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(qū)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(shù)據(jù)庫，簡化車臉特征檢索算法，提高車臉特征檢索速度，實現(xiàn)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(fā)現(xiàn)，可以根據(jù)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(jù)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(jù)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(jù)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(fā)現(xiàn)，Canny算子在對車燈邊緣的檢測中表現(xiàn)優(yōu)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]。