基于对称性的车辆检测方法研究

牛瑞丽（山东省菏泽市交通运输局，山东 菏泽 274900）

基于对称性的车辆检测方法研究

牛瑞丽
（山东省菏泽市交通运输局，山东 菏泽 274900）

随着我国科学技术的不断发展，车辆检测方法也越来越多，在我国智能交通行业中，车辆检测技术是必不可少的，其融合了识别技术以及统计技术等，检测速度和准确性都非常高，可以从根本上起到优化智能交通系统的作用。

对称性；车辆检测；背景图像

0　引言

运用车辆检测技术，可以检测道路中的对象车辆，并明确其所在位置。但车辆检测干扰因素比较多，定位难度比较大。专业人员在结合帧差法、光流法等算法的基础上，创新出了基于对称性的快速车辆检测方法，可以实现车辆准确定位。本文主要进行基于对称性的车辆检测方法运用情况研究。

1　对称性原理分析

第一，针对需要处理的汽车图像，进行垂直性的边缘观察和检测；第二，针对垂直性的边缘图像，按照从左到右的顺序，挑选各列垂直线，当成核心对称轴，并使用其当作水平中心矩形，该矩形宽度在最值范围内明确相应的对称点数量；第三，明确该宽度下的矩形范围中的对称度（sym），使得其为s2/n，其中，s代表对称轴两端的对称点数，n代表矩形范围中的垂直边缘点数［1］。明确各列对应的对称度，如果该对称度大于基本对称度阀值的话，就意味着中心对称轴上面有车辆。

2　检测图形预处理方法分析

（1）道路背景处理。在进行车辆检测的时候，涉及的道路环境条件比较复杂，客观影响因素也比较多。因此，必须落实好背景预处理工作，不然会导致实际检测过程复杂化，导致检测结果准确性降低。在相同的道路上，除了汽车所在范围，其他范围道路图像和背景图像都是统一的，在利用道路图像的基础上进行减操作，可以起到减弱背景图像的效果。要想从根本上掌握全面的车辆边缘数据，优化算法效果，采取车辆边缘增强算子非常必要。Sobel算子有减弱噪声的优势，可以快速检测出相关边界数据，本文主要运用该算子进行车辆边缘增强操作。在整个算法当中，对称性计算是非常重要的，也是非常复杂的，尤其是计算灰色图像对称性的时候，耗费的时间比较多。本文主要在计算最大类间方差值的基础上计算全局阈值。

（2）图像缩放处理。在实际的车辆图像检测过程中，不同车辆和相应摄像头之间的距离是不同的，这样就会导致汽车尺寸大小不一。随着和摄像头之间距离的不断增加，相应的汽车尺寸也不断减小。所以，在评估sym=s2/n＞T公式成立与否的过程中，随着车辆距离的不断变化，相应的T值也是不同的。要想处理好该问题，可以运用合理分割方式，将垂直边缘检测图分成相应的近景图像、中景图像以及远景图像。进行分割图放缩处理，进而明确三大图像对应的阀值。

3　基于对称性的车辆检测算法描述

（1）及时明确对称轴。基于对称性的车辆检测算法，其关键是通过明确汽车对称性来提升车辆检测准确率。因此，对称轴明确是运用该算法的基础及核心。比如针对远景图，图1是在运用sym=s2/n算法和Sobel算子的基础上进行远景图对称轴计算的最终结果［2］。

从图1中可以看出，汽车局部往往就符合对称性要求，计算出的对称轴也不止一条，进行对称轴合并操作是非常必要的。

（2）有效合并对称轴。首先，要明确合并组。两车如果满足平行行驶条件，相应的对称轴和车宽就是相统一的，因此，汽车相同，检测出的相邻对称轴对应的距离往往比相应的标准宽带要小。然后，计算出那些在合并组中以对称轴为中心的的左右两边的水平最值，包括最大值和最小值。其次，在计算出最大值和最小值后，以两值之和除以2，得出合并之后相应的对称轴。

最后，计算最大值和最小值之间的差额，该差额即为合并后相应的汽车宽度。

（3）明确汽车垂直位置。要想从根本上明确汽车垂直位置，就必须首先了解相应的水平边缘检测图的内容。在进行汽车水平边缘检测的时候，车辆底端阴影往往是比较多的，对应的像素密度也很高。要想明确汽车垂直位置，要针对各个对称轴，明确相应的矩形框，该矩形框用d×h来表示，沿着对称轴，从底部开始向上移动，达到某位置后，矩形框填充度超过相应阀值的话，就意味着该处为汽车底端［3］。

（4）近、中、远景实验结果分析及合并。本文算法进行了图像分割，所以，针对同个汽车来说，往往会被分到不同图像中，导致车辆检测数量不一。在这样的情况下，必须实现相同汽车检测数据的有效合并。具体运用的算法如下所示：针对近、中、远景相应实验结果来说，在一定缩放比例下可以还原到最初图像当中，具体如图2所示。从图2当中能够看出，3线、4线和5线，8线、9线、10线和11线代表相同车辆在不同图像下的呈现，必须采取合并措施。

进行合并结果评估和分析。比如上图当中的线4、5，相应的对称轴之间的长度是有限的，但是，仅仅判断该长度是不能决定最终合并结果的，因为就算距离较短，对应的对称轴或许也是相同水平部位汽车检测后形成的。因此，必须适当增添有效的约束条件，决定最终是否能合并。根据上图2可知，在相同车道上的车辆，它们之间的距离肯定超过了车长，而针对线4、5来说，对应的垂直长度远远低于汽车长度，所以应当采取合并措施。

图1　远景图对称轴检测

图2　近、中、远景图像合并

合理取舍合并结果。针对垂直部位低的水平线来说，往往应当看成是汽车底部，这里所谓的汽车宽度对应的就是水平线宽度。

4　结语

综上所述，如今，基于对称性的车辆检测方法被创新出来，可以从根本上提升车辆检测速度，避免车道线等相关因素影响，彰显车辆图像，明确图像车辆位置，在水平检测基础上明确汽车在图像中的垂直位置，检测效率较高，值得大范围推广和应用。

［1］段建民，刘冠宇，郑榜贵等.基于视觉及多特征的前方车辆检测算法［J］.北京工业大学学报，2015（09）：1326-1333.

［2］陈志猛，刘东权.基于对称性的快速车辆检测方法［J］.计算机工程与设计，2012（03）：1042-1046.

［3］丁伟利，李勇，王文锋等.基于图像的对称性识别算法研究［J］.电子科技，2014（10）：1-5.

10.16640/j.cnki.37-1222/t.2016.14.263