详情

原文传递基于单目视觉的车辆检测与跟踪

论文题名：	基于单目视觉的车辆检测与跟踪
关键词：	单目视觉;阴影特征;分类器;压缩感知;车辆检测
摘要：	驾驶员辅助系统(简称DAS)作为一个包含车道保持、前车防撞和倒车防撞等功能在内的车辆主动安全工具，能够有效减少公路交通事故的数量，降低交通事故的严重性。传统DAS通过雷达、超声波和激光传感器来检测周边的环境信息。但是因为存在着价格昂贵，返回的检测结果不符合人的认知习惯等缺点而没有得到普及。近年来，随着计算机和视觉技术的发展，基于视觉传感器的DAS因其价格低廉，检测结果直观等原因正逐渐得到人们的认同。但是，目前还没有一个鲁棒的检测和跟踪算法能完成复杂光照条件下的车辆检测和跟踪任务。为此，本文提出了一种基于车辆底部阴影特征提取和压缩感知技术的单目视觉车辆检测与跟踪方法，该方法包括候选区域生成、候选区域识别和快速压缩跟踪三部分。　　候选区域生成首先通过改进OTSU方法对图像进行阴影分割获得候选区域；再通过区域标记获得候选区域的位置和面积等信息并根据车辆共有的几何约束排除不可能含有车辆的候选区域；最后通过对称性和水平、垂直边缘实现对候选区域的精确定位。通过对不同光照条件下的图片进行阴影分割，实验表明本文提出的候选区域生成方法能够有效地提取出包含车辆的区域。　　候选区域识别首先提取车辆正、负样本的矩形特征向量；其次使用这些特征向量训练一个可以进行车辆与非车辆判别的AdaBoost分类器；最后通过训练得到的分类器排除所有非车辆候选区域。通过对验证样本集的分类实验显示分类器能够达到90％以上的检测率。快速压缩跟踪首先提取跟踪目标的Haar-like特征向量；再采用压缩感知降低特征向量的维度；最后训练朴素贝叶斯分类器对当前帧图像中车辆可能出现的局部区域进行判别，获得车辆在当前帧最可能出现的位置。通过对运动人脸和车辆的跟踪实验可以表明该方法能够很好的克服遮挡等问题。　　通过对连续序列图像进行车辆检测与跟踪的实验表明，本方法具有以下两个优点：1)具有良好的实时性，平均每秒可以处理至少15帧图像；2)良好的鲁棒性。在复杂多变的光照条件下，本方法能够准确地对车辆进行检测和跟踪。
作者：	刘公俊
专业：	仪器科学与技术
导师：	刘宛予
授予学位：	硕士
授予学位单位：	哈尔滨工业大学
学位年度：	2015
正文语种：	中文