物流车辆图像检测与提取研究

陈思远　毛佳　赵雨霏

摘 要：物流车辆图像研究中，提出了基于有限元法的B样条主动轮廓模型识别车辆，在车型识别系统中，首先检测物流车辆经过图像，检测方法有时间差值变化检测和背景差分检测，然后提取物流车辆图像，介绍了有限元法的B样条主动轮廓模型，最后应用该模型对物流车辆的图像提取进行实证分析，实验表明，该方法对物流车辆车型识别效率提高有很大的参考价值。

关键词：图像提取 主动轮廓模型 B样条 有限元法

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0011-02

在中国物流业快速发展势头下，作为企业的“第三利润源”，最低的物流成本和良好的服务能力引起更高的重视，对于大多数企业来讲，物流成本中最大的成本支出是产品的运输成本，在满足客户需求的情况下，最大限度的使用运输设备和工作人员，为实现这个目标的重要途径是物流车辆的准确识别。为达到准确的识别物流车辆的车型，拍摄下经过车辆的图像，对其检测并提取轮廓。

本文针对传统主动轮廓模型数值具有稳定性差、计算复杂度高、收敛速度慢等不足，提出了基于有限元法的B样条主动轮廓模型识别方法。

1 车辆图像检测和背景提取

物流车辆的车型识别过程中，首要工作即分析是否有车辆经过，当有车辆经过时，系统经过检测，直接对汽车进行图像的拍摄。因此，把物流车辆从所拍摄的图像中检测出来，下面将介绍时间差值变化检测和背景差分检测两种方法。

1.1 时间差值变化检测

假设有两幅图像，如果它们的某一相对位置的灰度发生很大的变化，而其他位置的灰度变化非常小，甚至没有变化，则对比这两幅图像各个对应位置的差别，即可检测出图像中是否存在运动车辆。5 实证分析

本文中所提出的基于有限元法的B样条主动轮廓模型属于图像分割中的半自动轮廓提取方法，介于手工提取和全自动提取之间，避免了其他系统存在的主观性、盲目性等缺点。本方法的基本思路是先由用户根据提取目的在目标图像上绘制一个大概的轮廓，之后自动定位、修改等工作交由计算机完成。

其具体操作：首先对目标进行直观判断，用鼠标在图像的大体轮廓上选定一系列的点，之后进行反算，得到初始B样条曲线模型，对上述结果进行有限元运算，使模型曲线精确的收敛到图像的轮廓。运用于车辆图像的轮廓提取，得到的实验结果如图1所示。图1（a）为车辆图像经过灰度化处理及灰度增强后的结果，（图1）（b）即为在用本模型经过训练之后所提取出的车辆轮廓结果。

6 结论

本文检测到物流车辆经过后，利用有限元法的B样条主动轮廓模型提取物流车辆的图像，与传统模型相比，该方法最大的优点是减小计算量并且提高程序的稳定性，用较少的控制点描述整个轮廓线，从而降低方程的维数，提高图像处理的速度。在识别物流车辆车型时，提高了物流车辆管理效率，将大大降低企业的物流成本，具有很好的应用前景。

参考文献

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，闰清东.基于帧间差分方法的道路车辆检测系统[J].微计算机信息，2007，20（10）：10-13.

[3] 成思源.基于可变形模型的轮廓提取与表面重建[D].重庆：重庆大学，2003.

[4] 张海舰，成思源，骆少明，等.基于动态规划法的B样条主动轮廓模型[J].广东工业大学学报，2005（4）：26-30.endprint

摘 要：物流车辆图像研究中，提出了基于有限元法的B样条主动轮廓模型识别车辆，在车型识别系统中，首先检测物流车辆经过图像，检测方法有时间差值变化检测和背景差分检测，然后提取物流车辆图像，介绍了有限元法的B样条主动轮廓模型，最后应用该模型对物流车辆的图像提取进行实证分析，实验表明，该方法对物流车辆车型识别效率提高有很大的参考价值。

关键词：图像提取 主动轮廓模型 B样条 有限元法

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0011-02

在中国物流业快速发展势头下，作为企业的“第三利润源”，最低的物流成本和良好的服务能力引起更高的重视，对于大多数企业来讲，物流成本中最大的成本支出是产品的运输成本，在满足客户需求的情况下，最大限度的使用运输设备和工作人员，为实现这个目标的重要途径是物流车辆的准确识别。为达到准确的识别物流车辆的车型，拍摄下经过车辆的图像，对其检测并提取轮廓。

本文针对传统主动轮廓模型数值具有稳定性差、计算复杂度高、收敛速度慢等不足，提出了基于有限元法的B样条主动轮廓模型识别方法。

1 车辆图像检测和背景提取

物流车辆的车型识别过程中，首要工作即分析是否有车辆经过，当有车辆经过时，系统经过检测，直接对汽车进行图像的拍摄。因此，把物流车辆从所拍摄的图像中检测出来，下面将介绍时间差值变化检测和背景差分检测两种方法。

1.1 时间差值变化检测

假设有两幅图像，如果它们的某一相对位置的灰度发生很大的变化，而其他位置的灰度变化非常小，甚至没有变化，则对比这两幅图像各个对应位置的差别，即可检测出图像中是否存在运动车辆。5 实证分析

