CN105976618B - 一种基于选择式光谱探测系统的汽车识别方法 - Google Patents
一种基于选择式光谱探测系统的汽车识别方法 Download PDFInfo
- Publication number
- CN105976618B CN105976618B CN201610281673.8A CN201610281673A CN105976618B CN 105976618 B CN105976618 B CN 105976618B CN 201610281673 A CN201610281673 A CN 201610281673A CN 105976618 B CN105976618 B CN 105976618B
- Authority
- CN
- China
- Prior art keywords
- automobile
- spectrum
- vehicle
- region
- recognition methods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000000835 fiber Substances 0.000 claims abstract description 22
- 238000002310 reflectometry Methods 0.000 claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000000985 reflectance spectrum Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000010224 classification analysis Methods 0.000 claims description 2
- 239000000571 coke Substances 0.000 claims 1
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于选择式光谱探测系统的汽车识别方法，用于在公路上识别汽车，具体涉及光谱应用及汽车识别领域。本发明中的系统进行图像处理，提取识别区域内的汽车轮廓形状感兴趣区域(Region Of Interest,ROI)，并输入到空间光调制器，使空间光调制器于不同时刻，形成一幅只含单一汽车ROI的掩膜图。掩膜图仅使ROI通光，其他区域屏蔽，从而保证每时刻内光纤光谱仪接收到的仅含单一车辆的光信息。系统获得不同汽车的特征光谱反射率后，计算机使用特定算法，特定地对其建立识别模型，实现对其的识别。本发明系统结构简单，易于实现，利用特征光谱反射率作为识别基础，能获得相对图像识别方法更高的准确率。
Description
技术领域
本发明涉及智能交通管理领域，具体涉及一种使用选择式光谱技术的汽车识别方法。
背景技术
智能交通系统和交通智能管理化技术是交通领域上的一个重要研究方向。
在如今的智能交通系统中，数量不少的研究者着力于对车辆跟踪技术的研究。现有的文献表明研究者过往使用背景差分法、车辆模型检测法、动态轮廓检测法等手段以跟踪汽车。但由于这些传统方法容易受外界环境光照变化的影响而产生误判，并且背景初始化较为困难，车辆在图像视频中重叠时也难以区分。因而研究者又使用卡尔曼滤波器、灰色预测模型等方法来进行研究汽车的跟踪技术。
然而，尽管汽车的跟踪技术层出不穷，但关于汽车识别领域却甚少被研究，智能交通领域缺少着对汽车识别的方法研究。
汽车识别技术不仅能在当下的交通管理、物流运输提供极大帮助，也能为司法机关提供精准的追捕侦查援助，对于智能交通管理及日后的无人驾驶是必须的技术基础。
而在光谱分析中，一般地，波峰的相对强度并不具有研究意义，能提供有效而准确信息的是光谱波形。因此，光谱分析中这些的特性使得研究人员在能辨别到波形的情况下，忽略光强度对光谱的影响，从而使得光谱分析能在多种场合下进行。
光谱探测与分析技术具有无需接触等优点，能够检测到被测物体的物理结构、化学成分等指标，也是自然科学中一种日趋重要的研究手段。由此，在图像的基础上，以对汽车表面反射光谱的检测及分类识别为技术核心，从各汽车反射光谱的差异性出发，以此来识别区分不同的汽车也可能是一种有效的方式。
发明内容
为了弥补上文所提及的技术空缺，本发明提供一种有效的汽车识别方法，即基于选择式光谱技术的汽车识别方法。利用选择式光谱技术，探测汽车的反射光谱，并计算得每个光谱样品的特征光谱反射率，对由光谱反射率组成的样品集建模运算，结合光谱分析技术进行汽车颜色识别、车辆间区分识别等实际应用，能有效解决传统图像处理方法在外界光照变化剧烈、车辆车牌恶意遮挡等情况下的车辆识别错误的难题。
为了实现上述目的，本发明的技术方案如下：
一种基于选择式光谱探测系统的汽车识别方法，包括以下步骤：
(1)在道路上规划出汽车识别区域R；
(2)识别区域R内的信息光经成像透镜组进入分束器进行分束，反射光束经会聚透镜聚焦于拍摄器，实时获取识别区域R内的图像信息，光束进入空间光调制器后会聚到光纤耦合器后进入光纤光谱仪中，获取汽车识别区域R内的特征光谱信息；拍摄器及空间光调制器与处理器相连；
(3)处理器在T时刻选中汽车识别区域R内的白色交通标线，在图像中生成形状为其轮廓的感兴趣区域ROI，由处理器实时输入空间光调制器，并生成只使选中的白色标线感兴趣区域ROI处能透光，其他区域遮光的掩膜图；
(4)光纤光谱仪测量并记录公路上白色交通标线的反射光谱S0，通过其已知的特征光谱反射率η，实时计算出T时刻的环境光光谱SE；
(5)多辆被测汽车进入汽车识别区域R；
