運動目標編號識別技術的研究

于雙芳

（空軍工程大學航空機務士官學校，河南 信陽 464000）

引言

在國內外，關于運動目標識別方面的研究已經(jīng)有很久遠的歷史，最早的體現(xiàn)是在英國完成了車輛圖像識別系統(tǒng)；自此，產(chǎn)生了車輛自動識別系統(tǒng)，它最先用于被盜車輛的檢測[1]。目前車牌檢測系統(tǒng)的研究在國外已經(jīng)達到了一個非常高的水平。在國內，中科院在運動狀態(tài)下檢測目標信息方面研究做的較好，它生產(chǎn)的“漢王眼”就是一個優(yōu)秀的產(chǎn)品[5]。在現(xiàn)代，隨著科學技術技術的提高，電子產(chǎn)品性能越來越優(yōu)越，圖像處理技術的發(fā)展，進一步促進了圖像識別技術的發(fā)展，提高了圖像識別系統(tǒng)的性能。

1 圖像預處理

由于運動目標的圖像采集是在室外進行，天氣的變化直接影響著采集的圖像質量好壞，曝光不足或過分曝光的圖像經(jīng)常出現(xiàn)，除此之外還有它干擾的存在，都使圖像質量下降。因此對原圖像進行預處理，去除原圖像中的干擾信息是必不可少的，而且要保證不增加原圖像額外的信息量，從而達到增強部分圖像的效果。圖像預處理方法使用尺寸調整、亮度校正、灰度化、濾波、銳化和腐蝕。

2 運動目標編號的識別

首先對圖像進行字符的分割，為了使單個字符的特征明顯，識別效率高，進而使用顏色填充把字符變?yōu)閷嵭捏w，最后對字符進行識別。

2.1 字符分割

選用投影法進行單個字符的分割[1]。分割結果見圖1，從圖1 中可以看出投影法對數(shù)字的分割結果是比較理想的，但對漢字和較小字符的分割結果不理想，不過可以滿足本研究的要求。

圖1 投影分割方法的結果

2.2 顏色填充

顏色填充常用的一種方法是種子填充，它與邊緣檢測運算剛好相反，互為逆運算。為了保證運動目標編號自動識別系統(tǒng)的實時性，本研究選用掃描線種子填充法。

2.3 字符識別

字符識別是根據(jù)每個字符獨有的特征比較分類[3]。字符識別包括漢字的識別、數(shù)字的識別和英文字母的識別，對于數(shù)字和英文字母來說，數(shù)字只有0～9 10個字符，英文大寫字母和小寫字母共52 個[5]，都屬于小字符集，提取特征比較容易；而常用漢字就有3 755個[2]，其他漢字更是結構復雜，屬于大字符集，所以提取特征就比較難。字符識別從宏觀上講屬于圖像識別，圖像識別又被稱為模式識別，根據(jù)模式識別的概念，識別一幅圖像，無論圖像中是字符還是景物都是除掉表面現(xiàn)象找出它們的共有特征，然后根據(jù)每個字符獨有的特征進行分類。

神經(jīng)網(wǎng)絡識別是一種人工模擬人腦神經(jīng)網(wǎng)絡編寫的識別方法[5]。神經(jīng)網(wǎng)絡識別系統(tǒng)的準確性和實時性很高[6]，BP 神經(jīng)網(wǎng)絡（Error back propagation neural network）是目前字符識別中經(jīng)常用到的一種識別方法。BP 神經(jīng)網(wǎng)絡識別流程見圖2。

圖2 BP 神經(jīng)網(wǎng)絡識別流程

BP 神經(jīng)網(wǎng)絡與其他識別方法相比，最大的優(yōu)勢在于其分類器含有一個向后傳播神經(jīng)網(wǎng)絡，可以將新訓練得到的不理想結果修正后再次匹配，BP 網(wǎng)絡分類器見圖3。

圖3 BP 網(wǎng)絡分類器

BP 神經(jīng)網(wǎng)絡訓練需要權重系數(shù)，但BP 網(wǎng)絡的權重系數(shù)不是人為設置的一個不變系數(shù)，它是不斷訓練、不斷變化的。BP 網(wǎng)絡是一種簡單地表示模型，圖4 為三層BP 網(wǎng)絡簡圖，它分為三層，層與層之間相連，而同層之間的單元沒有聯(lián)系。當BP 網(wǎng)絡輸出層給出的響應結果不正確時，它會向它的前面一級傳送修正[6]。

圖4 三層BP 網(wǎng)絡簡圖

假設有N 個訓練樣本，對第q（q∈Z）個訓練樣本，隱層j 的實際輸出為Oqj，它的第i 個神經(jīng)元的輸出為Oqi，設

式中：Dqj表示對q 個訓練樣本，單元j 的期望輸出[7]。

利用梯度最速下降法，使權值沿誤差函數(shù)的負梯度方向改變[7]。若權值的變化量記為Δwij，即

式中：η 為學習因子。

BP 網(wǎng)絡的訓練算法如下：

（1）初始化，給所有節(jié)點一個小閾值；

（2）訓練足夠多的樣本圖像，使訓練樣本的是正確率達到要求；

（3）輸出結果與期望結果比較，如果在誤差范圍內，則進入下一個樣本的訓練，否則執(zhí)行（4）；

（4）誤差后向傳播，修正權重系數(shù)wji（t+1）=wji（t）+ηδqjOqj，再進行樣本的訓練。

神經(jīng)網(wǎng)絡識別方法具有好的容錯性，而且識別速度快[8]。所以本研究設計系統(tǒng)使用BP 神經(jīng)網(wǎng)絡識別方進行運動目標編號的識別。

