陳思遠(yuǎn)　毛佳　趙雨霏

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別車輛，在車型識(shí)別系統(tǒng)中，首先檢測(cè)物流車輛經(jīng)過圖像，檢測(cè)方法有時(shí)間差值變化檢測(cè)和背景差分檢測(cè)，然后提取物流車輛圖像，介紹了有限元法的B樣條主動(dòng)輪廓模型，最后應(yīng)用該模型對(duì)物流車輛的圖像提取進(jìn)行實(shí)證分析，實(shí)驗(yàn)表明，該方法對(duì)物流車輛車型識(shí)別效率提高有很大的參考價(jià)值。

關(guān)鍵詞：圖像提取 主動(dòng)輪廓模型 B樣條 有限元法

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）06（b）-0011-02

在中國(guó)物流業(yè)快速發(fā)展勢(shì)頭下，作為企業(yè)的“第三利潤(rùn)源”，最低的物流成本和良好的服務(wù)能力引起更高的重視，對(duì)于大多數(shù)企業(yè)來講，物流成本中最大的成本支出是產(chǎn)品的運(yùn)輸成本，在滿足客戶需求的情況下，最大限度的使用運(yùn)輸設(shè)備和工作人員，為實(shí)現(xiàn)這個(gè)目標(biāo)的重要途徑是物流車輛的準(zhǔn)確識(shí)別。為達(dá)到準(zhǔn)確的識(shí)別物流車輛的車型，拍攝下經(jīng)過車輛的圖像，對(duì)其檢測(cè)并提取輪廓。

本文針對(duì)傳統(tǒng)主動(dòng)輪廓模型數(shù)值具有穩(wěn)定性差、計(jì)算復(fù)雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別方法。

1 車輛圖像檢測(cè)和背景提取

物流車輛的車型識(shí)別過程中，首要工作即分析是否有車輛經(jīng)過，當(dāng)有車輛經(jīng)過時(shí)，系統(tǒng)經(jīng)過檢測(cè)，直接對(duì)汽車進(jìn)行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測(cè)出來，下面將介紹時(shí)間差值變化檢測(cè)和背景差分檢測(cè)兩種方法。

1.1 時(shí)間差值變化檢測(cè)

假設(shè)有兩幅圖像，如果它們的某一相對(duì)位置的灰度發(fā)生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對(duì)比這兩幅圖像各個(gè)對(duì)應(yīng)位置的差別，即可檢測(cè)出圖像中是否存在運(yùn)動(dòng)車輛。5 實(shí)證分析

本文中所提出的基于有限元法的B樣條主動(dòng)輪廓模型屬于圖像分割中的半自動(dòng)輪廓提取方法，介于手工提取和全自動(dòng)提取之間，避免了其他系統(tǒng)存在的主觀性、盲目性等缺點(diǎn)。本方法的基本思路是先由用戶根據(jù)提取目的在目標(biāo)圖像上繪制一個(gè)大概的輪廓，之后自動(dòng)定位、修改等工作交由計(jì)算機(jī)完成。

其具體操作：首先對(duì)目標(biāo)進(jìn)行直觀判斷，用鼠標(biāo)在圖像的大體輪廓上選定一系列的點(diǎn)，之后進(jìn)行反算，得到初始B樣條曲線模型，對(duì)上述結(jié)果進(jìn)行有限元運(yùn)算，使模型曲線精確的收斂到圖像的輪廓。運(yùn)用于車輛圖像的輪廓提取，得到的實(shí)驗(yàn)結(jié)果如圖1所示。圖1（a）為車輛圖像經(jīng)過灰度化處理及灰度增強(qiáng)后的結(jié)果，（圖1）（b）即為在用本模型經(jīng)過訓(xùn)練之后所提取出的車輛輪廓結(jié)果。

6 結(jié)論

本文檢測(cè)到物流車輛經(jīng)過后，利用有限元法的B樣條主動(dòng)輪廓模型提取物流車輛的圖像，與傳統(tǒng)模型相比，該方法最大的優(yōu)點(diǎn)是減小計(jì)算量并且提高程序的穩(wěn)定性，用較少的控制點(diǎn)描述整個(gè)輪廓線，從而降低方程的維數(shù)，提高圖像處理的速度。在識(shí)別物流車輛車型時(shí)，提高了物流車輛管理效率，將大大降低企業(yè)的物流成本，具有很好的應(yīng)用前景。

參考文獻(xiàn)

[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，閏清東.基于幀間差分方法的道路車輛檢測(cè)系統(tǒng)[J].微計(jì)算機(jī)信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學(xué)，2003.

