详情

原文传递基于视觉的车辆检测算法研究

论文题名：	基于视觉的车辆检测算法研究
关键词：	车辆检测;计算机视觉;霍夫变换;金字塔L-K跟踪;AdaBoost分类器
摘要：	在欧美、日本等国家和地区，智能交通系统技术正在迅速发展，作为核心技术之一的车辆检测是重要的研究方向。在我国，随着汽车保有量的增加，交通事故引起的人员伤亡和财产损失的数目触目惊心，辅助驾驶系统的研究越来越受到重视。而车辆检测作为辅助驾驶中最重要和基础的环节，对其进行研究是非常必要的，它涉及到模式识别、图像处理、计算机视觉、机器学习、应用数学等多种学科。　　目前，基于视觉的车辆检测算法大部分都遵循两步法:假设生成和假设验证。算法的研究热点主要集中在日间较好环境下的车辆检测，而对于日间恶劣环境（阴天、雨天、反光、逆光、雾天等）和夜间环境，这些算法基本上是不适用的。为此，本文在总结各种算法适用性的基础上，分别提出了适用于日间恶劣环境和夜间环境下的车辆检测算法。　　本文提出了一种新的日间恶劣环境下车辆检测算法:在假设生成阶段，首先利用霍夫变换和投票算法对消失线进行定位，然后在图像平面消失线以下区域基于一定的准则提取车辆候选区域;在假设验证阶段，本文提出基于知识和外观相结合的方法对车辆候选区域进行验证，首先利用图像标准差剔除低对比度背景，然后利用AdaBoost级联分类器对车辆候选区域进行分类，最后利用图像水平梯度和进行进一步的筛选。实验结果表明，该方法不易受光照条件影响，在提高车辆检测率的同时，能够有效地降低误检率。　　本文提出了一种新的夜间环境下车辆检测算法:首先通过形态学处理方法提取明亮区域，基于一定的先验知识对明亮区域进行配对，剔除路灯等非车灯发光体，得到潜在的车灯对;然后再利用金字塔L-K跟踪算法对每一个潜在车灯进行跟踪，根据运动相似性剔除不符合条件的非车灯对，从而检测出车辆。实验结果表明，该方法有效地提高了夜间车辆检测的准确性和可靠性。
作者：	王树飞
专业：	应用数学
导师：	孙艳蕊
授予学位：	硕士
授予学位单位：	东北大学
学位年度：	2012
正文语种：	中文