基于深度學(xué)習(xí)的駕駛關(guān)注區(qū)域檢測(cè)方法研究.pdf

1、隨著車(chē)輛的不斷增多，在車(chē)輛行駛的過(guò)程中，一些駕駛?cè)藛T的不良駕駛習(xí)慣致使交通事故頻發(fā)，從而安全駕駛得到了越來(lái)越多的關(guān)注。作為一種潛在的解決方案，智能駕駛技術(shù)將成為一個(gè)研究熱點(diǎn)。同時(shí)作為智能駕駛的一個(gè)關(guān)鍵技術(shù)，駕駛關(guān)注區(qū)域檢測(cè)方法對(duì)智能駕駛或者智能預(yù)警系統(tǒng)的性能具有重要影響。駕駛關(guān)注區(qū)域指的是車(chē)輛行進(jìn)過(guò)程中前方道路區(qū)域。它可以為智能駕駛車(chē)提供道路環(huán)境信息以便于決策。
　　目前常用的道路檢測(cè)方法大致可以分為兩大類(lèi)。一類(lèi)主要是利用特定的道

2、路標(biāo)志線(xiàn)特征來(lái)進(jìn)行道路檢測(cè)，事先建立道路模型，并且確立模型約束，然后利用標(biāo)志物特征檢測(cè)結(jié)果估計(jì)模型參數(shù)。另一類(lèi)則主要是關(guān)注道路區(qū)域的分割，通過(guò)提取道路圖像的顏色、紋理、梯度等特征信息來(lái)訓(xùn)練分類(lèi)器。然而，由于車(chē)道的形態(tài)多樣、光照變化、陰影等多種因素的影響，大多數(shù)已有的道路檢測(cè)方法所提取的特征魯棒性通常不夠強(qiáng)。
　　針對(duì)現(xiàn)有方法存在的不足，本文基于深度學(xué)習(xí)，提出一種有效的駕駛關(guān)注區(qū)域檢測(cè)方法。我們首先利用 SSD模型訓(xùn)練得到深度特征，

3、并將所提取的深度特征用于隨機(jī)森林訓(xùn)練，采用隨機(jī)森林回歸得到精確的地平線(xiàn)估計(jì)；其次，基于攝像機(jī)模型，采用攝像機(jī)自標(biāo)定的方法得到攝像機(jī)的內(nèi)外參數(shù)；再次，利用Canny邊緣檢測(cè)及k-means聚類(lèi)實(shí)現(xiàn)消失點(diǎn)的估計(jì)；最后，基于所得到的各種估計(jì)，建立道路檢測(cè)模型，并進(jìn)一步實(shí)現(xiàn)路面區(qū)域的分割。
　　為了驗(yàn)證本文實(shí)驗(yàn)方法的可行性和有效性，我們?cè)跀?shù)據(jù)集 KITTI以及Guangzhou_ADAS上進(jìn)行了地平線(xiàn)檢測(cè)實(shí)驗(yàn)。檢測(cè)結(jié)果表明：與現(xiàn)有方法相比