基于車牌字符邊界定位的視頻測(cè)速

陳 群，楊東勇，盧 瑾

(浙江工業(yè)大學(xué)信息工程學(xué)院，杭州 310 023)

基于車牌字符邊界定位的視頻測(cè)速

陳 群，楊東勇，盧 瑾

(浙江工業(yè)大學(xué)信息工程學(xué)院，杭州 310 023)

針對(duì)卡口環(huán)境下視頻測(cè)速誤差大的問(wèn)題，提出一種提高測(cè)速精度的方法。采用以車牌第2個(gè)字符作為車輛定位的特征塊，利用小波變換分解字符的外部邊界特征曲線，在低分辨率下實(shí)現(xiàn)目標(biāo)字符的模板匹配，并獲取該曲線相對(duì)模板的偏移量，在原分辨率上進(jìn)行邊界坐標(biāo)的精細(xì)調(diào)整，完成車輛特征塊的精確定位。結(jié)合字符高度固定的先驗(yàn)知識(shí)，確定車輛特征塊所處的實(shí)際坐標(biāo)系，以提高對(duì)車輛行駛距離的計(jì)算。在實(shí)際環(huán)境下，對(duì)該方法進(jìn)行長(zhǎng)達(dá)2個(gè)多小時(shí)的測(cè)試，并對(duì)測(cè)試結(jié)果與線圈測(cè)速、基于車牌定位的視頻測(cè)速進(jìn)行對(duì)比，結(jié)果表明，在車輛正常行駛的速度下，與線圈測(cè)速相比，該方法視頻測(cè)速誤差在3 km/h以內(nèi)。

視頻測(cè)速；字符定位；小波分解；模板匹配；攝像機(jī)標(biāo)定；消失點(diǎn)

1 概述

視頻測(cè)速是智能交通系統(tǒng)中一種新型測(cè)速方式，能克服線圈測(cè)速需要破壞路面的缺點(diǎn)，也能彌補(bǔ)雷達(dá)測(cè)速對(duì)安裝角度要求高的不足[1-2]。目前，國(guó)內(nèi)外越來(lái)越多的學(xué)者研究與視頻測(cè)速相關(guān)的技術(shù)。為了避免基于虛擬線視頻測(cè)速中觸線時(shí)間誤差的問(wèn)題，文獻(xiàn)[3]提出了在車道上設(shè)置一個(gè)矩形檢測(cè)區(qū)，通過(guò)檢測(cè)區(qū)內(nèi)的4個(gè)頂點(diǎn)與其在畫(huà)面中成像坐標(biāo)之間的關(guān)系，確定相應(yīng)的轉(zhuǎn)換系數(shù)，將圖像中的像素點(diǎn)坐標(biāo)準(zhǔn)確地映射到相應(yīng)的路面坐標(biāo)系下，確定車輛的位移計(jì)算出速度，使研究的技術(shù)集中在如何精確地得到車輛的行駛距離。為了簡(jiǎn)化相機(jī)標(biāo)定實(shí)現(xiàn)在實(shí)際道路下的測(cè)速，文獻(xiàn)[4-5]提出了利用消失點(diǎn)的原理建立像平面與路面坐標(biāo)的轉(zhuǎn)換關(guān)系進(jìn)行速度的轉(zhuǎn)換。但是上述的標(biāo)定方法都只是建立像平面到路面坐標(biāo)系下的映射，沒(méi)能建立像平面到車輛特征塊定位點(diǎn)所處的世界坐標(biāo)系下的轉(zhuǎn)換。在卡口環(huán)境下，研究的是基于對(duì)車輛特征塊的定位，如對(duì)車燈[6]、角點(diǎn)[7]定位，再求出相應(yīng)的行駛距離。目前，研究的最成熟的是基于車牌定位技術(shù)[8]的視頻測(cè)速，以其作為車輛每幀的定位結(jié)果，再結(jié)合攝像機(jī)標(biāo)定技術(shù)實(shí)現(xiàn)視頻測(cè)速。但車輛從遠(yuǎn)景駛?cè)虢爸?，定位效果?huì)受車牌邊框、傾斜等因素的干擾，使前后兩幀切割出來(lái)的車輛牌照不能很好的吻合，從而影響測(cè)速精度。