3 運動目標編號自動識別系統(tǒng)的實現(xiàn)

本研究利用上述算法應用VC++ 平臺結合OpenCV 庫編制成一套適用于現(xiàn)場運行的軟件系統(tǒng)，本章結合系統(tǒng)的算法流程圖，下面就根據(jù)算法流程圖對各個模塊的實現(xiàn)進行分析說明并給出系統(tǒng)運行結果。

3.1 運動目標編號自動識別系統(tǒng)算法流程圖

運動目標編號識別自動識別系統(tǒng)主要包含五部分：圖像采集、圖像預處理、定位、識別、車廂編號提取。

（1）圖像的采集，把運行運動目標編號的圖像拍攝下來，作為目標圖像。

（2）圖像預處理，把原圖像尺寸歸一化、校正亮度、銳化、灰度化、濾波以及膨脹與腐蝕。

（3）定位，先把灰度圖像進行邊緣檢測二值化，然后對運動目標編號區(qū)域定位。

（4）識別，先把定位出的運動目標編號區(qū)域中的字符分成單個字符圖像；為了識別更確切，利用種子填充算法把單個字符圖像填充完整，然后再進行識別。

（5）運動目標編號的提取，把識別出的運動目標編號顯示在屏幕上。

3.2 功能模塊與實驗結果分析

3.2.1 圖像的采集

本研究設計的運動目標編號自動識別系統(tǒng)中的圖像采集，直接使用場地現(xiàn)有的圖像采集設備，這樣不僅可以省去很多復雜的過程，還可以節(jié)省資源。場地現(xiàn)有設備是通過傳感器與照相機設備相連，當有運動目標經(jīng)過時，傳感器會將感應信號轉化為動作信號啟動照相機采集圖像，然后將采集的圖像經(jīng)過輸入線路傳輸給運動目標編號識別系統(tǒng)。采集的原圖像尺寸為7 728×5 368 像素。

3.2.2 圖像預處理

由運動目標編號自動識別系統(tǒng)算法流程圖可知，圖像預處理包含尺寸調整、亮度校正、銳化、灰度化、濾波以及腐蝕[9]。

3.2.3 運動目標編號的識別

由運動目標編號識別系統(tǒng)算法流程圖可知，運動目標編號的識別部分包括字符分割、顏色填充和字符識別。

（1）字符分割，為字符的識別做準備。本研究設計的系統(tǒng)選用投影法進行單個字符的分割，從實驗結果中也可以看出，投影法對圖像中數(shù)字的分割結果是比較理想的，但對較小字符和漢字的分割并不是很準確，不過這一點對本研究運動目標編號的識別提取沒有太大的影響，是可以滿足要求的。

（2）顏色填充，是為了字符識別更準確。顏色填充這一方法是在實驗的過程中加入的，因為圖像中的數(shù)字8 總是識別不準確，大部分被識別成了3 或者6，所以這里想利用顏色填充，把字符變成實心體，這樣字符的特征就會變得更多一些，然后再進行字符訓練，達到更高的識別率。本研究使用的顏色填充方法是種子填充算法中的掃描填充算法，并在其基礎上加入了一些限制條件，可以從定位出來的車廂編號區(qū)域看出，除了字符邊緣是白色點之外，其他地方都是黑色點，根據(jù)這一特點在找像素段時，當遇到像素段只有一端有白色像素點時，這種像素段優(yōu)先填充。

（3）字符識別，識別出有用信息進行存儲和顯示，這是本系統(tǒng)的目標。運動目標編號自動識別系統(tǒng)中，由于外在原因和內在條件的影響，存在著很多不利因素，當然也有它的便利性。運動目標編號區(qū)域的字符集有以下四個特點：

A.小字符集。運動目標編號區(qū)域的字符是比較固定的。漢字包括車、空、調、發(fā)、電等字符；英文字母包括A，K，X，D，T 等字符；數(shù)字包括0～9 10 個字符。

B.單個字符的圖像像素小。運動目標編號區(qū)域在圖像中占的比例并不大，定位出的區(qū)域被分割為單個字符之后，圖像變得更加小，增加了識別難度。

C.外界因素干擾大。圖像的采集是在運動目標高速運行的情況下進行的，而且外界光線的的變化也會給圖像的采集帶來困難，很可能采集的圖像是光線不足或者光線過強，又或者是字符黏連的。

D.相似字符的相互干擾。在字符訓練的過程中常出現(xiàn)的一個錯誤就是2 被識別成了Z。

神經(jīng)網(wǎng)絡分類器比其他分類器多了一個學習規(guī)則，更適用于本研究設計的系統(tǒng)，所以選擇BP 神經(jīng)網(wǎng)絡識別方法。

運用本研究設計系統(tǒng)對運動目標編號進行識別的結果見表1，圖像的識別正確率和平均反應時間還是比較理想的。從表1 中可以看出圖像的識別正確率與圖像的質量有很大關系，在下一步的研究中加入圖像融合技術，可以使圖像的質量更好，從而提高識別率，但也要保證系統(tǒng)的實時性。

表1 運動目標編號識別結果的統(tǒng)計

4 結論

本研究研究了現(xiàn)有運行運動目標編號定位和識別系統(tǒng)的現(xiàn)狀，查閱了大量國內外的技術文獻和資料。經(jīng)過對三層BP 神經(jīng)網(wǎng)絡識別方法進行識別技術的研究，提出了一種適用于運動目標編號區(qū)域的粗定位和精確定位兩層定位方法。經(jīng)過現(xiàn)場試驗運行，表明本研究設計的運動目標編號自動識別系統(tǒng)對所采集圖像的識別正確率是達到預期目標的。