一阶颜色矩反映了图像的平均色， 二阶颜色矩描述了图 像颜色分布的一致性。由图 2 和图 3 可以看出， 在车头部分车 体颜色分布相对于其他部分颜色的一致性好得多， 因此可以 用二阶颜色矩来区分车窗和车头， 然后用一阶矩来描述车体 的主要颜色， 提取算法如下：
佟守愚， 郑黎黎， 杨
吉， 等： 基于动态窗口的运动车辆颜色特征提取算法
[2]
2
算法描述
算法基本思路是首先利用背景差分方法提取交通场景中
的车辆， 并剔除车辆阴影对车辆中心定位的影响； 然后根据车 辆中心坐标和车辆类型的不同， 在车辆中心区域开设 3 个动 态窗口， 通过二阶颜色矩来分析比较每个窗口区域内的颜色 一致性； 最后选取颜色一致性最好的区域， 计算其一阶颜色 矩， 并以此作为所检测车辆的主体颜色。算法流程如图 1 所示。
Computer Engineering and Applications 计算机工程与应用
2010， 46 （24）
19
基于动态窗口的运动车辆颜色特征提取算法
佟守愚 1， 郑黎黎 2， 杨 吉 1， 丁同强 2 TONG Shou-yu1， ZHENG Li-li2， YANG Ji1， DING Tong-qiang2
为( x ′c y ′c)， 则其颜色特征窗口 （图 3） 的坐标( x ′i y ′ j )按如下公式 （2） 和 （3） 确定， 即先平移， 再按视距深度进行比例缩放：
x͂ i = xi + ( x ′c - x c) y͂ j = y j + ( y ′c - y c) y′ y′ x ′i = c x͂ i y ′ j = c y͂ j yc yc
O
x ′1 x ′2
（2） （3）
X
图1
车辆颜色特征提取算法流程图
y ′1 y ′2 y ′3 y ′4
考虑阴影的影响， 很可能导致如下严重问题： （1） 提取的车辆 中心位置坐标严重偏离实际； （2） 目标类型的判断出现严重错 误。这些都将直接影响到车辆颜色提取窗口的确定， 从而影 响颜色提取的准确性。近年来阴影消除已成为基于视频技术 的交通信息检测研究的一项重要内容[5-8]。文中采用文献[8]提 出的阴影剪除方法。
Y
2.2
车辆中心定位与车型判别
利用图像背景差分方法将车辆目标从背景中提取出来并
图3
车辆颜色特征动态窗口
2.4
车辆颜色信息的提取
确定了车辆的位置后， 就可以根据位置信息进一步获取
剪除阴影， 即可对车辆进行定位， 也就是确定车辆的中心。对 剪除阴影后的差分图像作二值化处理， 得到二值化的车辆图 像。车辆的中心位置可以通过计算各象素点横、 纵坐标相加 求和后取平均来求得车辆的中心位置坐标C ( x c y c)， 如下式：
于多色或杂色车辆颜色特征识别效果也在 80%以上。在交通 场景中对运动车辆的颜色特征提取会受到诸多因素的干扰， 如场景中的天气、 光照强度与角度、 车辆的阴影、 车型以及不 同颜色模型的选取等， 因此， 如何克服各种因素导致的颜色提 取失真， 仍是一个有待深入研究的课题。
2010， 46 （24）
21
（1） 根据车辆的中心坐标， 在相应的视频图像中找到车辆 的对应区域， 由中心点沿车体方向开 3 个连续的窗， 如图 3 所示； （2） 求得每个窗内的 RGB 平均二阶颜色矩M i = (r 2 + g 2 + b 2)/3， 计算M min = min(M1, M 2, M 3)； （3） 计算与M min相应的区间内的一阶颜色矩(r1, g1, b1)。
型的不同进行动态调整； 颜色提取算法采用 RGB 颜色模型， 利用颜色的一阶矩和二阶矩作为车辆主体颜色的判定依据。算法经 实验验证具有较高的检测精度。 关键词： 运动车辆； 颜色特征； 动态窗口 DOI： 10.3778/j.issn.1002-8331.2010.24.006 文章编号： 1002-8331 （2010） 24-0019-03 文献标识码： Ａ 中图分类号： TP391.41
（4） （5） （6） （7） （8） （9）
相同的不同车辆在视频显示时， 视距远的车辆会比视距近的 车辆小； 即使同一运动辆车， 在不同时刻抓拍到的图像帧， 其 显示的车辆图像大小也必定不同。因此， 在车辆中心区域开 设的 3 个颜色提取窗口的大小应随着车辆中心位置的不同进 行动态调整。即使在摄像机相同视距上， 对于不同大小的车 辆， 其颜色提取窗口的大小也应根据车辆类型不同而进行相 应的动态调整。具体实现过程如下： （1） 在每一车道某一固定位置分别抓拍大、 中、 小 3 种类 型的静止车辆 （称为基准车辆） 图片， 并根据式 （1） 提取基准车 辆的中心坐标( x c y c)， 作为后续动态窗口调整时的基准坐标。 （2） 依据车头方向， 沿车辆纵向中心线位置由前至后连续 开设 3 个大小相同的颜色特征提取窗口， 窗口的位置坐标和 尺寸大小根据实验的实际显示状况确定， 并作为后续动态窗 口调整时的基准窗口。图 2 所示的是小型基准车辆颜色窗口 的位置和大小。 （3） 设同一车道小型运动车辆的中心坐标按公式 （1） 提取
