原文传递
基于车载视觉的车辆检测算法研究
| 论文题名： | 基于车载视觉的车辆检测算法研究 |
| 关键词： | 车辆检测;机器视觉;方向梯度直方图;特征提取;车辆驾驶 |
| 摘要： | 车辆检测是车辆辅助驾驶系统中的一项重点内容，在实际的交通场景中，行驶中的车辆对于驾驶人员来说是最大的潜在威胁，及时准确地检测出对驾驶者周围的车辆并对驾驶者进行提醒能够在很大程度上减少交通事故的发生。由于行驶中的车辆在形状、颜色、视角、光照强度等方面的特征变化很大，因此对车辆的检测和定位带来了巨大的挑战。 本文利用单目视觉进行车辆检测系统的研究，提出了一种基于车辆假设生成和车辆假设验证两个步骤的车辆检测方法。车辆假设生成阶段，本文利用车底阴影生成车辆假设区域。车底阴影是路面上行驶车辆的一个重要特征，由于光线照射不到，在车辆底部的一片区域的灰度值相对于路面的其他区域会更低。本文提出利用消失点的位置提取感兴趣区域，首先计算消失点得到感兴趣区域，然后利用图像的边缘特征提取自由驾驶区域，通过统计自由驾驶区域的灰度直方图，自适应地确定路面与阴影间的阈值提取阴影，该方法可以在多种光照条件下完成阴影提取，增强系统的鲁棒性。通过分析车辆图像的几何模型，确定车辆宽度与其在图像中位置的关系进一步筛选出过大过小的阴影，然后利用阴影的位置生成车辆假设区域。在车辆假设验证阶段，本文提出了两种改进的方向梯度直方图(HOG)特征描述子进行车辆图像特征提取。由于车辆本身的结构特点，图像中的车辆具有大量的水平和垂直梯度信息，将两种特征结合形成最终的特征向量，利用大量的特征样本训练AdaBoost分类器，最后利用训练好的分类器对第一步生成的假设区域进行验证。改进的HOG特征在保证了较高识别精度的同时在特征提取速度上有了很大的提高。 本文在MATLAB平台上完成了实验及对比实验，实验样本采用GTI数据库，训练识别率达到了97.82％。实验表明了本文算法具有较好的准确性、实时性和鲁棒性。 |
| 作者： | 范龙飞 |
| 专业： | 计算机技术 |
| 导师： | 于明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