為提高視頻測(cè)速的精度，本文提出一種基于車牌字符邊界定位的視頻測(cè)速方法，對(duì)字符的外部邊界精確定位，以提高車輛行駛距離的估算。

2 視頻測(cè)速原理

視頻測(cè)速是通過(guò)視頻分析技術(shù)實(shí)現(xiàn)對(duì)車輛的測(cè)速。通過(guò)對(duì)車輛的實(shí)時(shí)定位，得到該車輛在畫(huà)面中的移動(dòng)速度，再利用攝像機(jī)標(biāo)定技術(shù)實(shí)現(xiàn)速度的轉(zhuǎn)換。車輛在畫(huà)面中的移動(dòng)速度如下式所示：

其中，d0和d1分別是通過(guò)定位技術(shù)，得到t0和t1時(shí)刻車輛在畫(huà)面中的移動(dòng)距離，然后通過(guò)像平面與路面坐標(biāo)系的映射關(guān)系實(shí)現(xiàn)速度的轉(zhuǎn)換。在實(shí)際道路上，像平面與路面坐標(biāo)系(原點(diǎn)為攝像機(jī)光軸與地面的交點(diǎn))[9]的映射關(guān)系如圖1所示。

圖1 路面坐標(biāo)系與像平面的映射關(guān)系

圖1中的角度t為相機(jī)光軸與路面的夾角，p為光軸與路面夾角，s為相機(jī)內(nèi)部的旋轉(zhuǎn)角， l為兩平面之間的距離。其中，XcsYcsZcs坐標(biāo)系是相機(jī)坐標(biāo)系XcYcZc繞Zc軸旋轉(zhuǎn)s度后形成的坐標(biāo)系，XwYwZw是路面坐標(biāo)系，UV為像平面坐標(biāo)系。從圖1可知，將路面坐標(biāo)系映射到像平面的步驟，如圖2所示。

圖2 路面坐標(biāo)系到像平面坐標(biāo)的轉(zhuǎn)換過(guò)程

結(jié)合圖1的映射關(guān)系，圖2中的4個(gè)變換過(guò)程在數(shù)學(xué)上的轉(zhuǎn)換關(guān)系如下：

對(duì)式(2)進(jìn)行反映射變換就可以建立從像平面到路面坐標(biāo)系(Zw=0)的轉(zhuǎn)換關(guān)系，具體公式如下：

由式(3)可知只要標(biāo)定出f，l，p，t，s這5個(gè)參數(shù)，就能完成像平面與路面坐標(biāo)系的映射關(guān)系。本項(xiàng)目所使用的攝像機(jī)是銳勢(shì)相機(jī)310系列，分辨率為1 616× 1 232，拍攝頻率為15幀/s。設(shè)像平面坐標(biāo)系的原點(diǎn)在左下角，在實(shí)際道路上配置相應(yīng)的標(biāo)志點(diǎn)以提取消失點(diǎn)，再根據(jù)消失點(diǎn)原理實(shí)現(xiàn)標(biāo)定。在實(shí)際道路面下的配置方法，如圖3所示。

圖3 參數(shù)配置方法

通過(guò)配置在畫(huà)面中獲取的坐標(biāo)位置為：A(480,997)，B(235,597)，C(1 559,586)，D(1 373,998)，E(383,838) E(383,838)，F(xiàn)(306,713)以此計(jì)算直線AB，CD，AD，BC的表達(dá)式，由直線AB與CD的交點(diǎn)計(jì)算出垂直方向消失點(diǎn)坐標(biāo)為(1 015,1 669)和由直線AD與BC的交點(diǎn)計(jì)算出水平方向消失點(diǎn)坐標(biāo)(-140 995,-2 166)，實(shí)際相機(jī)安裝的高度為H=6.65 m ，焦距f=25 cm，像元尺寸dx=dy=4.4 um。根據(jù)文獻(xiàn)[9-10]基于2個(gè)消失點(diǎn)標(biāo)定便可計(jì)算出仰角為t=10.5°，偏角為p=-2°，內(nèi)部?jī)A角為s=0.83°，再將標(biāo)定出來(lái)的參數(shù)代入式(3)即可得到像平面與路面坐標(biāo)的轉(zhuǎn)換。

