全部事故樣本中,危險(xiǎn)場(chǎng)景包含公路?城市街道?郊區(qū)以及農(nóng)村道路?自然環(huán)境涵蓋:晴?陰?雨?雪等常見(jiàn)天氣和早?中?晚等不同光照條件;VRU群體包括行人?自行車騎行者?電動(dòng)車騎行者?摩托車騎行者等?厘清數(shù)據(jù)樣本中所包含的各類事故現(xiàn)場(chǎng),從而可構(gòu)建智能汽車測(cè)試危險(xiǎn)場(chǎng)景下道路弱勢(shì)群體服飾顏色數(shù)據(jù)庫(kù)?

圖1 VRU典型重大交通事故表1 VRU樣本分布情況

注:自行車?劃分為非機(jī)動(dòng)車的電動(dòng)車等中低速二輪交通工具,統(tǒng)稱二輪車;高速二輪交通工具,統(tǒng)稱摩托車?

2 樣本服飾色彩數(shù)據(jù)處理

2.1色彩空間選取

顏色聚類是模式識(shí)別和計(jì)算機(jī)視覺(jué)中的一個(gè)重要領(lǐng)域,每一種顏色可以通過(guò)色彩空間下的數(shù)學(xué)標(biāo)準(zhǔn)進(jìn)行定義,自動(dòng)緊急制動(dòng)系統(tǒng)中行人服飾顏色識(shí)別通過(guò)顏色在色彩空間的各項(xiàng)數(shù)值進(jìn)行分析?由于對(duì)所模擬的VRU上?下衣顏色進(jìn)行標(biāo)準(zhǔn)化定義,需要統(tǒng)計(jì)分析大量數(shù)據(jù),為此,通過(guò)聚類算法對(duì)相關(guān)數(shù)據(jù)的像素點(diǎn)進(jìn)行統(tǒng)計(jì)處理,從而得出現(xiàn)實(shí)交通環(huán)境下VRU服飾的代表顏色?典型的色彩空間可以分為兩大類:基色空間和色亮分離空間?其中,RGB(Red-Green-Blue)?CMY(Cyan-Magenta-Yellow)以及CMYK(Cyan-Magenta-Yellow-BlacK)屬于基色空間,YUV?YCC和LUV屬于色亮分離空間?廣為人知的三基色RGB色彩空間是與人體視覺(jué)系統(tǒng)對(duì)色彩感知最為契合的[9],但三基色之間的相關(guān)程度過(guò)高,細(xì)微的顏色變化即可能導(dǎo)致幾個(gè)參數(shù)的顯著波動(dòng)?由于行車環(huán)境的復(fù)雜性,不同光照?qǐng)鼍跋峦瑯宇伾腞GB值可能會(huì)產(chǎn)生明顯差別,因此,RGB色彩空間內(nèi)像素點(diǎn)的距離不能作為衡量顏色相異性的標(biāo)準(zhǔn),這也限制了聚類算法在RGB色彩空間的使用?LUV色彩空間具有視覺(jué)統(tǒng)一性,即使微小的色彩波動(dòng)在空間中也能準(zhǔn)確表達(dá),用作圖像處理時(shí),效果優(yōu)于RGB色彩空間?本研究采用基于國(guó)際照明委員會(huì)(CIE)XYZ空間變換得到的LUV空間進(jìn)行像素?cái)?shù)據(jù)的處理分析,使得像素點(diǎn)分布可以更加清晰地展示樣本的聚集情況,各聚類組的聚點(diǎn)更具合理性?

綜上所述,RGB色彩空間雖便于理解,但用于聚類則不具備線性化特性?因此,本文通過(guò)LUV空間對(duì)色彩數(shù)據(jù)進(jìn)行聚類處理分析,以RGB空間對(duì)原始色彩數(shù)據(jù)及最終的代表性顏色數(shù)據(jù)進(jìn)行呈現(xiàn)?

