汽车防追尾的车辆识别系统设计

汽车防追尾的车辆识别系统设计
高大容 , 王紫婷
(兰州交通大学 电子与信息工程学院 ,甘肃 兰州 730070)
摘 要 :详细介绍了一种基于汽车防追尾的图像处理识别系统. 该系统由摄像机 ( CCD) 、图像采集处理模块和车辆 识别系统组成. 由 CCD 摄取的图像 ,经视频解码器处 理后再传给车辆识别系统进行图像的车辆识别判断. 关键词 :CCD ;图像采集 ;识别 ;处理 中图分类号 : TP751 文献标识码 :A
在本设计中 ,图像处理 、车辆识别等任务都是由 DSP 信号处理单元[1] 完成的. 作为整个系统的核 心 ,DSP 采用 32 位浮点型 6713DSP ,其工作频率可 达到 167M Hz 并有丰富的外围接口 ,本设计主要使 用了其强大 EM IF 功能与外围器件进行通讯 ,完成 了成像 、识别等多重任务 ,其原理图如图 3 所示.
式中 , d
E(
x,y ds
, t)
和d E(
x,y dt
, t)
分别是点 (
x
,
y
, t)
的
光强在空间和时间上的梯度值.
实验表明 :这种边缘检测方法将对有清晰边缘
的缓慢运动和以适当速度运动的弱边缘响应. 当边
了[5] . 在进行运动图像的分割与匹配方法中 ,人们将
精力主要集中在静态特征与动态特征之间的匹配. 实际上 ,这些静态特征是运动信息提取的最大障碍. 如果直接检测运动特征 ,那么完成匹配所需的计算 量可以从根本上大大减小.
车型的车尾特征 ,可以使用下面的跟踪算法 :从第 1
通过判断特征点的几何分布情况来最后判断此
个边界点开始 ,定义初始的搜索方向为沿左上方 ,如 轮廓是否为汽车车尾. 在判决上述特征点的几何组合
果左上方的点为黑色像素 ,则为边界点 ,否则搜索方 是否符合车尾的几何分布中 ,采用了下述判决规则 :
向顺时针旋转 45°. 直到找到第 1 个黑色像素为止. 然后将这个黑色像素作为新的边界点 ,在当前搜索 方向的基础上逆时针旋转 90°,继续用同样的方法
1) X lo + X ro = X lm + X rm = X ld + X rd (判断其
2
2
2
中线是否相等) ;
搜索下一个黑色像素点 ,直到返回最初的边界点为 止. 图 5 所示为这一轮廓跟踪算法的示意图. 图 6 为 汽车车尾轮廓跟踪算法的结果.
2) 0 ≤ X lo -
Y lo -
X lm Y lm
图 3 DSP 图像处理识别单元
Fig. 3 The part of DSP
3 系统的算法设计
3. 1 图像的预处理 为了对摄取到的图像进行识别 ,需要对图像进
行必要的处理 ,从图像中分割出运动区域的图像 ,这 样在以 后 的 处 理 过 程 中 就 仅 需 要 考 虑 运 动 区 域
E( x , y , t) ·D ( x , y)
上述规则中所涉及的值都是根据相关规定或经
图 5 轮廓跟踪算法示意图 Fig. 5 Sketch map of outline trouk
过试验反复比较选定的. 经过以上规则判决筛选以 后 ,若符合以上规则 ,则可以完全判断前方运动物体 为车辆.
4 结论
图 6 车尾轮廓跟踪结果 Fig. 6 Result of outline trouk
所谓轮廓跟踪[4] 就是从一个起始点开始 ,按照 4 领域或 8 领域关系点跟踪轮廓 ,同时输出每 1 步 移动的方向 ,直到回到起始点不能移到才结束 1 次
Et ( x , y , t)
=
d E( x , y , t) ds
·d E( x , y , t) dt
=
跟踪.
108
兰州交通大学学报 (自然科学版)
第 25 卷 第 4 期 2006 年 8 月
兰州交通大学学报 (自然科学版) Journal of Lanzhou Jiaotong University (Nat ural Sciences)
文章编号 :1001Ο4373 (2006) 04Ο0106Ο03
Vol. 25 No . 4 Aug. 2006
运行时 ,与汽车的运动相比 ,可以假设背景变化是非常 缓慢的. 一条边缘运动后仍是一条边缘. 运动边缘[3] 可 以通过逻辑“与”算子对时间和空间梯度进行组合来实 现 ,其中的“与”算子可以由乘法来实现. 这样 ,图像 E ( x , y , t) 中的一点的时间边缘由下式给出 :
些边缘线. 为此 ,选择轮廓跟踪法进行进一步的识别 判断.
在相对稳定的情况下 ,当汽车在高速公路上高速
缘的运动非常大时 ,检测的性能也是十分满意的. 图 4 是时变边缘检测的结果示意图. 3. 2 视频信号识别的基本方案及算法
把预处理后的图像送到 DSP 单元进行识别 ,判 断其是否为车辆[1 ] .
