基于双特征的前方车辆实时检测

《基于双特征的前方车辆实时检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于双特征的前方车辆实时检测雷美琳，肖志涛，崔琴(天津工业大学信息与通信工程学院天津300160)摘要：本文提出了一种综合利用车辆阴影和对称性两种特征，在无先验知识的情况下进行前方车辆检测的算法。算法通过检测车底阴影特征生成车辆存在假设，首先利用自适应阈值分割方法得到车辆阴影特征，并采用阴影区域融合的方法解决阴影边缘变形问题，得到可能包含车辆的区域；然后利用车辆对称性特征对感兴趣区域进行验证，并对其中的车辆区域进行准确定位。使用实际采集的道路图像序列进行了测试，结果表明,该算法能够实时、有效地检测出前方车辆。关键词：

2、前方车辆检测；阴影特征；对称性特征中图分类号：TP751Double-featureBasedRealTimePrecedingVehicleDetectionLEIMei-Lin,XIAOZhi-tao,CUIQin(SchoolofInformationandCommunicationEngineering,TianjinPolytechnicUniversity,Tianjin300160,China)Abstract:Thispaperpresentsaprecedingvehicledetectingmet

3、hodbasedonshadowsandsymmetrywithoutpriorknowledge.Theshadowsunderneathvehiclesaredetectedtogeneratevehiclehypotheses.Anadaptiveroadthresholdmetholdisfirstusedtogetshadowfeature,andashadowsareamergeapproachisusedtoresolvethedistortionoftheshadowsborder.Furthermo

4、re,amethodispresentedtojudgewhetherthereexistvehiclesintheareasandtolocatethevehiclesbasedontheanalysisofsymmetry.Themethodistestedwithimagesequencestakenonroad.Experimentsshowthattheproposedalgorithmcaneffectivelydetectprecedingvehiclesinrealtime.Keywords:Prec

5、edingVehicleDetection;ShadowFeature;SymmetryFeature近年随着人民生活水平的提高，购车热导致了汽车数量迅速攀升，也带来了更严峻的交通问题。绝大多数的交通事故都是人为因素引起的。在汽车安全辅助驾驶系统中，前方车辆检测是一个重要组成部分。车辆检测方法多种多样，但其本质就是利用车辆特征把车辆从背景中分割出来。常用的方法有：基于车辆阴影的检测【1】，该方法根据阴影特征能够发现所有可能的车辆，但是同时会检测到很多伪车辆区域，需要复杂的去除伪目标工作；基于纹理的检测【2】，该方法主

6、要是根据序列图像中车辆区域的纹理较背景区域纹理的熵值高来确定车辆区域，但这只能适用于背景简单的车辆检测；基于线结构的检测【3】，该方法主要根据运动目标外围的线条结构特征来检测，缺点是过度依赖于目标和背景的灰度关系，当目标和背景灰度反差不大时容易出现错误；基于对称性特征的检测【4，5】，使用对称性特征检测整幅图像，会大大提高算法的复杂性。为了提高检测的准确性，可综合多种特征对车辆进行检测，但这会提高算法的复杂性，难以实时检测出车辆。为了克服这个缺陷，本文提出了一种只利用车辆阴影和对称性两种特征，在无先验知识的情况下进行

7、前方车辆检测的算法。车辆下部的阴影是识别车辆目标的一个重要特征，并且车辆的底部与路面相比明显呈低亮区域。因此，本文先采用一种自适应阈值分割方法来得到车辆的阴影区域，并采用阴影区域融合的方法解决阴影边缘变形问题，得到可能包含车辆的区域；然后利用车辆对称性特征对感兴趣区域进行验证，并对其中的车辆区域进行准确定位。1、自适应阈值分割大津阈值分割法（最大类间方差法otsu）是一种聚类的阈值化方法，基于统计理论来寻找阈值。这种方法能使分割出来的目标和背景之间的差距很大，即目标与背景之间有很高的对比度，该方法一直被认为是阈值自动

8、选取的最优方法。在这种方法中，对于图像而言，记为前景与背景的分割阈值，前景点数占图像比例为，平均灰度为；背景点数占图像比例为，平均灰度为。设原始灰度图像的像素点数为，有个灰度级，灰度级为的像素点数为，那么，直方图表示为概率密度分布，，用阈值将灰度级划分为两类：=(0,1,...,)和＝(+1,+2,...,-1)。和的出现概率及均值分别为其中类