車輛辨識

以下茲分汽車及機車說明本研究處理車輛辨識之方式。

1.汽車

車輛的外型尺寸依據我們針對各種不同的車型量測的結果，不 同車型外型的長度及寬度會落在不同的範圍，而視覺長度及寬度亦 有明顯的不同，因此車輛辨識的程序首先依據車輛的視覺長度及寬 度執行初步分類。

首先針對小型車不同外型尺寸及特徵做辨識，本研究系統將不 同小型車再區分為小卡車、廂型車、休旅車及轎車，辨識方法如下。

攝影機拍攝方向是以平行車輛行進方向並向下俯瞰，由於車輛 的外型不受陰影及顏色的影響而改變，故車輛外型的水平直線特徵 可用以量測車頂、擋風玻璃及引擎蓋或行李箱等之長度，這些長度 在不同車型(如廂型車、休旅車及轎車等)上都不一樣，因此必須先 萃取車輛外型的水平直線特徵，再計算車輛各部位的視覺長度。

首先使用連通標記法定位每個移動物件，再依據移動物件的位 置及範圍回到原始影像執行區域的水平邊緣偵測，其主要採用 Canny 邊緣偵測法的遮罩求得具有較大梯度值的像素。

系統使用一個如圖5.4.3-1 所示之 5×5、σ=2 的 Canny 遮罩，執 行水平邊緣偵測。

圖5.4.3-1 Canny 遮罩(σ = 2)

原始影像在經過Canny 遮罩處理後，每一條水平邊界的粗細將大 於一個像素，non-maxima suppression 及 hysteresis thresholding 等步驟 能將水平邊緣細線化成只有一個像素，得到細節清晰且位置精確的邊 緣像素，水平邊緣偵測的結果如圖5.4.3-2 及圖 5.4.3-3 所示。

(a) 原始影像 (b) 原始影像局部放大(110х130dpi)

(c) 移動物體影像 (d)水平邊緣影像 圖5.4.3-2 水平邊緣偵測影像

(a) 原始影像 (b) 原始影像局部放大(110х130dpi)

(c) 移動物體影像 (d) 水平邊緣影像 圖5.4.3-3 水平邊緣偵測影像

由水平邊緣影像的資訊，針對每一列計算邊緣像素的數量，投影 在縱軸上，形成累積水平邊緣像素數量的垂直直方圖，方法如式 5.4.3-1。

[ ] 1, [ , ] 0 [ ] [ ], [ , ] 0

Hy j E i j Hy j

Hy j E i j

+ =

= ⎨⎧⎪

⎪⎩ ≠

在解析度為X×Y 的影像中，i 的範圍是從 0~X，j 的範圍是從 0~Y，

當 E[i,j]的值為 0 時，E[i,j]則代表一個邊緣像素，而 Hy[j]即每一列的 投影量，初始值為0。

原始影像中車輛外型具有水平邊緣的地方，有時候受拍攝角度影 響造成水平邊緣傾斜，或是車輛本身設計有圓弧的外形，所以必須將 垂直直方圖的投影結果再加以量化，如式5.4.3-2 所示。

式5.4.3-1

⎩ ⎨

(a) 原始影像 (b) 原始影像局部放大(120х140dpi)

(c) 移動物體影像 (d) 水平邊緣及水平投影邊界影像 圖5.4.3-5 水平投影邊界偵測影像

完成水平投影邊界的選取後，可以得到車輛外型各部位的上下邊 界位置，即車頂、擋風玻璃及引擎蓋等之邊界，如圖 5.4.3-6 所示，利 用計算每兩條水平投影邊界之間的距離，便可得到車輛外型各部位的 長度。

(a) 原始影像

(b) 水平投影邊界影像

圖5.4.3-6 水平投影邊界及車輛外型特徵說明圖

依上所述，從兩條鄰近的水平投影邊界計算出垂直像素距離，即 可獲得車頂、擋風玻璃及引擎蓋等之長度，但影像中的長度是以像素 為單位，必須再經過視覺長度計算，轉換成以公尺為單位的參數，再 與實際車輛的尺寸比對，找出辨識各種車型的車輛外型特徵最適當的 長度範圍。

目前系統是以車輛寬度 Dw及車頂長度 Dr作為辨識參數，依據表 5.4.3-1 所示各種車型車輛視覺寬度及車頂視覺長度統計分析，各型車 輛執行辨識結果如圖5.4.3-7~5.4.3-11 所示。

表5.4.3-1 車輛外型量測資訊 車型 平均車頂視覺長度

(公尺) 平均視覺車寬(公尺)

轎車 1.1950 1.5542

休旅車 1.7298 1.7164

廂型車 2.3086 1.9483

小卡車 無量測 2.4164

(a) 執行車輛辨識後的原始影像 (b) 水平投影邊界影像 圖5.4.3-7 車輛辨識結果影像

(a) 執行車輛辨識後的原始影像 (b) 水平投影邊界影像 圖5.4.3-8 車輛辨識結果影像

(a) 執行車輛辨識後的原始影像 (b) 水平投影邊界影像 圖5.4.3-9 車輛辨識結果影像

圖5.4.3-10 車輛辨識結果影像

圖5.4.3-11 車輛辨識結果影像

2.機車

移動物體當經系統辨識處理為小型移動物體時，系統將另根據 特徵辨識該移動物件是否為機車，其辨識方法如下。

本系統機車辬識亦則是採用Canny Mask 邊緣偵測方法。Canny 的邊緣偵測使用在機車辨識上有獨特的三個優點，第一為low error rate、第二為 Localization of edges、第三為 Single response。

系統在獲得垂直邊緣的Canny Masks（5x5 pixels，^σ =2）及水 平邊緣的 Canny Masks（5x5 pixels，^σ =2）（如圖 5.4.3-12、圖 5.4.3-13），之後經過 non-maximum suppression 將邊緣細線化，最後 再利用 Hysteresis Thresholding 將雜訊去除，利用前景有的座標位 置，再回到原始影像做邊緣偵測，實驗結果如圖5.4.3-14 與圖 5.4.3-15 所示。

圖5.4.3-12 垂直 Canny Masks（σ =2）

圖5.4.3-13 水平 Canny Masks（σ =2）

(a) 原圖

(b) 移動物體

(c) 邊緣偵測結果

圖5.4.3-14 Canny 邊緣偵測實驗結果（使用水平與垂直遮罩）

(a) 原圖

(b) 移動物體

(c) 邊緣偵測結果

圖5.4.3-15 Canny 邊緣偵測實驗結果（使用水平與垂直遮罩）

在移動物體中，我們使用機車的移動面積、寬與高比值及頭部