本文中所提出的基于有限元法的B样条主动轮廓模型属于图像分割中的半自动轮廓提取方法，介于手工提取和全自动提取之间，避免了其他系统存在的主观性、盲目性等缺点。本方法的基本思路是先由用户根据提取目的在目标图像上绘制一个大概的轮廓，之后自动定位、修改等工作交由计算机完成。

其具体操作：首先对目标进行直观判断，用鼠标在图像的大体轮廓上选定一系列的点，之后进行反算，得到初始B样条曲线模型，对上述结果进行有限元运算，使模型曲线精确的收敛到图像的轮廓。运用于车辆图像的轮廓提取，得到的实验结果如图1所示。图1（a）为车辆图像经过灰度化处理及灰度增强后的结果，（图1）（b）即为在用本模型经过训练之后所提取出的车辆轮廓结果。

6 结论

本文检测到物流车辆经过后，利用有限元法的B样条主动轮廓模型提取物流车辆的图像，与传统模型相比，该方法最大的优点是减小计算量并且提高程序的稳定性，用较少的控制点描述整个轮廓线，从而降低方程的维数，提高图像处理的速度。在识别物流车辆车型时，提高了物流车辆管理效率，将大大降低企业的物流成本，具有很好的应用前景。

参考文献

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，闰清东.基于帧间差分方法的道路车辆检测系统[J].微计算机信息，2007，20（10）：10-13.

[3] 成思源.基于可变形模型的轮廓提取与表面重建[D].重庆：重庆大学，2003.

[4] 张海舰，成思源，骆少明，等.基于动态规划法的B样条主动轮廓模型[J].广东工业大学学报，2005（4）：26-30.endprint

摘 要：物流车辆图像研究中，提出了基于有限元法的B样条主动轮廓模型识别车辆，在车型识别系统中，首先检测物流车辆经过图像，检测方法有时间差值变化检测和背景差分检测，然后提取物流车辆图像，介绍了有限元法的B样条主动轮廓模型，最后应用该模型对物流车辆的图像提取进行实证分析，实验表明，该方法对物流车辆车型识别效率提高有很大的参考价值。

关键词：图像提取 主动轮廓模型 B样条 有限元法

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2014）06（b）-0011-02

在中国物流业快速发展势头下，作为企业的“第三利润源”，最低的物流成本和良好的服务能力引起更高的重视，对于大多数企业来讲，物流成本中最大的成本支出是产品的运输成本，在满足客户需求的情况下，最大限度的使用运输设备和工作人员，为实现这个目标的重要途径是物流车辆的准确识别。为达到准确的识别物流车辆的车型，拍摄下经过车辆的图像，对其检测并提取轮廓。

本文针对传统主动轮廓模型数值具有稳定性差、计算复杂度高、收敛速度慢等不足，提出了基于有限元法的B样条主动轮廓模型识别方法。

1 车辆图像检测和背景提取

物流车辆的车型识别过程中，首要工作即分析是否有车辆经过，当有车辆经过时，系统经过检测，直接对汽车进行图像的拍摄。因此，把物流车辆从所拍摄的图像中检测出来，下面将介绍时间差值变化检测和背景差分检测两种方法。

1.1 时间差值变化检测

假设有两幅图像，如果它们的某一相对位置的灰度发生很大的变化，而其他位置的灰度变化非常小，甚至没有变化，则对比这两幅图像各个对应位置的差别，即可检测出图像中是否存在运动车辆。5 实证分析

本文中所提出的基于有限元法的B样条主动轮廓模型属于图像分割中的半自动轮廓提取方法，介于手工提取和全自动提取之间，避免了其他系统存在的主观性、盲目性等缺点。本方法的基本思路是先由用户根据提取目的在目标图像上绘制一个大概的轮廓，之后自动定位、修改等工作交由计算机完成。

其具体操作：首先对目标进行直观判断，用鼠标在图像的大体轮廓上选定一系列的点，之后进行反算，得到初始B样条曲线模型，对上述结果进行有限元运算，使模型曲线精确的收敛到图像的轮廓。运用于车辆图像的轮廓提取，得到的实验结果如图1所示。图1（a）为车辆图像经过灰度化处理及灰度增强后的结果，（图1）（b）即为在用本模型经过训练之后所提取出的车辆轮廓结果。

6 结论

本文检测到物流车辆经过后，利用有限元法的B样条主动轮廓模型提取物流车辆的图像，与传统模型相比，该方法最大的优点是减小计算量并且提高程序的稳定性，用较少的控制点描述整个轮廓线，从而降低方程的维数，提高图像处理的速度。在识别物流车辆车型时，提高了物流车辆管理效率，将大大降低企业的物流成本，具有很好的应用前景。

参考文献

[1] Bir Bhanu，D.E.Dndgeon，E.G.Zelnio.Introduction to the special issue on automatic targetdetection and recognition[J].Image Processing，1997，6（1）：1-6.

[2] 崔星，闰清东.基于帧间差分方法的道路车辆检测系统[J].微计算机信息，2007，20（10）：10-13.

[3] 成思源.基于可变形模型的轮廓提取与表面重建[D].重庆：重庆大学，2003.

[4] 张海舰，成思源，骆少明，等.基于动态规划法的B样条主动轮廓模型[J].广东工业大学学报，2005（4）：26-30.endprint