[4] 張海艦，成思源，駱少明，等.基于動(dòng)態(tài)規(guī)劃法的B樣條主動(dòng)輪廓模型[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2005（4）：26-30.endprint

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別車輛，在車型識(shí)別系統(tǒng)中，首先檢測(cè)物流車輛經(jīng)過圖像，檢測(cè)方法有時(shí)間差值變化檢測(cè)和背景差分檢測(cè)，然后提取物流車輛圖像，介紹了有限元法的B樣條主動(dòng)輪廓模型，最后應(yīng)用該模型對(duì)物流車輛的圖像提取進(jìn)行實(shí)證分析，實(shí)驗(yàn)表明，該方法對(duì)物流車輛車型識(shí)別效率提高有很大的參考價(jià)值。

關(guān)鍵詞：圖像提取 主動(dòng)輪廓模型 B樣條 有限元法

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）06（b）-0011-02

在中國(guó)物流業(yè)快速發(fā)展勢(shì)頭下，作為企業(yè)的“第三利潤(rùn)源”，最低的物流成本和良好的服務(wù)能力引起更高的重視，對(duì)于大多數(shù)企業(yè)來講，物流成本中最大的成本支出是產(chǎn)品的運(yùn)輸成本，在滿足客戶需求的情況下，最大限度的使用運(yùn)輸設(shè)備和工作人員，為實(shí)現(xiàn)這個(gè)目標(biāo)的重要途徑是物流車輛的準(zhǔn)確識(shí)別。為達(dá)到準(zhǔn)確的識(shí)別物流車輛的車型，拍攝下經(jīng)過車輛的圖像，對(duì)其檢測(cè)并提取輪廓。

本文針對(duì)傳統(tǒng)主動(dòng)輪廓模型數(shù)值具有穩(wěn)定性差、計(jì)算復(fù)雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別方法。

1 車輛圖像檢測(cè)和背景提取

物流車輛的車型識(shí)別過程中，首要工作即分析是否有車輛經(jīng)過，當(dāng)有車輛經(jīng)過時(shí)，系統(tǒng)經(jīng)過檢測(cè)，直接對(duì)汽車進(jìn)行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測(cè)出來，下面將介紹時(shí)間差值變化檢測(cè)和背景差分檢測(cè)兩種方法。

1.1 時(shí)間差值變化檢測(cè)

假設(shè)有兩幅圖像，如果它們的某一相對(duì)位置的灰度發(fā)生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對(duì)比這兩幅圖像各個(gè)對(duì)應(yīng)位置的差別，即可檢測(cè)出圖像中是否存在運(yùn)動(dòng)車輛。5 實(shí)證分析

本文中所提出的基于有限元法的B樣條主動(dòng)輪廓模型屬于圖像分割中的半自動(dòng)輪廓提取方法，介于手工提取和全自動(dòng)提取之間，避免了其他系統(tǒng)存在的主觀性、盲目性等缺點(diǎn)。本方法的基本思路是先由用戶根據(jù)提取目的在目標(biāo)圖像上繪制一個(gè)大概的輪廓，之后自動(dòng)定位、修改等工作交由計(jì)算機(jī)完成。

其具體操作：首先對(duì)目標(biāo)進(jìn)行直觀判斷，用鼠標(biāo)在圖像的大體輪廓上選定一系列的點(diǎn)，之后進(jìn)行反算，得到初始B樣條曲線模型，對(duì)上述結(jié)果進(jìn)行有限元運(yùn)算，使模型曲線精確的收斂到圖像的輪廓。運(yùn)用于車輛圖像的輪廓提取，得到的實(shí)驗(yàn)結(jié)果如圖1所示。圖1（a）為車輛圖像經(jīng)過灰度化處理及灰度增強(qiáng)后的結(jié)果，（圖1）（b）即為在用本模型經(jīng)過訓(xùn)練之后所提取出的車輛輪廓結(jié)果。

6 結(jié)論

本文檢測(cè)到物流車輛經(jīng)過后，利用有限元法的B樣條主動(dòng)輪廓模型提取物流車輛的圖像，與傳統(tǒng)模型相比，該方法最大的優(yōu)點(diǎn)是減小計(jì)算量并且提高程序的穩(wěn)定性，用較少的控制點(diǎn)描述整個(gè)輪廓線，從而降低方程的維數(shù)，提高圖像處理的速度。在識(shí)別物流車輛車型時(shí)，提高了物流車輛管理效率，將大大降低企業(yè)的物流成本，具有很好的應(yīng)用前景。

參考文獻(xiàn)

[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，閏清東.基于幀間差分方法的道路車輛檢測(cè)系統(tǒng)[J].微計(jì)算機(jī)信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學(xué)，2003.

