一种基于图像处理的危化车辆识别方法

陈松林，皮旭东

（江西方兴科技有限公司，江西 南昌 330044）

0 引言

危险化学品车辆（简称危化车辆）是指运输具有爆炸、易燃、毒害、腐蚀、放射性等危险性质的化学物品的车辆。危化车辆是一个移动的危险源，在运输过程中若发生事故，将对人们的生命财产安全及生态环境的安全构成极大威胁。因此在高速公路上有必要对危化车辆采取一定的监管措施，例如在收费站入口车道对危化车发放带GPS模块的通行卡，对车辆进行实时跟踪。若入口车道为人工车道，收费员可肉眼识别危化车辆，若为自动发卡车道，则需采用车辆识别技术。

车辆识别技术是智能交通系统的重要组成部分，随着电子技术的发展，车辆识别的手段和方式也越来越多。基于数字图像处理的识别技术在智能交通中的需求越来越大。本文设计了一种基于图像处理的识别方法，针对摄像机抓拍的车辆头部图片，根据危化车辆必须安装危险标志灯这一特征，采用边缘提取、相似三角形检测等算法检测图片中是否存在有标志灯，从而实现对危化车辆的识别。

1 识别原理

1.1 危险标志灯特征

国家标准《道路运输危险货物车辆标志》（GB 13392—2005）规定危化车辆必须安装危险标志灯。标志灯安装于车头顶部，灯体正反面为等腰三角形状，侧面为等腰梯形状。标志灯正、反面边框为黑色等腰三角形，边框内印有“危险”字样，如图1（a）所示。黑色边框外围和内围的背景色为黄色，由于黑色和黄色的灰度变化明显，故可采用边缘检测算法，将黑色边框的外边缘和内边缘分别提取出来，这样可形成2个相似的三角形。补（压缩），可能导致标志灯边框外边缘和车头边缘连接在一起，从而影响后续的三角形检测，故不进行纵向修补。边缘检测及断裂点修补后的图像如图2所示。

图1 危险标志灯及图像预处理

图2 边缘检测及断裂点修补后的图像

1.2 图像预处理

若原始图为24位RGB真彩图像，先将图像转换为灰度图像，转换公式为：

Gray=0.299R+0.587G+0.114B

式中：Gray为变换后像素点的灰度值；R、G、B分别为变换前像素点的红色分量、绿色分量、蓝色分量值。

图像灰度化以后采用3×3矩阵进行中值滤波，去除图像中的噪声点，尽可能减少噪声点对边缘检测精度的影响。图1（a）经灰度变换及中值滤波后如图1（b）所示。

1.3 边缘检测及边缘断裂点修补

对图1（b）的灰度图采用Sobelb算子做边缘检测，再使用最大类间反差法变换成二值图，此时图中边缘点像素值为255（白点），背景点像素值为0（黑点）。之后进行形态学上的细化处理及消除孤立点。细化是将边缘线条细化为单像素宽的线条，孤立点消除则是消除孤立的边缘点。此外，还需进行断裂点修补使边缘更完整，设修补前的图像为M，尺寸为P×Q（行×列），新建尺寸为P×（Q/2）的图像M1，将M1所有像素点置为0，用1×2矩阵逐行扫描M，矩阵中2点只要有一个点像素为255，则M1中对应点像素置为255。此方法通过横向压缩图像的尺寸来修补断裂点，最大可修补2个像素的断裂点。若修补横、纵两个方向的断裂点，则M1的尺寸设为（P/2）×（Q/2），使用2×2矩阵隔行扫描M，矩阵中只要任一点像素值为255，则M1对应的点置为255。考虑到标志灯紧挨车顶安装，在图像像素不高的情况下纵向修

1.4 连通边缘的提取

假设断裂点修补后的二值图像为M1，尺寸为M×N。将M1中的连通边缘逐条提取出来，具体步骤如下：

（1）新建一个M×N的图像M2，M2所有点像素值置为0；

（2）从左至右逐行扫描M1，当遇到第一个像素值为255（白点）的点时，将M2上相同位置的点像素置为255；

（3）对M2做3×3矩阵的形态学膨胀运算，再与M1相交，得到新的M2；

（4）循环执行步骤3，直到M2不再发生变化，运算结束，这样就得到包含连通边缘的M2，然后计算M1=M1-M2，生成新的M1；

（5）对M2做三角形检测，判断是否为三角形（详见1.5）；

（6）循环执行步骤1至5，将M1中的连通边缘逐条提取出来做三角形检测，直到M1中没有边缘点为止（全为黑点），算法结束。

对图2（b）中的图像M1提取边框外边缘、内边缘，如图3所示。

图3 连通边缘提取

1.5 相似三角形检测

上节步骤（4）中，得到包含连通边缘的二值图像M2后，使用Hough变换对其做三角形检测。Hough变换能检测图像中是否存在直线段，并获取线段的两个端点坐标。若M2中存在有3条直线段，分别设为a，b，c。设a的端点坐标为（Xa1，Ya1）、（Xa2，Ya2），b的端点坐标为（Xb1，Yb1）、（Xb2，Yb2），c的端点坐标为（Xc1，Yc1），（Xc2，Yc2）。可按下列公式计算3条线段的长度，设长度分别为A、B、C，则：

