原文传递
基于单目视觉的前方车辆检测与跟踪方法研究
| 论文题名： | 基于单目视觉的前方车辆检测与跟踪方法研究 |
| 关键词： | 安全辅助驾驶系统;车辆检测;车辆跟踪;单目视觉理论 |
| 摘要： | 随着公路交通事业的迅速发展，给人们的生活带来便利的同时，也造成了道路交通安全问题日益突出。安全辅助驾驶系统作为智能交通系统的重要组成部分，能够有效地预防交通事故的发生，提高行车的安全性。而前方车辆检测与跟踪是安全辅助驾驶系统的核心环节，为车辆的信息提取以及行为分析提供了重要的保证。本文在分析和比较国内外各种算法的基础上，研究并提出了相应的基于单目视觉的车辆检测与跟踪算法。全文主要内容如下: 1)对前方车辆检测与跟踪的研究背景和意义进行了探讨，阐述了常见的基于单目视觉的前方车辆检测与跟踪方法，并分析了这些方法的优缺点，为后续研究作准备。 2)研究了基于AdaBoost的前方车辆检测算法。选取Haar-like特征作为图像特征，利用Gentle AdaBoost算法和CasCade算法对训练样本进行离线学习，得到级联结构的车辆分类器;检测过程中，采用等比放大检测窗口的方式扫描待检图像，利用车辆分类器对检测窗口进行分类，最后综合各个检测窗口的结果，得出车辆的最终位置。实验结果表明，该方法能够有效地检测出前方车辆，具有一定的鲁棒性，基本上满足实时性要求。 3)提出一种基于改进TLD的前方车辆跟踪算法。TLD算法是一种新颖的目标跟踪算法，在给定极少的先验知识的情况下，能够迅速地学习目标特征并进行有效的跟踪。而车辆的先验知识可由前方车辆检测算法提供，因此，TLD跟踪算法完全能够适用前方车辆跟踪问题上。然而，TLD跟踪模块均匀地选取特征点进行跟踪，无法保证所选特征点被可靠地跟踪。针对这个问题，提出一种基于关键特征点的选取方式，保证所选特征点能够被正确可靠地跟踪，防止跟踪发生漂移，提高跟踪精度。另一方面，在TLD检测模块中引入了基于轨迹连续性的在线位置预测，在保证正确跟踪的前提下，缩小了检测范围，提高了运算速度。最后，利用改进的TLD算法对前方车辆进行跟踪。实验结果表明，该算法能够有效的对前方车辆跟踪，且在各种较难处理的情况下具有较好的跟踪效果。 |
| 作者： | 秦飞 |
| 专业： | 计算机软件与理论 |
| 导师： | 汪荣贵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