2.1
车辆检测与阴影剪除
在车辆中心位置开设窗口时， 需要确定车辆的中心位置
坐标并判别车辆类型。本文利用背景差分方法提取车辆目 标。但该方法的缺点是提取场景内目标时， 将目标和它的阴 影作为一体分割出来， 所以阴影点将被误检为目标点。如不
基金项目： 国家自然科学基金 （the National Natural Science Foundation of China under Grant No.50808093/E0807） ； 中国博士后科学基金 （the Postdoctoral Science Foundation of China under Grant No.20070411000） 。 作者简介： 佟守愚 （1962-） ， 男， 博士， 副教授， 主要研究方向： 交通信息工程与控制； 郑黎黎 （1975-） ， 女， 博士后， 副教授， 研究方向： 智能交通系统； 杨吉 （1959-） ， 副教授， 研究方向： 数学建模； 丁同强 （1977-） ， 博士， 副教授， 研究方向： 交通安全。 收稿日期： 2010-03-19 修回日期： 2010-07-09
x c = 1 å xi y c = 1 å yi L i=0 L i=0
L-1 L-1
车辆的颜色信息。由于摄像机是以一定的俯视角度来拍摄车 辆， 挡风玻璃等部分占据了图像中车辆目标区域相当的面积， 对车辆的颜色提取造成很大干扰， 因此如何从目标区域中分 离出带有车辆颜色信息的部分将对颜色信息提取至关重要。 文中就这一问题给出了利用一阶、 二阶颜色矩来区分和描述 车体信息的有效方法。颜色矩是反映一幅图像颜色及其分布 的统计量。一幅用 RGB 表示的大小为 m×n 的图像 f (i j)的一 阶颜色矩(r1 g1 b1)、 二阶颜色矩(r 2 g 2 b 2)表示如下：
1.空军航空大学 基础部， 长春 130022 2.吉林大学 交通学院， 长春 130025 1.Foundational Department， Aviation University of Air Force， Changchun 130022， China 2.College of Transportation， Jilin University， Changchun 130025， China E-mail： shouyutong@ TONG Shou-yu， ZHENG Li-li， YANG Ji， et al.Research on color feature extraction algorithm of moving vehicle based on dynamic puter Engineering and Applications， 2010， 46 （24） ： 19-21. Abstract：A dynamic windows based color extraction algorithm of moving vehicle is proposed.The color extraction windows are adjusted according to the vehicle center coordinates and vehicle types in traffic scene.The RGB color model is used in color extraction algorithm.The main color of vehicle is judged by color moment and second moment.Experiments are given to demonstrate the effectiveness and benefits of the proposed method. Key words：moving vehicle； color feature； dynamic window 摘 要： 提出了基于动态窗口的运动车辆颜色提取算法， 其中颜色提取窗口根据车辆中心坐标在交通场景中的位置以及车辆类
r1 = g1 = b1 = r2 = g2 = b2 = 1 å r(i j) m´n å i=0 j=0 1 å g(i j) m´n å i=0 j=0 1 å b(i j) m´n å i=0 j=0 1 å (r(i j) - r1)2 m´n å i=0 j=0 1 å (g(i j) - g1)2 m´n å i=0 j=0 1 å (b(i j) - b1)2 m´n å i=0 j=0
1
引言
运动车辆的分类识别与跟踪技术是智能交通系统 （ITS）
前人研究成果的基础上， 提出了基于动态窗口的运动车辆颜 色提取算法， 其中颜色提取窗口根据车辆中心坐标在交通场 景中位置以及车辆类型的不同进行动态调整。算法经实验验 证具有较高的检测精度。