(6)拍摄器获得识别区域内车辆的图像信息，处理器选定待测目标车辆Ci(i＝1，2，3，…)，依次于图像中生成待测目标车辆Ci轮廓形状的感兴趣区域ROI；
(7)在T+i*ΔT时刻，处理器控制空间光调制器依次生成只有一辆目标车辆轮廓感兴趣区域ROI的掩膜图，由光纤光谱仪依次记录该时刻的车辆特征光谱反射强度谱并与T时刻的外界环境光的光谱SE做比值求得T+i*ΔT时刻下的车辆Ci的特征光谱反射率；
(8)处理器判断待测目标车辆是否已驶出汽车识别区域R。
若没有车驶出汽车识别区域，则重复步骤(6)、(7)，并由多张同辆车的数据形成各车辆的特征光谱反射率集Si(i＝1，2，3，…)；若出现汽车驶离数据收集区域的情况，计算机系统去除该车的编号且放弃对该车的采集工作，并对其特征光谱反射率集Si使用特定算法进行光谱识别及归类分析，根据实际需求建立特定的识别模型并显示分析结果。
进一步地，步骤(2)中的分束器可以包括分束立方体、半透半反射镜等可将一束光分成两束光或多束光的元件。优选的，使用分束立方体，优选的，分光比例为1：1。
进一步地，步骤(2)、(3)中的空间光调制器，包括透射式空间光调制器、反射式空间光调制器、数字微镜器件等，其中优选透射式空间光调制器。
进一步地，步骤(2)中空间光调制器工作区域的像素长宽比与面阵CCD相机工作区域的像素长宽比必须一致，且空间光调制器工作区域像素个数大于面者CCD相机工作区域的像素个数。
进一步地，步骤(3)与步骤(7)中生成白色交通标线ROI与生成车辆ROI同时在图像上进行。
进一步地，步骤(4)中白色交通标线的光谱反射率η，是通过在标准光源照射下的白色交通标线所得的反射光谱与标准光源的光谱的比值而求得。
进一步地，步骤(6)中的ROI掩膜图的具体意义为特定地让汽车的反射光通过空间光调制器后进入光纤光谱仪，而阻止背景的光线进入光纤光谱仪，减少噪声，从而保证所测光谱仅包含特定车辆的信息。
进一步地，步骤(7)中，不同汽车不同时刻的特征光谱反射率通过相应汽车的相应时刻的反射光谱与环境光光谱的比值求得。
与现有技术相比，本发明技术方案的有益效果是：本发明以对汽车表面反射光谱的检测及分类识别为技术核心，从各汽车反射光谱的差异性出发，以此来识别区分不同的汽车，有效地弱化了环境光强对汽车识别的影响，
附图说明
图1是本发明提供的选择式光谱汽车识别方法流程图。
图2是本发明提供的使用透射式空间光调制器的选择式光谱汽车识别系统设备图。
图3是本发明提供的使用反射式空间光调制器的选择式光谱汽车识别系统设备图。
图4是汽车识别区域的实际布置图。
图5是选择车辆ROI的掩膜图的图示。
图6是两辆车的特征光谱反射强度谱的曲线图。
图7是两辆车的特征光谱反射率谱的曲线图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
本发明提出了一种基于选择式光谱探测系统的汽车识别方法。先于道路规划出识别区域，通过在图像上选取汽车形状轮廓为ROI，输入到空间光调制器上形成只能通过汽车反射光的掩膜图，从而使光纤光谱仪特定地接受被测车辆的信息。不仅弥补了智能交通系统中汽车跟踪领域的空缺，也比传统的依据图像特征进行识别的技术更具准确性且不易受环境因素的影响。
由于空间光调制器长及宽的像素个数均大于面阵CCD相机，因而通过人工定标，使每个空间光调制器的像素对应一个面阵CCD相机的像素，从而实现系统能对应图像上任一像素点进行光谱测量。
如图2所示，在本实施例一中，系统包括成像透镜组1、分束立方体2、透射式空间光调制器3、会聚透镜4、光纤耦合器5、光纤6、光纤光谱仪7、会聚透镜组8、面阵CCD相机9、计算机10。
本实施例中，图像光经成像透镜组1准直后经分束立方体2分为两束，一束反射后经会聚透镜组8透镜成像于面阵CCD相机9。另一束光透射进入透射式空间光调制器3，光被调制后通过会聚透镜4透射输出至光纤耦合器5上，光信息沿光纤6传输到光纤光谱仪7，得到光谱信息再由计算机10进行分析。
如图3所示，本实施例二中，系统包括成像透镜组1、分束立方体2、反射式空间光调制器11、会聚透镜4、光纤耦合器5、光纤6、光纤光谱仪7、会聚透镜组8、面阵CCD相机9、计算机10。
本实施例中，图像光经成像透镜组1准直后经分束立方体2分为两束，一束反射后经聚透镜组8透镜成像于面阵CCD相机9。另一束光射至反射式空间光调制器11后经反射，通过会聚透镜4会聚后进入光纤耦合器5，光信息沿光纤6传输到光纤光谱仪7，得到光谱信息后由计算机10分析。
下面根据图2及图3给出，用以说明本发明的选择式光谱汽车识别方法，但不仅限于汽车识别，也可应用在对移动物体的识别等场合。
实施例一及实施例二中，选择式光谱的汽车识别技术方法流程如下：
步骤一：于道路规划出汽车识别区域R。确定汽车识别区域R的起点线到终点线的距离为40米。汽车识别区域的设置如图4所示。
考虑两辆车速为50km/h的汽车，其从进入数据收集区域到离开该区域，对于一辆车，能获得全车轮廓的帧数约为118帧，亦即忽略采集上限情况下，能获得光谱样品数最多为118个。
考虑当两辆车进入汽车识别区域，计算机于第1帧的时刻选中并记录区域内白色交通标线的反射光谱S0，通过其已知的特征光谱反射率η，求得此时刻的环境光光谱SE。
步骤二：计算机选定汽车识别区域内的两辆待测目标车辆C1、C2，于图像中生成二者轮廓形状的ROI。在第2、3、帧的时刻，计算机控制空间光调制器依次生成只含C1、C2、ROI部分的掩膜图，信息光经空间光调制器透射出后由光纤光谱仪依次记录成两辆车的特征光谱SC1、SC2，如图6所示。通过与第1帧时刻下的环境光光谱SE作比值，即得到C1、C2车的特征光谱反射率S1、S2，如图7。