從式(4)可知，車輛的定位精度是影響視頻測(cè)速精度的關(guān)鍵因素。在實(shí)際情況下，路面坐標(biāo)系需建立在定位點(diǎn)所對(duì)應(yīng)的平面上(即圖1所示的Zw=h )，而不應(yīng)直接建立在地面上。所以，必須計(jì)算出定位點(diǎn)所處的高度，進(jìn)一步提高視頻測(cè)速的精度。據(jù)此，本文提出利用小波變換對(duì)車牌第2個(gè)字符的外部邊界進(jìn)行精確定位，在低分辨率下通過(guò)最佳起點(diǎn)匹配實(shí)現(xiàn)目標(biāo)字符的模板匹配和邊界偏移量的確定，在原始分辨率下提取曲率特征，依次選擇3個(gè)基準(zhǔn)點(diǎn)利用最佳匹配原理，建立起模板邊界與目標(biāo)邊界的映射關(guān)系，統(tǒng)一以模板信息代替目標(biāo)邊界，提高前后兩幀定位點(diǎn)位置的吻合度。最后，結(jié)合字符高度固定的先驗(yàn)知識(shí)，完成定位點(diǎn)實(shí)際坐標(biāo)系的確定，提高對(duì)相鄰兩幀間車輛移動(dòng)距離的計(jì)算。

3 基于車牌定位的視頻測(cè)速算法

車牌定位是卡口系統(tǒng)里的子模塊，通常以其定位結(jié)果實(shí)現(xiàn)視頻測(cè)速。其定位方式主要是根據(jù)車牌長(zhǎng)寬比例、字符區(qū)域的紋理特征、車牌顏色等特征實(shí)現(xiàn)對(duì)車牌區(qū)域的定位，再將定位結(jié)果代入式(4)得出速度。車牌定位算法的基本流程如圖4所示。

圖4 車牌定位算法基本流程

從定位流程可知，車牌定位算法中并沒(méi)有對(duì)車牌的上下邊界做精分割，只是定位出一個(gè)大致區(qū)域。但是，視頻測(cè)速對(duì)特征塊定位的精度要求很高。前后兩幀的定位點(diǎn)差一個(gè)像素，得到的速度相差1 km/h左右。因此，必須對(duì)其進(jìn)行改進(jìn)來(lái)提高視頻測(cè)速精度。

4 基于車牌定位的視頻測(cè)速改進(jìn)算法

車牌圖像通過(guò)二值化后，其字符的邊界往往存在缺陷、毛刺、傾斜等因素的干擾。這些干擾會(huì)造成車輛前后兩幀的定位點(diǎn)不吻合，從而影響對(duì)車輛行駛距離的估算，以致影響測(cè)速精度。為了能消除這些干擾，本文先對(duì)目標(biāo)字符邊界進(jìn)行等距采樣形成特征曲線并對(duì)其進(jìn)行小波表達(dá)，再不斷調(diào)整曲線的起點(diǎn)位置實(shí)現(xiàn)特征匹配。最后，利用最佳匹配完成邊界的調(diào)整達(dá)到精定位。

4.1 字符外部邊界特征曲線的小波表達(dá)

首先將采集到的m點(diǎn)邊界點(diǎn)統(tǒng)一以n點(diǎn)對(duì)邊界進(jìn)行等距抽樣[11]，并將邊界點(diǎn)集轉(zhuǎn)換到極坐標(biāo)形式下來(lái)表達(dá)，實(shí)現(xiàn)字符邊界的尺度、平移、旋轉(zhuǎn)不變性。再對(duì)特征曲線進(jìn)行小波分解選擇低頻信息進(jìn)行匹配，以濾除細(xì)節(jié)噪聲干擾。

由輪廓跟蹤法對(duì)字符邊界點(diǎn)進(jìn)行逆時(shí)針等距采集所得到的邊界圖如圖5所示(以字符“B”為例)：

圖5 邊界點(diǎn)集

將邊界點(diǎn)坐標(biāo)轉(zhuǎn)化成極坐標(biāo)形式進(jìn)行表達(dá)：

圖6 邊界點(diǎn)的幅值曲線

圖7 邊界點(diǎn)的相位曲線

由于邊界點(diǎn)的幅值曲線r'包含了邊界點(diǎn)與幾何中心的關(guān)系即字符的邊界信息，因此本文提取幅值曲線r'作為目標(biāo)字符的特征曲線。

