2023年8月2日发(作者：)

维普资讯

第３４卷　第ｌｌ期　计算机工程　２００８年６月　ＶｏＬ３４　Ｎｏ．１ｌ　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｊｕｎｅ　２ＯＯ８　・人工智能及识别技术・　文章编号；１００１）－－－３４２８（２００８）１１－－－－０２０６－－－０２　文献标识码；Ａ　中图分类号：ＴＰＩ８　基于Ａｄａｂｏｏｓｔ的车标定位方法　林志阳，康耀红，雷景生　（海南大学信息科学技术学院，海Ｉ＝ｌ　５７０２２８）　摘要：车标定位是智能交通系统中一个重要的组成部分，该文针对车标在成像过程中受到光线和其他条件影响较大的情况，提出一种基　于Ａｄａｂｏｏｓｔ算法的车标定位方法，将车辆彩色图像进行预处理，再使用Ａｄａｂｏｏｓｔ算法进行车标定位，该方法具有较快的定位速度和较高　的准确率。实验证明，采用该方法能获得较好的车标定位效果，具有一定的实用价值。　关键诃：Ａｄａｂｏｏｓｔ算法；车标定位；特征提取；类Ｈａａｒ特征　Ｖｅｈｉｃｌｅ－ｌｏｇｏ　Ｌｏｃａｔｉｏｎ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ａｄａｂｏｏｓｔ　ＬＩＮ　Ｚｈｉ－ｙａｎｇ，ＫＡＮＧ　Ｙａｏ－ｈｏｎｇ，ＬＥＩ　Ｊｉｎｇ－ｓｈｅｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｉｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｉｋｏｕ　５７０２２８）　［Ａｂｓｔｒａｃｔ］Ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｌｏｃａｔｉｏｎ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｉｍｐｏｒｔａｎｔ　ｐａｒｔｓ　ｏｆ　ｔｈｅ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｙｓｔｅｍ（ＩＴＳ）．Ｆｏｃｕｓｉｎｇ　ｏｎ　ｔｈｅ　ｅｆｆｅｃｔ　ｏｆ　ｔｈｅ　ｌｉｇｈｔ　ｏｎ　ｓｃｒｅｅｎｉｎｇ　ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｉｍａｇｅｓ，ｔｈｅ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｌｏｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　Ａｄａｂｏｏｓｔ　ａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒ　ｐｒｅｐｒｏｃｅｓｓｉｎｇ　ｔｈｅ　ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｉｍａｇｅｓ，Ａｄａｂｏｏｓｔ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｕｓｅｄ　ｔｏ　ｌｏｃａｔｉｎｇ　ｈｔｅ　ｖｅｈｉｃｌｅ—ｌｏｇｏ．Ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｕｓｉｎｇ　Ａｄａｂｏｏｓｔ　ａｌｇｏｒｉｔｈｍ　ｉｎ　ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｌｏｃａｔｉｏｎ　ｈａｓ　ｆａｓｔｅｒ　ｌｏｃａｔｉｏｎ　ｓｐｅｅｄ　ａｎｄ　ｈｉｇｈｅｒ　ｃｏｒｒｅｃｔｎｅｓｓ　ｔｈａｎ　ｍｏｓｔ　ｏｆ　ｈｔｅ　ｅｘｉｓｔｉｎｇ　ｍｅｔｈｏｄｓ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｌ　Ｉ　ｉｔｈｍ　ｉｓ　ｆｅａｓｉｂｌｅ　ａｎｄ　ａｐｐｌｉｃａｂｌｅ．　［Ｋｅｙ　ｗｏｒｄｓ］Ａｄａｂｏｏｓｔ　ａｌｇｏｒｉｔｈｍ；ｖｅｈｉｃｌｅ—ｌｏｇｏ　ｌｏｃａｔｉｏｎ；ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ；Ｈａａｒ－ｌｉｋｅ￣ａｍｒｅ　－ｒ］　１概述　建模，这些特征都需要有一定的目标和非目标区分性。　随着公路基础建设以及汽车工业的发展和车辆数量的不　Ａｄａｂｏｏｓｔ算法用于车标定位检测时，需要从车标图像中抽取　断增加，智能交通系统的应用日益广泛，并取得了巨大的经　大量的简单特征。本检测器选择由文献【，◆　５］提出的扩展　济和社会效益。　Ｈａａｒ—ｌｉｋｅ的特征，该特征适用于车标定位检测，如图１所示。　车标定位是在车辆图像中定位出车标的位置。由于车辆　图像都采集于自然环境中，而自然环境中车标和背景的成像　条件是不可控制的，随机变化的因素（尤其是光照条件）和复　杂的背景信息给目标搜索带来巨大困难。不同光照条件下，　车标亮度、明暗对比度都有很大变化。同时，车标区域在整　幅图像中所占的比例较小，要从整幅图像中定位出车标区域　八　——　／＼　必然要在大量的背景信息中进行搜索，而且由于实时性的要　求，通常要求算法能快速、准确地完成车标定位。如果没有　◆／　ｉ一｝　Ｔ　高效率的搜索方法，就需要耗费大量的计算时间和存储空间。　图１　Ｈａａｒ－ｌｉｋｅ特征　所以，车标定位技术一直以来是车标识别系统的一个关键技　每个特征都由若干个这样的矩形组成，分别检测边界、　术环节。　细线、中心特征，这些特征的表示如式（１）所示。　目前车标定位的方法主要有：基于边缘直方图的快速汽　ｙｅａｓ　ＷｉｘＲｅｃｔＳｕｍ（ｒ￣）　（１）　、车标志识别方法ｎ　；基于能量特征的车标定位方法　；基于　Ｕ，　Ｊ　能量增强和形态学滤波的车标定位方法口］。本文提出一种基　其中，　表示矩形的权重；ＲｅｃｔＳｕｍ（ｒ　）为矩形　所围的图像　于ＡｄａＢｏｏｓｔ算法的车标定位方法。　的积分；ｆｅａｊ表示第　个特征；ｎ是组成　ｎ　的矩形个数。　２　ＡｄａＢｏｏｓｔ算法原理　ｌ　２．２　Ａｄａｂｏｏｓｔ算法　Ａｄａｂｏｏｓｔ算法是一种通过改变数据分布来实现的迭代方　Ａｄａｂｏｏｓｔ算法是一种分类器算法，其基本原理是利用大　法。它根据每一轮训练中每个训练样本的分类结果的正确与　量分类能力一般的弱分类器通过一定的叠加方式，组合成一　否，以及上一轮的总体分类准确率，来确定每个样本的权值。　个分类能力很强的强分类器，再将若干个强分类器级联成为　再将每次训练得到的强分类器通过级联的方式组合起来，作　一个分级分类器。其中，级联的级数依赖于系统对错误率和　识别速度的要求。　基金项目：教育部重点基金资助项目（０３１４４）　２．１特征的选取及特征值的计算　作者筒介：林志阳（１９８０－－），男，硕士研究生，主研方向：Ｉｎｔｅｒｎｅｔ　在目标检测过程中，需要对候选图像进行分析，判断是　信息检索；康耀红，教授、博士生导师；雷景生，副教授　否为待检目标，多数目标检测系统都是使用特征对目标进行　收稿日期：２００７—１１—１５　Ｅ－ｍａｉｌ：ｌｚｙｌｉｎｚｉｈｙａｎｇ＠１２６．ｃｏｍ