步骤三：系统判断待测目标车辆是否已驶出汽车识别区域R。若没有驶出R，则重复步骤二，并形成三辆车的特征光谱反射率集Si(i＝1，2，3)。若出现汽车驶离数据收集区域，计算机系统去除该车的编号，只生成剩余车辆的掩膜图并只记录剩余车辆的特征光谱，重复步骤二。
步骤四：进一步地，当所有汽车驶离数据收集区域系统完全停止对该批汽车进行数据收集。
对于一辆车的建模，系统获得特征光谱反射率样品集后，把其分为校正集和预测集，经过后向区间偏最小二乘法(BiPLS)的迭代运算，得到该车关于各波长区间对其特征构成的关系式，从而建立特定的识别模型。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于选择式光谱探测系统的汽车识别方法，其特征在于，包括以下步骤：
(1)在道路上规划出汽车识别区域R；
(2)识别区域R内的信息光经成像透镜组进入分束器进行分束，反射光束经会聚透镜聚焦于拍摄器，实时获取识别区域R内的图像信息，光束进入空间光调制器后会聚到光纤耦合器后进入光纤光谱仪中，获取汽车识别区域R内的特征光谱信息；拍摄器及空间光调制器与处理器相连；
(3)处理器在T时刻选中汽车识别区域R内的白色交通标线，在图像中生成形状为白色交通标线轮廓的形状感兴趣区域ROI，由处理器实时输入空间光调制器，并生成只使选中的白色标线形状感兴趣区域ROI处能透光，其他区域遮光的掩膜图；
(4)光纤光谱仪测量并记录公路上白色交通标线的反射光谱S0，通过其已知的特征光谱反射率η，实时计算出T时刻的环境光光谱SE；
(5)多辆被测汽车进入汽车识别区域R；
(6)拍摄器获得识别区域内车辆的图像信息，处理器选定待测目标车辆Ci，i＝1，2，3，…，依次于图像中生成待测目标车辆Ci轮廓形状的感兴趣区域ROI；
(7)在T+i*ΔT时刻，处理器控制空间光调制器依次生成只有一辆目标车辆轮廓形状感兴趣区域ROI的掩膜图，由光纤光谱仪依次记录该时刻的车辆特征光谱反射强度谱并与T时刻的外界环境光的光谱SE做比值求得T+i*ΔT时刻下的车辆Ci的特征光谱反射率；
(8)处理器判断待测目标车辆是否已驶出汽车识别区域R；
若没有车驶出汽车识别区域，则重复步骤(6)、(7)，并由多张同辆车的数据形成各车辆的特征光谱反射率集Si，i＝1，2，3，…；若出现汽车驶离数据收集区域的情况，处理器去除该车的编号且放弃对该车的采集工作，并对其特征光谱反射率集Si使用特定算法进行光谱识别及归类分析，根据实际需求建立特定的识别模型并显示分析结果。
2.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(2)中的分束器是将一束光分成两束光或多束光的元件；分束器为分束立方体或半透半反射镜。
3.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(2)、(3)中的空间光调制器为透射式空间光调制器、反射式空间光调制器或数字微镜器件。
4.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，所述拍摄器为面阵CCD相机。
5.根据权利要求4所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(2)中空间光调制器工作区域的像素长宽比与面阵CCD相机工作区域的像素长宽比必须一致，且空间光调制器工作区域像素个数大于面阵CCD相机工作区域的像素个数。
6.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(3)与步骤(7)中生成白色交通标线形状感兴趣区域ROI与生成车辆轮廓形状感兴趣区域ROI同时在图像上进行。
7.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(4)中白色交通标线的特征光谱反射率η，是通过在标准光源照射下的白色交通标线所得的反射光谱与标准光源的光谱的比值而求得。
8.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(6)中的ROI掩膜图是用于让汽车的反射光通过空间光调制器后进入光纤光谱仪，而阻止背景的光线进入光纤光谱仪，减少噪声，从而保证所测光谱仅包含特定车辆的信息。
9.根据权利要求1所述的基于选择式光谱探测系统的汽车识别方法，其特征在于，步骤(7)中，不同汽车不同时刻的特征光谱反射率通过相应汽车的相应时刻的反射光谱与环境光光谱的比值求得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610281673.8A CN105976618B (zh) | 2016-04-28 | 2016-04-28 | 一种基于选择式光谱探测系统的汽车识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610281673.8A CN105976618B (zh) | 2016-04-28 | 2016-04-28 | 一种基于选择式光谱探测系统的汽车识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105976618A CN105976618A (zh) | 2016-09-28 |
| CN105976618B true CN105976618B (zh) | 2018-06-29 |
Family