然而目標(biāo)邊界往往存在許多干擾，僅僅依靠初始的邊界信息進(jìn)行匹配，誤匹配率比較高。由小波變換的原理可知，通過(guò)尺度函數(shù)：{φ(2kx-j )|j∈Z }可生成分辨率為2j下的逼近信號(hào)，表征特征曲線的邊界信息的近似信號(hào)；由小波函數(shù)：{?(2kx-j )|j∈Z }生成的小波空間，得到是分辨率為2j和2j+1下的逼近信號(hào)之差，表征了邊界信息的細(xì)節(jié)信號(hào)。

所以特征曲線的邊界點(diǎn)數(shù)N應(yīng)為2的冪次方才不會(huì)造成邊界信息的丟失。本文選擇N=128并對(duì)其進(jìn)行周期性擴(kuò)展為r1( N)=r'(0),r1( N+1)=r'(1),…,r1( N+t)=r'( t ),…，

1將其在第J層下進(jìn)行小波分解如下式所示：

其中，Ck,j和Dk,j分別為曲線r1在分辨率為J下的近似和細(xì)節(jié)數(shù)據(jù)。當(dāng)J=3時(shí)，分解后的效果如圖8、圖9所示(數(shù)據(jù)重新歸一化處理)。

圖8 低頻分量曲線

圖9 高頻分量曲線

4.2 基于最佳起點(diǎn)匹配的模板查找和偏移量計(jì)算

字符受傾斜現(xiàn)象的影響，使目標(biāo)邊界曲線與模板曲線的起點(diǎn)不一樣。但通過(guò)對(duì)循環(huán)平移和小波變換進(jìn)行分析[12]，其滿足把偏移量除以2J，所得的商為m余數(shù)為k，則平移后的小波變換結(jié)果等于先將邊界點(diǎn)集平移k個(gè)單位進(jìn)行小波變換后再平移m個(gè)單位。具體原理如下式如示：

即通過(guò)搜索m和k的值，得到匹配的相異度最小時(shí)所對(duì)應(yīng)的模板即為當(dāng)前字符匹配的結(jié)果，并根據(jù)m、k計(jì)算出偏移量S=m·2J+k，以此對(duì)目標(biāo)邊界點(diǎn)集進(jìn)行平移，使其與模板邊界能夠一一對(duì)應(yīng)。

設(shè)rb為模板邊界特征，rc為目標(biāo)邊界特征，兩者相異度計(jì)算方式如下：

對(duì)于圖5字符“B”，通過(guò)最佳起點(diǎn)搜索匹配與模板“B”的特征曲線形成了匹配對(duì)，兩者的相異度D=0.021，所對(duì)應(yīng)的m=0，k=2，即偏移量為S=2。

4.3 基于最佳匹配的字符邊界精調(diào)整

在原始分辨率下，目標(biāo)邊界由于存在干擾與模板仍有一定的差異，生成的邊界點(diǎn)集r'會(huì)存在細(xì)微的偏差，從而導(dǎo)致與模板邊界的對(duì)應(yīng)是模糊的，而且每一幀對(duì)應(yīng)的模糊狀況都不一樣，這樣極大地影響了車輛的定位精度。其粗匹配結(jié)果如圖10所示。

圖10 邊界粗匹配結(jié)果

為了能解決上述的問(wèn)題，本方法通過(guò)建立模板與目標(biāo)邊界的仿射變換關(guān)系對(duì)目標(biāo)邊界進(jìn)行精確調(diào)整。假設(shè)Cc為目前邊界，Cb為模板邊界，S(sx, sy)為尺度矩陣，R(θ)為旋轉(zhuǎn)矩陣，T(tx,ty)為平移矩陣。其仿射變換原理如下：

從上面的變換過(guò)程中可知有5個(gè)未知參數(shù)，至少得建立5個(gè)方程才能求解。所以要選取3個(gè)基準(zhǔn)點(diǎn)(每個(gè)基準(zhǔn)點(diǎn)可以得到2個(gè)方程)才能建立模板到目標(biāo)的仿射變換關(guān)系。3個(gè)基準(zhǔn)點(diǎn)的選擇步驟如下：

(1)對(duì)特征曲線分段匹配處理，排除相似度較差的曲線區(qū)間：

其中，(s,e)表示曲線的起始點(diǎn)；Di表示第i段曲線的相異度；D表示整條曲線的相異度；n表示每段曲線的點(diǎn)數(shù)。

(2)對(duì)剩下的曲線段Pg，提取曲率特征選擇曲率較大的點(diǎn)為候選基準(zhǔn)點(diǎn)，以排除因曲率變化過(guò)于平坦導(dǎo)致基準(zhǔn)點(diǎn)集中在某一曲線段，無(wú)法獲取最佳映射關(guān)系。