若以上3条线段首尾相接，即6个端点中每个端点与其他端点有且只有一个在坐标位置上重合，则判断该形状为三角形。由于图像中三角形经Hough变换提取的线段相连的端点不能精确满足坐标位置完全重合的要求，故需设置阈值T=5，即6个端点中每个端点在其他端点中有且只有一个与其距离≤T，则可判断其为三角形。若为三角形则保存三条边的长度，新建向量In，n为该三角形的序号，向量赋值为[A，B，C]。

所有的连通边缘检测完后，若有n个三角形，则可得到n个向量（I0，I1，…，In-1）。在所有的三角形中，判断是否有两个三角形相似。假设两个三角形对应的向量分别为I1，I2，若满足以下条件则可判断为相似三角形：

2 实验结果与分析

采用Matlab验证本文的算法，截取抓拍的车头图片中的标志灯部分作为原始图，使用M=imread（filepath）函数将图片数据读入到矩阵M，参数filepath为图片的路径。使用Gray=rgb2gray（M）将图像M变换为灰度图Gray。使用Mid=medfilt2（Gray，[3，3]）对图像Gray进行中值滤波，生成新的图像Mid，效果如图4（a）所示。采用Sobel=edge（Mid，‘sobel’）函数实现边缘检测，采用Sobel=bwmorph（Sobel，‘thin’，inf）、Sobel=bw⁃morph（Sobel，‘clean’，inf）进行细化和孤立点消除。之后再进行断裂点修补，效果如图4（b）所示。

图4 相似三角形检测之前的图像处理

从图4（b）中抽取连通边缘，将标志灯黑色边框的外边缘和内边缘分别提取出来，效果如图5所示：

图5 边框内、外边缘提取图像

对提取的外边缘I1和内边缘I2采用Hough变换做三角形检测，使用[H，theta，rho]=hough（Im⁃age，‘RhoResolution’， 1）、peak=houghpeaks（H，5）、lines=houghlines（Image，theta，rho，peak）三个函数可提取图像中的3条线段，分别设为a、b、c，并将各线段的端点坐标保存在变量lines内。根据端点坐标计算各线段的长度，三条线段的长度分别设为A、B、C，得到的数据如表1所示。

表1 I1和I2经Hough变换后的结果

从表1中可知，I1中线段a的端点（116，33）与线段c的端点（119，33）之间的距离小于T，a的另一端点（30，176）与线段b的端点（30，176）之间的距离也小于T，同理I1中线段b、c的两个端点在其他端点中有且只有一个端点与其距离小于T。故认为I1为三角形，同理，I2也为三角形。新建向量I1和I2，依据相似三角形的判断条件计算：

由于0.96、1.01、1.05都介于0.9和1.1之间，故可判断三角形I1相似于三角形I2。综上所述，图像中存在有标志灯，符合危化车辆的判断条件，为危化车辆。

3 结语

本文所述的方法与图像质量关系较大，图像越清晰检测精度越高。经测试，图像中标志灯区域像素为200×150左右时可较好地提取内外边缘。算法运算时间和图像的背景有关，背景复杂、边缘数量越多，运算时间越长。在实际应用中，当图片清晰度不高时，标志灯边框的外边缘检测比较困难，可能会和背景或车顶边缘连在一起，只能检测到完整的内边缘。考虑到标志灯一般位于图像上半部分，可简化本方法，只需在图片上半部分检测到有三角形（边框内边缘）存在，即可判断为危化车辆。本算法可通过Matlab编译成Dll动态库的形式供上层应用软件调用，动态库中识别函数输入参数为图像数据，输出参数为布尔型变量，表示是否为危化车辆。

[1]GB 13392—2005，道路运输危险货物车辆标志[S].

[2]何江萍.图像中任意三角形检测方法[J].计算机应用，2009，4（29）：1022-1024.

[3]朱双东，张懿，陆晓峰.三角形交通标志的智能检测方法[J].中国图像图形学报，2006，8（11）：1127-1131.

[4]黎海兵，易卫东.一种高效检测图像中是否有三角形的算法[J].中国图像图形学报，2008，13（6）：456-460.

[5]BALLARD D H.Generalizing the hough transform to detect arbitrary shapes[J].Pattem Recognition,1981,13(2):111-122.

[6]周品，李晓东.MATLAB数字图像处理[M].北京：清华大学出版社，2012.

[7]冈萨雷斯.数字图像处理[M].北京：电子工业出版出版社，2003.