LabVIEW开发移动车辆的识别和特征提取

闭路电视摄像机在高速公路上变得越来越普遍，并用于交通管理;摄像机允许操作员直观地监控交通状况。随着摄像机数量的增加，操作员监控每个摄像机成为一项艰巨的任务，因此录制视频，并且通常仅在已知特定摄像机视野内发生感兴趣的事件后监控此类视频。手动查看它们生成的大量数据通常是不切实际的。

视频监控数据中的车辆自动检测和跟踪是图像处理中极具挑战性的问题，具有重要的实际应用，例如交通分析和安全。通过适当的图像处理和分析，可以从视频中检测和提取大量有用的交通信息，例如，使用道路的车辆的数量、类型和速度。在视频帧中检测到车辆后，需要提取图像特征以进行进一步处理。图像特征是图像的原始特征或属性。其中一些是直接感受到的自然特征，例如区域亮度、边缘、纹理或颜色;有些是通过变换或测量获得的人类特征，如变换光谱、直方图、矩等。

车辆识别系统在以下步骤中实施

1 使用智能相机和图像采集抓取交通视频剪辑

2 在LabVIEW环境中从视频片段中获取图像帧

3 LabVIEW中的背景图像配准

4 LabVIEW中的前地面物体（车辆）检测，通过从给定的输入视频帧中减去背景图像获得。计算特定间隔的帧之间的差异以检测移动物体。

5 LabVIEW中的视觉助手进行图像处理和车辆属性特征提取（宽度、高度、周长和面积）

LabVIEW可对仪器控制、数据采集和采集数据的预/后处理。使用图形编程环境，无需编写程序代码行

LabView的NI视觉助手模块提供了视觉应用原型的分步说明。若要对图像处理应用程序进行原型设计，请使用视觉助手脚本功能构建自定义算法。脚本功能记录处理算法的每一步。完成算法后，您可以在其他图像上对其进行测试以确保其正常工作。

用于比较和查找两个图像之间的差异以识别图像中的车辆的实验室视图Vi。

‍

需要提供当前图像作为输入。得到的只有道路的图像，车窗外的图像。输出灰度图像。保存图像，以便在实验室视图视觉助手模块中进行进一步的图像处理和特征提取。

在车辆检测步骤之后，图像处于灰度状态。通过打开的图像将图像加载到实验室视图的视觉助手模块中，并给出图像的文件路径。

步骤一：阈值-选择灰度图像中像素值的范围，应用阈值后将图像转换为二进制图像。要执行此步骤，请在灰度选项卡中选择阈值功能。

步骤II粒子过滤器-根据过滤条件指定删除或保留图像中的粒子。要执行此步骤，请在二进制选项卡中选择粒子过滤器功能。图9显示了在二进制图像上应用粒子过滤器后的屏幕截图。

步骤III高级形态学-对二进制图像中的blob执行高级操作。若要执行此步骤，请在二进制选项卡中选择“高级形态函数”。首先通过选择选项删除小对象来删除图像中的小颗粒。在二进制图像上应用去除小颗粒后的屏幕截图。下一步是在凸选项中计算对象的凸包。

步骤IV颗粒分析-显示对图11中的图像执行的选定颗粒测量的测量结果。要执行此步骤，请在二进制选项卡中选择粒子分析功能，选择物体（车辆）的特征宽度，高度，周长，面积以像素为单位进行测量。

车辆识别系统用于通过对道路上移动的车辆进行识别和特征提取，使交通监控系统的过程自动化。系统使用LabVIEW对车辆样本图像进行处理，以提取特征。

这是LabVIEW的一个简单应用，更多的开发案例，欢迎登录北京瀚文网星官网，了解更多信息。