中使用得最多的還是RGB色彩。根據前面所說，我們要提取邊緣部分，信息識別沒有那么準確，比如要識別車輛部分，有可能將一部分道路表面的色變信息也識別進來，從而拓寬了車輛的寬度，使得識別結果不準確。因此，色變邊緣信息提取只能被組合起來使用才有效。在我們知道車輛顏色的情況下進行識別較為方便，我們可以將車輛的顏色信息作為檢測條件來找出車輛區域?？膳c前面的反射光信息提取法組合起來用，但它有其獨特的使用條件，不是在什么條件下都可以適用的。我們的使用條件通常是在弱反射光條件下，在強光下的檢測結果誤差較大。提取弱反射光信息是很有效的，可在整個圖像中用于識別所指定車輛的大致位置。因此，我們可以將色塊提取方法與弱反射光提取法結合起來使用。具體的操作步驟是：先使用弱反射光提取法，找到一個車輛可能處在的大致區域范圍，然后再在這個區域中進行色度的檢測，以我們所預知的汽車顏色為基礎，找到這樣的色塊區域，最后將我們所檢測到的兩個區域重疊合成，一起構成完

整的圖像，就完成了第二次圖像定位，這就是我們所要的結果。

2 車輛定位技術

定位的內容包括對車輛位置的定位和特征值的選取區域定位。簡而言之，也就是對車的側面和車窗部分進行定位。不管是對車輛目標的定位還是對特征值的定位，其原理都是一樣的，都是使用水平和垂直圖像分割的圖像投影數據進行分析，并尋找出定位的矩形區域。定位處理和信息提取過程還是沒有完全分離開來，完成最初的定位處理后還需要精益求精，從定位信息中求出最精確的定位位置。定位的精度在很大程度上取決于準確的分割閾值，并可

以根據拍攝距離設置參數自動調整分割閾值。

2.1 車側定位算法

對于車輛邊緣的定位算法主要有兩種方法：提取色塊法和提取陰影法。

2.2.1 提色塊算法

提色塊算法在我們的設計應用中非常有效，對于顏色較淺的車輛在深色背景中的定位尤為準確。這種算法的識別誤差較小，在周圍沒有圖像噪聲存在的情況下，識別率可以達到100%。而也會存在著差分圖識別不出來的情況，一般是淺色車輛遇到淺色背景。比如說當白色汽車停在道路上，會受到路面上的白線影響，使得識別時將白線也作為車體的一部分，將兩者混為一談，不能得到正確的定位，顯示出來的車輛形狀不是真實的車型。此效果圖可

見于圖1。

這樣的問題我們當然要解決，解決方法是對算法做一些改進。它的總體思路是：從顏色信息中提取出一個二值化后的矩形區域。在車體和白線之間，顯然車體占的位置較大，并且是連接在一起的，而白線是分隔開的。根據此種情況，我們在矩形區域中取一個中心點，由于車體面積較白線面積要大，因此這個點通常在車體的內部。以這個中心點為起點開始向左掃描，當遇到白色像素點時就沿著水平方向繼續向左掃描，當遇見一個黑色像素點時就停下來，則該點為車的左側區域。然后用同樣的方法，從中心點向右開始水平方向掃描，以期找到該車的右側區域。在前面所提到的提色塊算法中，車輛的寬度信息測量起來是測不準的。使用我們這種改良后的算法，就可以很精確地定位車輛寬度了。當然我們也可以使用這種方法來對車長進行定位，但由于車窗的顏色與車體不同，會給車長定位帶來不便。因此，這種

算法僅僅只適用于定位車寬。

分析上面的算法，最重要的是找到矩形區域內的開始掃描點。掃描時如果遇到黑色像素，算法就結束。當在白色的車體區域內存在著星星點點的黑色像素，就會使檢測不準確。為了避免這種情況，可以在測試范圍內取多個掃描點，以降低隨機性對結果的影響。通常我們取9行3列的點陣形成27個交叉點，以這27個交叉點為基準進行掃描。在這種方式中，它是由左到右，自下而上的對27個掃描點進行掃描，得到27個車寬值，取其中最寬的一個即為車體的寬度。

使用這種算法，即使在白色車輛受到道路交通白線影響的情況下，也可以大大改善對車身寬度的正確定位，最終識別結果如圖2所示。

圖1 提色塊法定位車側效果圖 圖2 改進算法定位車寬

應該指出的問題，即使算法在改進后還是存在著不足，比如說前面就提到過，對于車長的定位，這種方法就不適合。如果存在大型白色車輛，由于其車身較寬，有可能被成塊的黑色區域所間隔開來，在這種情況下，對車寬的定位就不準確。因此，改進后的算法還需要與其他比較好的定位算法結合起來一起使用。

提色塊算法使用車輛的顏色進行分割，而與陰影信息關系不是很大。因此可以利用提色塊法確定車側的陰影，由于陰影信息與車體顏色完全無關，因此兩者之間也沒有干擾，容易得出正確的結果。本文根據車體在矩形區域范圍內所處的位置來判斷有沒有陰影部分，若是有陰影就判斷出陰影部分的大小和它與車體所處的相對位置，并將陰影部分添加到圖像中。2.2.2 提陰影算法

當汽車一側的位置不符合上述改進的提色塊算法時，就需要使用到提陰影算法了。提陰影算法就是試圖找到陰影區域，在色塊區域內加入陰影信息。它首先判斷是否有陰影，如果有陰影，則根據陰影信息來判斷汽車的一側，然后利用邊緣信息得到車輛一側的信息。如果不存在陰影部分，就僅僅使用車輛的邊緣信息對其進行定位。

使用陰影信息來定位車側是利用陰影相應的特征，光線被物體所阻隔就產生了陰影。在我們的系統中，當車輛停在道路上時，陽光照射在上面，光線被汽車阻隔的部分就是這里我們所研究的陰影部分。

3 總結

圖像的邊緣部分對于圖像來說是非常特殊的，它是目標與周圍環境直接接觸的部分，兩者之間的灰度值也不太一樣。目標物體與周圍的環境背景之間存在著大量的邊緣部分，我們要將兩者分割開來。這兩者之間的邊緣部分灰度值是隨著位置的不同而不斷變化的。一個比較好的邊緣檢測方法是提取每一個點在背景圖像中的灰度變化值，然后采用一階或二階取導的方法使兩者之間的邊緣灰度差異更小，這種非常簡單的方法就是邊緣檢測算子法。我們可以量化每一個點的灰度變化率，得出整張圖像的邊緣信息。

參考文獻

[1] 趙榮椿.數字圖像處理導論[M].西北工業大學出版社，2004

[2] 王鄭耀.數字圖像的邊緣檢測[M].電子工業出版社，2006

[3] 王超.基于激光掃描儀的ETC系統設計與實現[D].華南理工大學，2016.

[4] 呂博云.數字圖像處理技術及應用研究[J].科技與創新，2018（02）：146-147.