其中，(x,y)表示目標(biāo)邊界的坐標(biāo)位置；Curv(Pg)表示當(dāng)前曲線段的曲率。

(3)對(duì)候選基準(zhǔn)點(diǎn)Pc以3點(diǎn)為一組建立模板與目標(biāo)邊界的映射關(guān)系，取匹配相異度最小所對(duì)應(yīng)的基準(zhǔn)點(diǎn)。

具體的流程如圖11所示。

圖11 邊界精調(diào)整流程

根據(jù)圖11的流程，對(duì)圖5中的字符邊界進(jìn)行精細(xì)調(diào)整所得的變換矩陣如下：

邊界調(diào)整后的效果如圖12、圖13所示。

圖12 調(diào)整后的曲線對(duì)比

圖13 調(diào)整后的邊界點(diǎn)集

調(diào)整前后的定位點(diǎn)對(duì)比如表1所示。

表1 邊界調(diào)整前后對(duì)比

由圖12、圖13和表1可知，通過(guò)調(diào)整后字符邊界與模板邊界的特征曲線基本重合且目標(biāo)字符的邊界坐標(biāo)得到調(diào)整，消除了缺陷、毛刺、傾斜等因素的干擾。

5 車輛行駛距離的確定

實(shí)現(xiàn)對(duì)車輛特征塊的定位后，再求出定位點(diǎn)所處的實(shí)際坐標(biāo)系，就可以確定車輛的行駛距離，實(shí)現(xiàn)視頻測(cè)速。由于實(shí)現(xiàn)了字符邊界的精定位，通過(guò)字符高度固定的先驗(yàn)知識(shí)，投影出定位點(diǎn)距離地面的高度。投影的原理如圖14所示。

圖14 定位點(diǎn)高度投影原理

如圖14所示，A為字符邊界的左上頂點(diǎn)；F為邊界的左下頂點(diǎn)；C為上邊界在地面上的投影點(diǎn)；D為下邊界在地面上的投影點(diǎn)；OH為相機(jī)安裝的高度；AE為字符上邊界距離地面的高度。通過(guò)相機(jī)標(biāo)定，可以得到OD和OC的距離。

由式可得定位點(diǎn)距離地面的高度AE為：

設(shè)OH=H，結(jié)合式(14)對(duì)式(4)進(jìn)行修改，得到的新表達(dá)式如下：

將每幀字符的左上頂點(diǎn)坐標(biāo)代入式(15)，便可以計(jì)算出車輛所行駛的距離。

6 實(shí)驗(yàn)結(jié)果

將視頻測(cè)速算法從PC平臺(tái)移植到DSP環(huán)境下(智能卡口系統(tǒng)由上海弘視通信技術(shù)有限公司提供)，在實(shí)際卡口環(huán)境下進(jìn)行長(zhǎng)達(dá)2個(gè)多小時(shí)的測(cè)試，測(cè)試結(jié)果與線圈測(cè)速、基于車牌定位的視頻測(cè)速進(jìn)行對(duì)比。部分測(cè)試結(jié)果如表2所示。

表2 部分測(cè)試結(jié)果對(duì)比

表2中的數(shù)據(jù)包含了多種車輛類型(如小轎車、工程車等，其定位點(diǎn)的高度都不一樣)的測(cè)試結(jié)果。由表2可知，在視頻測(cè)速中直接通過(guò)車牌定位得到的速度誤差范圍較大，而且定位點(diǎn)距離地面越高誤差就越明顯。通過(guò)本文方法可有效地還原特征塊位點(diǎn)的實(shí)際坐標(biāo)系，提高車輛行駛距離的計(jì)算，有效地提高視頻測(cè)速的精度。

7 結(jié)束語(yǔ)

為提高視頻測(cè)速的精度，本文提出對(duì)字符的外部邊界精確定位，以提高車輛行駛距離的估算。實(shí)驗(yàn)結(jié)果表明，本文方法可有效地提高視頻測(cè)速的精度，且不受車輛類型、特征塊位置高低的影響。但是本文是在定位車牌的前提下進(jìn)行的研究，對(duì)于車速超過(guò)100 km/h以上的容易造成車牌模糊導(dǎo)致字符區(qū)域分割失敗。因此，考慮如何去除運(yùn)動(dòng)模糊是下一步需要研究的重點(diǎn)。

[1] 湯淑明, 王坤峰, 李元濤. 基于視頻的交通事件自動(dòng)檢測(cè)技術(shù)綜述[J]. 公路交通科技, 2006, 23(8): 116-121.