[4] 張海艦，成思源，駱少明，等.基于動(dòng)態(tài)規(guī)劃法的B樣條主動(dòng)輪廓模型[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2005（4）：26-30.endprint

摘 要：物流車輛圖像研究中，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別車輛，在車型識(shí)別系統(tǒng)中，首先檢測(cè)物流車輛經(jīng)過圖像，檢測(cè)方法有時(shí)間差值變化檢測(cè)和背景差分檢測(cè)，然后提取物流車輛圖像，介紹了有限元法的B樣條主動(dòng)輪廓模型，最后應(yīng)用該模型對(duì)物流車輛的圖像提取進(jìn)行實(shí)證分析，實(shí)驗(yàn)表明，該方法對(duì)物流車輛車型識(shí)別效率提高有很大的參考價(jià)值。

關(guān)鍵詞：圖像提取 主動(dòng)輪廓模型 B樣條 有限元法

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）06（b）-0011-02

在中國(guó)物流業(yè)快速發(fā)展勢(shì)頭下，作為企業(yè)的“第三利潤(rùn)源”，最低的物流成本和良好的服務(wù)能力引起更高的重視，對(duì)于大多數(shù)企業(yè)來講，物流成本中最大的成本支出是產(chǎn)品的運(yùn)輸成本，在滿足客戶需求的情況下，最大限度的使用運(yùn)輸設(shè)備和工作人員，為實(shí)現(xiàn)這個(gè)目標(biāo)的重要途徑是物流車輛的準(zhǔn)確識(shí)別。為達(dá)到準(zhǔn)確的識(shí)別物流車輛的車型，拍攝下經(jīng)過車輛的圖像，對(duì)其檢測(cè)并提取輪廓。

本文針對(duì)傳統(tǒng)主動(dòng)輪廓模型數(shù)值具有穩(wěn)定性差、計(jì)算復(fù)雜度高、收斂速度慢等不足，提出了基于有限元法的B樣條主動(dòng)輪廓模型識(shí)別方法。

1 車輛圖像檢測(cè)和背景提取

物流車輛的車型識(shí)別過程中，首要工作即分析是否有車輛經(jīng)過，當(dāng)有車輛經(jīng)過時(shí)，系統(tǒng)經(jīng)過檢測(cè)，直接對(duì)汽車進(jìn)行圖像的拍攝。因此，把物流車輛從所拍攝的圖像中檢測(cè)出來，下面將介紹時(shí)間差值變化檢測(cè)和背景差分檢測(cè)兩種方法。

1.1 時(shí)間差值變化檢測(cè)

假設(shè)有兩幅圖像，如果它們的某一相對(duì)位置的灰度發(fā)生很大的變化，而其他位置的灰度變化非常小，甚至沒有變化，則對(duì)比這兩幅圖像各個(gè)對(duì)應(yīng)位置的差別，即可檢測(cè)出圖像中是否存在運(yùn)動(dòng)車輛。5 實(shí)證分析

本文中所提出的基于有限元法的B樣條主動(dòng)輪廓模型屬于圖像分割中的半自動(dòng)輪廓提取方法，介于手工提取和全自動(dòng)提取之間，避免了其他系統(tǒng)存在的主觀性、盲目性等缺點(diǎn)。本方法的基本思路是先由用戶根據(jù)提取目的在目標(biāo)圖像上繪制一個(gè)大概的輪廓，之后自動(dòng)定位、修改等工作交由計(jì)算機(jī)完成。

其具體操作：首先對(duì)目標(biāo)進(jìn)行直觀判斷，用鼠標(biāo)在圖像的大體輪廓上選定一系列的點(diǎn)，之后進(jìn)行反算，得到初始B樣條曲線模型，對(duì)上述結(jié)果進(jìn)行有限元運(yùn)算，使模型曲線精確的收斂到圖像的輪廓。運(yùn)用于車輛圖像的輪廓提取，得到的實(shí)驗(yàn)結(jié)果如圖1所示。圖1（a）為車輛圖像經(jīng)過灰度化處理及灰度增強(qiáng)后的結(jié)果，（圖1）（b）即為在用本模型經(jīng)過訓(xùn)練之后所提取出的車輛輪廓結(jié)果。

6 結(jié)論

本文檢測(cè)到物流車輛經(jīng)過后，利用有限元法的B樣條主動(dòng)輪廓模型提取物流車輛的圖像，與傳統(tǒng)模型相比，該方法最大的優(yōu)點(diǎn)是減小計(jì)算量并且提高程序的穩(wěn)定性，用較少的控制點(diǎn)描述整個(gè)輪廓線，從而降低方程的維數(shù)，提高圖像處理的速度。在識(shí)別物流車輛車型時(shí)，提高了物流車輛管理效率，將大大降低企業(yè)的物流成本，具有很好的應(yīng)用前景。

參考文獻(xiàn)

[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，閏清東.基于幀間差分方法的道路車輛檢測(cè)系統(tǒng)[J].微計(jì)算機(jī)信息，2007，20（10）：10-13.

[3] 成思源.基于可變形模型的輪廓提取與表面重建[D].重慶：重慶大學(xué)，2003.

[4] 張海艦，成思源，駱少明，等.基于動(dòng)態(tài)規(guī)劃法的B樣條主動(dòng)輪廓模型[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2005（4）：26-30.endprint