智能交通中的实时车型分类算法.docVIP

 智能交通中的实时车型分类算法 周康，赵衍运** （北京邮电大学信息与通信工程学院，北京 100876） 5 10 15 20 25 30 35 摘要：本文提出了一种实时的车型分类算法，利用监控视频对道路上行驶的车辆进行车型分 类。采用鲁棒的阴影去除算法，以提高车辆划分的准确性；使用基于车道检测的定标方案来 对车辆的尺寸进行归一化，提出了基于尺寸和形状的车型识别方案来完成车型分类。实验结 果证明，本文所提出的方法具有很好的效果。 关键词：模式识别；智能交通；阴影检测；车型分类 中图分类号：TP391.4 A methed of real-time vehicle classification in intelligent transportation ZHOU Kang, ZHAO Yanyun (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876) Abstract: This paper presents a real-time vehicle classification algorithm for vehicle classification using the surveillance video of vehicles on the road. A robust shadow removal algorithm was used to improve the vehicle division accuracy. Calibration scheme based on lane detection was used for vehicle size normalization. Vehicle classification was base on the information of size and shap. HOG was used as shape information combined with SVM to classify vehicle. The experimental results show that, the proposed method has a very good effect. Key words: pattern recognition; intelligent ransportation; shadow detection; vehicle classification 0 引言 随着社会经济的不断发展和车辆数量的不断增长，智能交通规划显得越来越重要。近年 来，计算机视觉的相关技术被引入到智能交通监控中来，在道路监控上取得了很多重要成果。 智能交通监控利用视频处理和模式识别的相关技术，监测并分析监控视频中的车辆运行情 况，监控视频中的车辆分类和车流量统计是智能交通监控的重要部分。 已有研究者在车型分类上提出了很多算法，Xiaoxu Ma[1]提出了一种基于边缘的特征来 描述车辆，将边缘信息和 SIFT 特征结合起来，在识别轿车和出租车上取得了较好的效果。 Hsieh[2]使用一种基于车道的车辆划分方案，有效的解决了车辆相接时造成的车辆分割的难 点，在拥挤场景下的车辆检测中取得了较好的效果。但是目前的车型检测的准确率并不高， 且受到场景变化的影响。本文针对上述问题提出了自己的算法，可以有效的分割和识别车辆， 具有较高的准确性。 1 系统结构 车型分类系统框图如图 1 所示，包括背景处理、前景处理、车型分类三个部分。背景处 理部分包括背景建模和车道检测，前景处理模块包括阴影去除和区域标定。 作者简介：周康，（1987-），男，硕士研究生，主要研究方向：图像与视频处理、模式识别 通信联系人：赵衍运，（1964-），女，副教授，主要研究方向：图像与视频处理、模式识别. E-mail: zyy@bupt.edu.cn -1-  40  图 1  系统框图 为了能够达到实时监控的需求，背景建模所占用的处理时间不宜太多；同时，道路场景 的复杂性要求背景建模有良好的效果。为了能够在速度和准确率上都达到一定的要求，本文 采用了一种相对较为简单的背景建模方法：使用均值建模[3]和帧间差建模相结合的方法。这 45 50 55 60 种背景建模方法的优点是速度快，但是对树枝摇摆的鲁棒性不好。为了消除摇动的树枝对背 景建模的影响，采用人工标记的方法来标记道路中的感兴趣区域。通过人工的标记，可以将 前景区域限定与道路的表面，从而消除周围环境的影响。 前景检测模块可以利用当前图像和背景图像的