结合物体性度量和表观特征的车辆检测

论文摘要

车辆检测是当前汽车主动安全技术研究的重要内容,以车辆检测为基础的临撞预警系统在降低交通事故发生、提高道路交通系统的安全性方面具有十分重大的现实意义。本文提出了一种结合物体性度量和表观特征的车辆检测方法,该方法具有命中率高和虚警率低的特点,针对单帧图像的检测效率高。首先,本文研究了摄像机的成像原理,得出了在图像中车辆沿道路消失线分布的结论,将整幅图像的感兴趣区域集中在道路消失线附近,并且沿着道路消失线开辟了许多不同尺度的检测窗口,大大降低了搜索空间。然后,本文将物体性度量引入到车辆检测的假设产生部分,选取了显著性、颜色、边缘和超像素作为物体性度量的四个线索,并给出了各自的评分规则,结合这四个线索对感兴趣区域中的所有检测窗口进行评分,根据评分确定了若干个最有可能覆盖车辆的检测窗口。接下来利用非极大值抑制的方法对这些检测窗口进行了融合,将每个疑似车辆在图像中用新的窗口定位,以此作为假设产生阶段的输出。最后,本文通过提取假设产生阶段输出窗口的HOG特征,并通过多尺度训练得到的分类器进行判别,作为假设验证。在假设验证部分重点研究了HOG特征的提取算法和多尺度样本训练。在假设验证结束后本文提出了一种基于边缘信息的前方车辆距离估计的方法。本文提出的方法通过了各种场景的实验图像的验证,取得了很好的效果,能够满足实时应用的需要。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景
• 1.1.1 智能交通系统
• 1.1.2 汽车主动安全技术
• 1.1.3 临撞预警系统产品
• 1.2 车辆检测的体系框架和算法研究
• 1.2.1 假设产生方法
• 1.2.2 假设验证方法
• 1.2.3 现有方法的局限性
• 1.3 本文研究工作概述
• 1.3.1 本文方法的体系框架
• 1.3.2 本文的主要研究工作
• 1.4 本文的内容安排
• 第二章 基于道路消失线和物体性度量的假设产生
• 2.1 基于道路消失线的感兴趣区域产生
• 2.2 基于物体性度量的疑似车辆提取
• 2.2.1 物体性度量概述
• 2.2.2 物体性度量线索
• 2.2.3 线索参数的学习
• 2.2.4 贝叶斯线索结合
• 2.3 多尺度物体定位
• 2.3.1 多尺度重叠窗口融合方法
• 2.3.2 基于非极大值抑制的物体定位
• 2.4 本章小结
• 第三章 基于表观特征和支持向量机的假设验证
• 3.1 表观特征提取
• 3.1.1 HOG概述
• 3.1.2 特征提取过程
• 3.2 基于支持向量机的训练和分类
• 3.2.1 支持向量机
• 3.2.2 多尺度样本训练和分类
• 3.3 车辆距离估计
• 3.4 本章小结
• 第四章 系统实现与实验验证
• 4.1 系统实现
• 4.2 性能指标
• 4.3 实验验证
• 4.3.1 实验结果
• 4.3.2 实验设计
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 今后工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果