復(fù)雜環(huán)境下基于多特征融合的車輛檢測(cè)方法研究.pdf

1、智能交通系統(tǒng)(ITS)是以提高道路交通系統(tǒng)安全性,高效性為目標(biāo),采用圖像處理、人工智能、嵌入式、傳感器和模式識(shí)別等多種技術(shù)手段,解決交通擁堵、交通事故等問(wèn)題。其中,車輛檢測(cè)是智能交通系統(tǒng)中的重要技術(shù)之一。到目前為止,已經(jīng)有很多學(xué)者在對(duì)智能交通檢測(cè)技術(shù)進(jìn)行研究。在檢測(cè)的過(guò)程中面臨眾多問(wèn)題,比如容易受到背景環(huán)境、復(fù)雜光照和復(fù)雜天氣的影響,很多檢測(cè)方法的魯棒性比較差。因此,需要分析車輛自身的特征、道路特征和天氣狀況條件,再綜合其特點(diǎn)對(duì)車輛進(jìn)行

2、檢測(cè),提高車輛檢測(cè)的魯棒性。
　　本文針對(duì)車輛檢測(cè)在智能交通系統(tǒng)中存在實(shí)時(shí)性差和魯棒性差的問(wèn)題,提出了復(fù)雜環(huán)境下基于多特征融合的車輛檢測(cè)方法,考慮了多種因素對(duì)車輛檢測(cè)的影響,如復(fù)雜天氣條件和夜晚等環(huán)境因素。通過(guò)實(shí)驗(yàn)驗(yàn)證,該方法取得了很好的效果。本文完成的主要工作有:
　　1、提出了一種基于車輛陰影特征的感興趣區(qū)域提取方法。首先在圖像中確定并分割道路的行駛區(qū)域,對(duì)道路區(qū)域灰度值做直方圖估計(jì),計(jì)算出車輛底部陰影的閾值,再利用基于

3、變化率的邊緣提取算法對(duì)車輛底部陰影進(jìn)行邊緣提取,最后通過(guò)車底陰影建立車輛感興趣區(qū)域。
　　2、提出了一種基于邊緣輪廓、角點(diǎn)和紋理三種特征融合的車輛檢測(cè)方法。針對(duì)復(fù)雜天氣條件下光照對(duì)車輛檢測(cè)的影響,采用了直方圖拉伸的預(yù)處理操作。使用K-R的角點(diǎn)提取方法提取角點(diǎn)特征,應(yīng)用改進(jìn)分形維計(jì)算方法提取紋理特征,采用形態(tài)Haar小波分解的小波系數(shù)計(jì)算輪廓特征,然后統(tǒng)計(jì)樣本的特征值,采用基于馬氏距離的方法計(jì)算各個(gè)特征的權(quán)值,建立融合三種特征的車輛