ID=56993608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610281673.8A Expired - Fee Related CN105976618B (zh) | 2016-04-28 | 2016-04-28 | 一种基于选择式光谱探测系统的汽车识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105976618B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11627259B2 (en) | 2019-10-24 | 2023-04-11 | Sony Corporation | Device, method and computer program |
| CN110825109B (zh) * | 2019-11-12 | 2023-11-21 | 广州极飞科技股份有限公司 | 光谱信息的获取方法及装置、飞行器的控制方法 |
-
2016
- 2016-04-28 CN CN201610281673.8A patent/CN105976618B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN105976618A (zh) | 2016-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109804232B (zh) | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 | |
| JP5299513B2 (ja) | 障害物検知装置及び方法並びに障害物検知システム | |
| CN108139484A (zh) | 测距装置和测距装置的控制方法 | |
| CN102279050B (zh) | 一种多光谱计算重构方法及系统 | |
| CN107203743B (zh) | 一种人脸深度跟踪装置及实现方法 | |
| CN109087395A (zh) | 一种三维重建的方法及系统 | |
| CN102846312A (zh) | 一种多维度成像检测仪及其数据反演方法 | |
| CN105976618B (zh) | 一种基于选择式光谱探测系统的汽车识别方法 | |
| Luo et al. | 4D surface shape measurement system with high spectral resolution and great depth accuracy | |
| US20210250526A1 (en) | Device for capturing a hyperspectral image | |
| Qiu et al. | A novel low-cost multi-sensor solution for pavement distress segmentation and characterization at night | |
| CN113466489A (zh) | 一种低粒子密度的单相机粒子图像测速方法 | |
| Wang et al. | SSTU: Swin-Spectral Transformer U-Net for hyperspectral whole slide image reconstruction | |
| CN108845314A (zh) | 一种多模式目标探测方法及系统 | |
| WO2021195817A1 (zh) | 一种提取待测物质的光谱信息的方法 | |
| Barua et al. | An Efficient Method of Lane Detection and Tracking for Highway Safety | |
| CN103544474B (zh) | 一种使用生物特征散射光谱的高防伪光学指纹识别方法 | |
| CN105022995B (zh) | 基于光强信息的书画元素扩散渗透信息提取及分析方法 | |
| Wang et al. | Low-Visibility Vehicle-Road Environment Perception Based on the Multi-Modal Visual Features Fusion of Polarization and Infrared | |
| Ozturk et al. | Semi-supervised gas detection in hyperspectral imaging | |
| Siefring et al. | Deep learning approach to vehicle pose estimation from polarimetric image data | |
| US20240319486A1 (en) | Optical measurement method, optical measurement apparatus, and non-transitory storage medium storing optical measurement program | |
| Vargas et al. | Dense bathymetry in turbid coastal zones using airborne hyperspectral images | |
| US20240126073A1 (en) | Method and system for passive range imaging | |
| CN117994625B (zh) | 基于毫米波雷达的特征融合能见度评估方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180629 Termination date: 20210428 |