2.2 顏色數(shù)據(jù)轉(zhuǎn)換

在解決色彩聚類問(wèn)題時(shí),常見(jiàn)色彩空間有線性化的RGB?YUV空間?LUV空間和改進(jìn)型LUV空間?Dong[10]和Matkovic[11]對(duì)這4種色彩空間進(jìn)行了深入研究和討論,其中改進(jìn)后的LUV空間在復(fù)雜環(huán)境下的表現(xiàn)更好,通過(guò)對(duì)亮度參數(shù)的調(diào)整,使得空間更加線性,可以有效提高聚類結(jié)果的代表性?

基于文獻(xiàn)[10]~[12]的研究結(jié)果,選用改進(jìn)的LUV空間作為聚類算法的執(zhí)行基礎(chǔ),并列出RGB空間向CIELUV空間的轉(zhuǎn)換公式?

方式如下:

第1步，RGB到CIEXYZ?

人眼有響應(yīng)短?中?長(zhǎng)3種不同波長(zhǎng)范圍光線的感受器,因此原則上3個(gè)參數(shù)即可描述顏色感覺(jué)?CIEXYZ表色系統(tǒng)是在RGB系統(tǒng)的基礎(chǔ)上,通過(guò)數(shù)學(xué)方法選用3個(gè)理想的顏色來(lái)代替實(shí)際的三原色,3種原色的分量稱作三色刺激值,分別以X?Y和Z表示?依據(jù)國(guó)際電信聯(lián)盟無(wú)線電通信部門(ITU-R)的BT.709標(biāo)準(zhǔn),通過(guò)數(shù)值固定的3×3矩陣可以將RGB空間的像素點(diǎn)轉(zhuǎn)換到CIEXYZ空間?

第2步,CIEXYZ到CIEL*u*v*?

以CIEXYZ空間下的像素?cái)?shù)據(jù)計(jì)算空間變換的中間變量u′和v′

第3步,CIEL*u*v*到改進(jìn)L*u*v*?在復(fù)雜環(huán)境下實(shí)現(xiàn)色彩的感知,LUV空間下的亮度參數(shù)應(yīng)與■Ｙ成正比?因此,改進(jìn)的LUV最終轉(zhuǎn)換為

式中:L*表示圖像中的亮度;u*和v*分別表示圖像中的從綠色到紅色與從藍(lán)色到黃色的色度;u′n和v′n均為空間變換的中間變量,文獻(xiàn)[10]給出了詳細(xì)的計(jì)算公式?對(duì)樣本中目標(biāo)人群的服飾顏色數(shù)據(jù)進(jìn)行聚類分析,獲取最具代表性的顏色參數(shù),將顏色數(shù)據(jù)通過(guò)以上步驟即可由RGB空間格式向LUV空間格式進(jìn)行轉(zhuǎn)換?2.3  K-means算法的邏輯獲取大量樣本中最具代表性顏色的像素參數(shù),本質(zhì)上屬于數(shù)據(jù)挖掘過(guò)程,即從大量數(shù)據(jù)中辨識(shí)出隱藏的有價(jià)值信息?處理顏色分割問(wèn)題時(shí),歐氏距離是一種被廣泛使用的判據(jù)[12],定義如下

