基于车载视觉的车辆检测算法研究.pdf

分类号： TP391 密级：
U D C： 004 编号： 201232103012





河北工业大学硕士学位论文


基于车载视觉的车辆检测算法研究




论文作者： 范龙飞 学生类别： 全日制
专业学位类别： 工程硕士 领域名称： 计算机技术
指导教师： 于明 职称： 教授
Dissertation Submitted to
Hebei University of Technology
for
The Master of Engineering Degree of
Computer Technology



RESEARCH OFVEHICLE DETECTION
FOR ON-BOARD VISION SYSTEMS



by
Fan Longfei


Supervisor: Prof. Yu Ming



November 2014
摘要

车辆检测是车辆辅助驾驶系统中的一项重点内容，在实际的交通场景中，行驶中
的车辆对于驾驶人员来说是最大的潜在威胁，及时准确地检测出对驾驶者周围的车辆
并对驾驶者进行提醒能够在很大程度上减少交通事故的发生。由于行驶中的车辆在形
状、颜色、视角、光照强度等方面的特征变化很大，因此对车辆的检测和定位带来了
巨大的挑战。
本文利用单目视觉进行车辆检测系统的研究，提出了一种基于车辆假设生成和车
辆假设验证两个步骤的车辆检测方法。车辆假设生成阶段，本文利用车底阴影生成车
辆假设区域。车底阴影是路面上行驶车辆的一个重要特征，由于光线照射不到，在车
辆底部的一片区域的灰度值相对于路面的其他区域会更低。本文提出利用消失点的位
置提取感兴趣区域，首先计算消失点得到感兴趣区域，然后利用图像的边缘特征提取
自由驾驶区域，通过统计自由驾驶区域的灰度直方图，自适应地确定路面与阴影间的
阈值提取阴影，该方法可以在多种光照条件下完成阴影提取，增强系统的鲁棒性。通
过分析车辆图像的几何模型，确定车辆宽度与其在图像中位置的关系进一步筛选出过
大过小的阴影，然后利用阴影的位置生成车辆假设区域。在车辆假设验证阶段，本文
提出了两种改进的方向梯度直方图(HOG)特征描述子进行车辆图像特征提取。由于车
辆本身的结构特点，图像中的车辆具有大量的水平和垂直梯度信息，将两种特征结合
形成最终的特征向量，利用大量的特征样本训练 AdaBoost 分类器，最后利用训练好
的分类器对第一步生成的假设区域进行验证。改进的 HOG 特征在保证了较高识别精
度的同时在特征提取速度上有了很大的提高。
本文在 MATLAB 平台上完成了实验及对比实验，实验样本采用 GTI 数据库，训
练识别率达到了 %。实验表明了本文算法具有较好的准确性、实时性和鲁棒性。
关键字：