由图 4 可以算出 ,时变边缘检测后 ,会留下一些 背景缓慢变化的干扰和汽车自身除外围轮廓外的一
lems[ R ] . Istanbul : Bobazici U niversity ,1997. [ 9 ] 雷英杰 ,张善文. Matlab 遗传算法工具箱及应用 [ M ] .
西安 :西安电子科技大学出版社 ,2003. [ 10 ] 朱衡君. Matlab 语言及实践教程[ M ] . 北京 :清华大学
≤
3 3
(
判断车尾上方的斜度, Nhomakorabea小车一般应该为 60°,卡车 、客车应该为 90°. ) ;
3) 1. 0 m ≤ Y ro - Y rd ≤4. 5 m (判断车高度范
围) ;
4) 1. 0 m ≤ X rm - X lm ≤3. 0 m (判断车宽度范 围) .
其中 , X 和 Y 分别为其下标点的 X 坐标和 Y 坐标.
2 系统的硬件部分
2. 1 视频信号的采集 可编程视频解码器[2] SAA7111 ,采用 CMOS 工
艺 ,通过简单的总线编程 ,内部包含模拟处理通道 , 抗混叠滤波 、A/ D 转换 、自动嵌位 、自动增益控制 、 时钟产生 、多制式解码等特点. 图 2 为图像采集系统 的框图 ,主要包括 SAA7111 、帧存储体 、系统接口逻 辑 3 个 部 分. SAA7111 完 成 由 CCD ( ChargeCo u2 pledDevice) 摄像机输出的模拟视频信号的数字化 和向整个系统提供时钟及同步信号[3] . 帧存储体用 来存储 SAA7111 输出的数字图像和向前端处理器 提供要处理的图像. 系统接口逻辑包括采集系统与 DSP 系统接口 、视频转换控制接口 、到前端处理器 的接口以及三者之间的接口[4] . 图中 SCL 为 I2 C 总 线的串行时钟输入信号 ; SDA 为 I2 C 总线的串行数 据输入/ 输出信号 ; LL C 为行锁定系统时钟输出 ;
如果边界点之间的张角等于 90°或 135°,则就 可认为此边界点为汽车识别的特征点. 假如出现 4 个或 6 个这样的特征点 ,就可初步判定此轮廓有可
车辆识别系统在汽车防追尾过程中有着非常重 要的作用. 试验中 ,按本方法现场采集了一组运动车 辆图像多幅 ,包含小轿车 、货车 、大型客车等多种车 型 ,按上述算法流程进行处理 ,能正确判断出前方运 动物体为车辆 ,可以运用于汽车防追尾过程中的车 辆识别.
[J ] . 兰州交通大学学报 ,2005 ,24 (3) :118Ο119. [ 8 ] Sivrikaya ΟSerfoglu F. A new unifo rm o rder Οbased
cro ssover operator fo r genetic algo rit hm applications to multico mpo nent co mbinato rial optimizatio n p rob2
1 系统组成及基本原理
一个完整的识别系统不仅要具备图像的实时采 集功能 ,对图像进行必要的预处理 (如图像滤波 、转 换等) ,最关键的是对采集处理好的图像进行识别 , 判断其是否为车辆[1] . 这些算法不仅运算量大 ,而且 实时性要求较高 ,因此采用 DSP 芯片作为数据核心 处理单元. 图 1 是基于 CCD 和 DSP 的图像采集和 识别系统的原理图. 本文将详尽阐述图像的采集处 理和识别车辆的实现方法.
第4期
高大容等 :汽车防追尾的车辆识别系统设计
107
LL C2 为 LL C 的二分频输出信号 ; H R EF 为水平参 考输 出 信 号 ; V R EF 为 垂 直 参 考 输 出 信 号 ; ODD ( SAA7111 的 R TS0) 为奇偶场标志信号 ; F EI 为使 能信号 ;Bank0 为第一帧存储器 ;Bank1 为第二帧存 储器. 2. 2 DSP TMS320C6713 图像的处理识别单元
出版社 ,2005. [ 11 ] 胡 培. 投标问题的对策模型 [J ]. 西南交通大学学
报 ,1994 ,29 (5) :494Ο499.
Nash Equilibrium Model and Improved Genetic Algorithms of Inviting Tender without Bottom Price
(下转第 124 页)
124
兰州交通大学学报 (自然科学版)
第 25 卷
[ 2 ] 谢 政. 对 策 论 [ M ] . 长 沙 : 国 防 科 技 大 学 出 版 社 ,
2004. [ 3 ] 陈士俊 ,孙永广. 一种求解 Nash 均衡解的遗传算法
[J ] . 系统工程 ,2001 ,19 (5) :67Ο70. [ 4 ] 张维迎. 博弈论与信息经济学 [ M ] . 上海 :上海三联书
店 ,1996. [ 5 ] 王小平 ,曹立明. 遗传算法 —理论 ,应用与软件实现