K-means是常用的基于歐氏距離的聚類算法,其認(rèn)為2個(gè)目標(biāo)的距離越近,相似度越大?通過(guò)評(píng)估數(shù)據(jù)間在同一距離度量尺度下的相似度,劃分出不同的聚類組,并通過(guò)聚類組的特征進(jìn)行信息的提取?K-means算法流程如下:設(shè)有n個(gè)像素點(diǎn)數(shù)據(jù)?
(1)選取k個(gè)像素點(diǎn)作為初始聚類中心;
(2)計(jì)算n個(gè)像素點(diǎn)與聚類中心點(diǎn)間的距離;
(3)將各個(gè)像素點(diǎn)歸入距離其最近的聚類中心;
(4)更新聚類中心并計(jì)算各像素點(diǎn)至中心距離;
(5)重復(fù)上述過(guò)程至距離最小平方差不變;
(6)獲得最終聚類中心?通過(guò)聚類算法對(duì)色彩數(shù)據(jù)進(jìn)行總結(jié),獲取最具普適性的VRU服飾顏色?該算法的優(yōu)點(diǎn)在于復(fù)雜度低且聚類效果顯著,處理大數(shù)據(jù)集時(shí)能夠保證較好的伸縮性?2.4 最佳聚類數(shù)組的確定采用K-means聚類算法進(jìn)行顏色像素點(diǎn)集的數(shù)據(jù)分析,首先需將所有數(shù)據(jù)點(diǎn)分為k個(gè)聚類組,通過(guò)計(jì)算求得使得組內(nèi)所有像素點(diǎn)與之距離平方和最小的中心點(diǎn),即為聚點(diǎn)?傳統(tǒng)的K-means聚類算法預(yù)先人為給定聚類組數(shù),但聚類組數(shù)的給定對(duì)聚類結(jié)果的影響較大?本文選取文獻(xiàn)[13]?[14]中提出并定義的Silhouette參數(shù)作為最優(yōu)聚類數(shù)的選取和評(píng)價(jià)指標(biāo)?Silhouette實(shí)質(zhì)上是一種比例性質(zhì)的指標(biāo),通過(guò)類內(nèi)緊密性和類間分離性的比例計(jì)算,評(píng)估聚類組數(shù)以及聚類結(jié)果的有效性?類內(nèi)緊密性指聚類組中各像素點(diǎn)之間的緊密程度,類間分離性代表不同聚類組之間像素點(diǎn)的分離程度?算法首先給出一定數(shù)目范圍的聚類組數(shù),并對(duì)不同給定的聚類組數(shù)分別計(jì)算Silhouette參數(shù)組的值?根據(jù)參數(shù)的大小來(lái)決定對(duì)聚類組數(shù)的選擇?一般情況下,算法定義的聚類組數(shù)最小為2?假設(shè)A是通過(guò)聚類算法得到的一個(gè)聚類組,a(yi)指的是聚類組A中第i個(gè)像素點(diǎn)與其余所有像素點(diǎn)之間相異度的平均值?d(yi,Ci)為一個(gè)數(shù)組,指的是聚類組A中的像素點(diǎn)i與除A以外任一聚類組Ci中各像素點(diǎn)之間相異度的平均值?定義b(yi)=d(yi,C),也是數(shù)組d(yi,Ci)的最小值,即C是擁有和像素點(diǎn)i最高相似性的聚類組?則聚類組中的像素點(diǎn)i對(duì)應(yīng)的Silhouette參數(shù)值s(yi)為

由此獲得每一個(gè)像素點(diǎn)的Silhouette值,所有像素點(diǎn)的Silhouette值構(gòu)成Silhouette數(shù)組,對(duì)數(shù)組內(nèi)的數(shù)值進(jìn)行平均值計(jì)算,即可得到這種聚類組分割情況下的評(píng)估指標(biāo)?基于以上定義可以發(fā)現(xiàn),Silhouettes能夠反映算法獲取的各聚類組之間的類內(nèi)緊密性和類間分離性,進(jìn)而幫助實(shí)現(xiàn)類內(nèi)緊密性高?類間分離性好的聚類效果?在本研究中,聚類組數(shù)將依次設(shè)定為2到10,并分別計(jì)算有效性指標(biāo)Silhouettes值進(jìn)行相應(yīng)評(píng)估,選取Silhouettes值最大的聚類組數(shù)作為算法的目標(biāo)組數(shù)?

獲得最佳聚類組數(shù)后,通過(guò)聚類算法對(duì)樣本數(shù)據(jù)進(jìn)行處理,獲取各聚類組中聚點(diǎn)在LUV空間格式下的各項(xiàng)參數(shù),隨后再通過(guò)空間的反向變換,將聚點(diǎn)參數(shù)由LUV空間格式轉(zhuǎn)換到RGB格式,從而得到最具代表性的顏色數(shù)據(jù)?

3 服飾色彩聚類結(jié)果

VRU群體的上?下身服飾色彩在顏色空間中具有不同分布,因此,應(yīng)分別對(duì)上?下衣裝的顏色進(jìn)行數(shù)據(jù)分析?由于兒童樣本量太少,且兒童在現(xiàn)實(shí)交通事故中傷亡比例較低,因此本文將針對(duì)成人代表服飾顏色進(jìn)行研究?為了使色彩能夠直觀呈現(xiàn),下文表格中列出的結(jié)果將從LUV色彩空間轉(zhuǎn)換回RGB色彩空間?