[2] 安福東. 機(jī)動(dòng)車的幾種測(cè)速方式原理及性能的分析比較[J].警察技術(shù), 2003, (3): 33-35.

[3] 張重德, 張崇巍. 一種提高視頻車速檢測(cè)精度的方法[J].上海交通大學(xué)學(xué)報(bào), 2010, 44(10): 1439-1443.

[4] Maduro C, Batista K, Peixoto P, et al. Estimation of Vehicle Velocity and Traffic Intensity U sing R ectified Images[C]// Proc. of International Conference on Image Processing. [S. 1.]: IEEE Press, 2008: 777-780.

[5] Nguyen T T, Pham X D. Compensating Background for Noise Due to Camera V ibration in Uncalibrated-camera-based Vehicle Speed Measurement System[J]. IEEE Transactions on Vehicular Technology, 2011, 60(1): 30-43.

[6] 童劍軍, 鄒明福. 基于監(jiān)控視頻圖像的車輛測(cè)速[J]. 中國(guó)圖象圖形學(xué)報(bào), 2005, 10(2): 192-196.

[7] 徐 偉, 王朔中. 基于視頻圖像Harris角點(diǎn)檢測(cè)的車輛測(cè)速[J]. 中國(guó)圖象圖形學(xué)報(bào), 2006, 11(11): 1650-1652.

[8] Czajewski W, Iwano wski M. V ision-based V ehicle Speed Measurement Method[C]//Proc. of ICC VG’10. [S. 1.]: IEEE Press, 2010: 308-315.

[9] 李 勃, 董 蓉, 陳啟美. 路況PTZ攝像機(jī)自動(dòng)標(biāo)定方法[J]. 北京郵電大學(xué)學(xué)報(bào), 2009, 32(z1): 24-29.

[10] Guillou E, Meneveaux D, Maisel E. Using Vanishing Point for Camera Calibration and Coarse 3D Reconstruction from a Single Image[J]. The Visual Computer, 2000, 16(7): 396-410.

[11] 胡 碩, 朱 明, 吳 川, 等. 一種起始點(diǎn)無(wú)關(guān)的小波系數(shù)形狀匹配[J]. 中國(guó)圖象圖形學(xué)報(bào), 2007, 12(2): 302-307.

[12] 毛 鋒, 張樹(shù)有, 施岳定. 多分辨輪廓匹配的成型制件外形檢測(cè)[J]. 浙江大學(xué)學(xué)報(bào): 工學(xué)版, 2011, 45(6): 1013-1020.

編輯 索書(shū)志

Video Speed Measurement Based on Boundary Location of License Plate Characters

CHEN Qun, YANG Dong-yong, LU Jin

(College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China)

Aiming at the problem that video speed measurement has a large error under bayonet socket environment, a method to improve the velocity prec ision is prop osed. Th e second c haracter of li cense plate as a fea ture of vehicle positioning block is used, wavelet decomposition is used to decompose the characteristic curve of the characters outer boundary, the feature matching is made and the offset of the curve about the template is obtained at low resolution, the outer boundary is adjusted in the initial resolution to complete the vehicle precise location. The actual coordinate of the block is determined combined with the height fixed of character, improves the distance of the vehicle traveling. In actual enviro nment, it tests the algorithm for longer than two hours, and compared with coil spee d and vi deo speed measurement by license plate location. Results show that, under normal speed, the error is within 3 km/h compared with the coil speed.

video speed measurement; character location; wavelet decomposition; template matching; camera calibration; vanishing points

10.3969/j.issn.1000-3428.2014.05.033

浙江省自然科學(xué)基金資助項(xiàng)目(Y1080533)。

陳 群(1987－)，男，碩士研究生，主研方向：模式識(shí)別，數(shù)字圖像信號(hào)處理；楊東勇，教授、博士生導(dǎo)師；盧 瑾，實(shí)驗(yàn)師、博士研究生。

2013-02-27

2013-03-31E-mail：chenqun_20060500@126.com

1000-3428(2014)05-0158-06

A

TP18