个性80后打造率性十足的loft家 看着心情就很high

　　引言

　　本文所研究的车脸是指由散热器隔栅和车灯组成的带状区域，如图1所示。车脸的车灯部分具有明显的形状特征，因此，通过量化车灯形状，可达到量化车脸特征的目的。对车脸特征进行量化，可以便于交管部门建立车脸特征数据库，简化车脸特征检索算法，提高车脸特征检索速度，实现快速、高效的车脸识别。

　　车灯的形状特征

　　通过考察多类轿车的车灯形状发现，可以根据车灯的外形轮廓将其分为简单几何结构和复杂组合结构两大类。简单几何结构又可以根据车灯形状划分为矩形、圆形、椭圆形、菱形、瓜子型和三角形等。对于复杂组合结构的车灯，其形状轮廓通常为比较复杂的曲线。两类结构的车灯示例如图2所示。

　　车灯初始轮廓提取

　　为了提取车灯的初始轮廓，需要先将车灯从车脸中分割出来。从图1中可以看出：车脸的散热器隔栅具有明显的纹理方向，而车灯的纹理方向不明显。对横纹车脸进行水平边缘垂直投影，对纵纹车脸进行垂直边缘垂直投影，散热器隔栅均对应投影曲线中的最大鼓包，因此，可以根据这个最大鼓包确定出散热器隔栅的左边界和右边界，即左车灯的右边界和右车灯的左边界。从而，车脸被分割成左车灯、散热器隔栅和右车灯三部分，最终将车灯从车脸中分割出来。

　　在车脸中分割出车灯后，使用Canny算子对其进行边缘检测。经典的边缘检测算法通常根据各像素点在某个邻域内的灰度变化进行边缘检测，但是大灯边缘和噪声都是高频信号，很多经典的边缘检测算法难以在车灯边缘和噪声之间进行取舍[1]。通过对多种边缘检测算子的比较发现，Canny算子在对车灯边缘的检测中表现优秀，对各个方向的边缘都比较敏感，可以比较完整地检测出复杂轮廓车灯的边缘。因此，本文选用Canny算子进行车灯的边缘检测，得到的车灯边缘图如图3所示。

　　Canny算子的具体算法如下：首先通过Gauss平滑滤波去除图像中的噪声;然后，计算去噪处理后所得图像的梯度;最后，使用非极大值抑制算法和双阈值算法对梯度图中的边缘进行细化，并剔除虚假边缘和连接间断边缘，最终得到边缘图[2~3]。

　　检测出车灯边缘后，使用Hough变换提取边缘直线。Hough变换根据数学对偶性原理将图像空间映射到参数空间，在图像空间中共线的点对应参数空间中相交的线，参数空间中所有相交于同一点的线在图像空间中都能找到共线的点与之对应。其算法思想是：图像空间中的点(x1,y1)对应参数空间中的一组累加器HT(θi，ρi)，满足式(6)的每一点都将使对应的累加器加1。如果图像中存在一根直线，则会有一个与之对应的累加器出现局部最大值，且直线越长累加器的值越大。设定一个阈值，当累加器的值大于该阈值时，认为在图像空间中存在一条与该累加器对应的直线，并可确定该直线在参数空间对应的一对参数(θ，ρ)，从而检测出该直线。