基于單目視頻流的前方車輛檢測(cè)算法研究.pdf

1、基于單目視覺(jué)的前方車輛檢測(cè)系統(tǒng)的目標(biāo)是準(zhǔn)確而快速地檢測(cè)前方車輛，從而為車輛駕駛系統(tǒng)提供輔助。隨著機(jī)器視覺(jué)技術(shù)的不斷進(jìn)步，基于單目視覺(jué)的前方車輛檢測(cè)在智能交通，自動(dòng)駕駛等領(lǐng)域也得到了越來(lái)越廣泛地應(yīng)用。車輛特征提取及疑似區(qū)域驗(yàn)證是此類系統(tǒng)的兩個(gè)主要問(wèn)題。本文在分析和比較國(guó)內(nèi)外各種相關(guān)研究的基礎(chǔ)上，提出了相應(yīng)的特征提取與驗(yàn)證算法。主要研究?jī)?nèi)容如下：
　?。?）針對(duì)車輛特征提取時(shí)易發(fā)生漏檢的問(wèn)題，本文提出了一種陰影直線掃描與Frame R

2、educe圖像過(guò)濾相結(jié)合的陰影特征提取算法。將車輛底部的陰影區(qū)域作為本階段使用的先驗(yàn)特征，本文算法通過(guò)多條在同一陰影區(qū)域的影線的相互融合的方式來(lái)提取車底的陰影特征，并將其上方可能包含車輛的區(qū)域提取出來(lái)。由于影線自身的特性，本算法有著環(huán)境適應(yīng)性較強(qiáng)，實(shí)時(shí)性較高，漏檢率極低的優(yōu)點(diǎn)。但是，其誤檢率較高，浪費(fèi)了整體的處理時(shí)間。為確保系統(tǒng)的實(shí)時(shí)性，通過(guò)Frame Reduce圖像對(duì)影線提取算法的結(jié)果進(jìn)行過(guò)濾，以便去除大部分誤檢。經(jīng)實(shí)驗(yàn)驗(yàn)證，本算法

3、可以極大地降低系統(tǒng)的漏檢率。
　?。?）為提高在實(shí)際場(chǎng)景中算法的實(shí)時(shí)性與檢測(cè)率，本文提出一種基于投票機(jī)制的驗(yàn)證算法框架。在特征提取算法初步提取了場(chǎng)景中的車輛信息后，通過(guò)位置估計(jì)，陰影區(qū)域檢測(cè)算法，對(duì)稱性檢測(cè)算法，歷史信息等較為簡(jiǎn)單的算法對(duì)候選區(qū)域進(jìn)行投票。然后，算法將根據(jù)投票結(jié)果，將候選區(qū)域進(jìn)行分類處理。投票機(jī)制降低了驗(yàn)證算法所需處理的數(shù)據(jù)集規(guī)模，提高了系統(tǒng)的實(shí)時(shí)性。由于有多種算法共同作用于投票機(jī)制，對(duì)圖像中兩側(cè)車輛而言，系統(tǒng)的準(zhǔn)

4、確率有著較大的提升。
　?。?）針對(duì)檢測(cè)系統(tǒng)易受檢測(cè)環(huán)境干擾的問(wèn)題，本文提出一種陰影閾值的自動(dòng)適應(yīng)方法，該方法通過(guò)改進(jìn)的閾值提取算法，提高適應(yīng)性。此外，為防止因環(huán)境變化而導(dǎo)致漏檢，本文又提出了一種基于歷史信息的跟蹤算法，當(dāng)系統(tǒng)因?yàn)榄h(huán)境變化而導(dǎo)致漏檢時(shí)，通過(guò)歷史信息進(jìn)行補(bǔ)全。通過(guò)這兩種方法，提升了檢測(cè)系統(tǒng)對(duì)環(huán)境適應(yīng)性。
　　最后，本文在Windows系統(tǒng)下，使用Visual Studio2008編程實(shí)現(xiàn)了前方車輛檢測(cè)程序。經(jīng)實(shí)