基于多传感器的地面目标识别技术研究

《基于多传感器的地面目标识别技术研究》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、单位代码１０１４４〇分类号ＴＰ＾ＩＩ编号２〇＼ｉ１Ｊ硕±学位论文题目慕３Ｖ在洽紫初旅砍頂撫刪姑靡妍究生姓名為龜，養）／（如／７届少池感处禮专业）１滅导师姓名〇论文完成日期之Ｉ文诗！５夺藻婚化少欠達Ｓｈｅ打ｙａｎｇＬｉｇｏｎｇＵｎｉｖｅｒｓｉｔｙ—ＭｗｍｉｉｉＭｉｌｉｉｉｉｉ分类号:TP391.41密级：ＵＤＣ：621.39编号：2013097工学硕士学位论文基于多传感器的地面目标识别技术研究硕士研究生：谢驰港指导教师：姜月秋教授学科、专业：信号与信息处理沈阳理工大学2016年3月分类号：TP391.41密级：ＵＤＣ

2、：621.39编号：2013097工学硕士学位论文基于多传感器的地面目标识别技术研究硕士研究生：谢驰港指导教师：姜月秋学位级别：工学硕士学科、专业：信号与信息处理所在单位：信息科学与工程学院论文提交日期：2015年12月8日论文答辩日期：2016年3月9日学位授予单位：沈阳理工大学ClassificationIndex:TP391.41U.D.C:621.39AThesisfortheMasterDegreeofM.Eng.Researchongroundtargetrecognitiontechnologybasedonmulti-sensorCandidate:XieChiGangSup

3、ervisor:JiangYueQiuAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:SignalandInformationProcessingDateofSubmission:8thDecember,2015DateofExamination:9thMarch,2016University:ShenyangLigongUniversity沈阳理工大学硕±学位论文原创性吉明：本人郑重声明，是在导师的指导下本论文的所有工作，由作者本人独立完成的。有关观点、方法、数据和文献的引用己在文中指出，并与参考文献相对应。除文

4、中己注明引用的内容外，本论文不包含任何其他个人或集体己经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：曰期：月曰公化年３ＩＩ学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定，即：沈阳理王大学有权保留并向国家有关部口或机构送交学位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权沈阳理工大学可レ乂傳学位论文的全部或部分内容编入有关数据库进行检索，可＾式采用影印。、缩印或其它复制手段保存、汇编学位论文（保密的学位论文在解密

5、后适用本授权书）学位论文作者签名獻＾指导教师签名：日期：日期：０化）化．多．义方１１摘要21世纪，人工智能快速发展，社会对汽车辅助驾驶和智能交通监控的需求日益增加，而地面目标识别是汽车辅助驾驶、交通智能监控等领域的关键技术。传统的地面目标识别系统都是基于可见光传感器设备的，这些设备在光照、天气良好的条件下可以采集到清晰的画面，但是在夜晚、雨雪天气和浓烟浓雾遮挡的情况下，它们就很难获取有效的目标信息了。而往往在这些极端条件下的应用才是需要关注的重点，因此，只使用单一的可见光传感器已经不能满足需求。针对这一问题，本文综合运用可见光和红外传感器，以待识别的车辆为研究对象，开发了基于

6、多传感器信息融合的地面目标识别系统，从而打破了夜晚、烟雾遮挡等条件的限制，实现全天候工作。首先，为了能够准确的提取车辆目标的特征，对可见光图像和红外图像平滑滤波算法进行研究，确定对可见光图像进行高斯模板均值滤波，对红外图像进行中值滤波；其次，为了提升对运动目标的识别效率，研究了运动目标检测算法，对传统的运动目标检测算法做出改进，将帧间差分法和背景差分法结合，实现了对运动车辆的检测；检测到车辆目标后需要对目标区域在图像中的位置进行定位，采用了一种基于连通域重心坐标标记的算法，并成功定位了目标区域；然后使用Haar-like矩形特征来表达车辆，对原有特征库进行扩展，添加旋转单一矩形特征来描述车底

7、阴影区域；最后针对采用传统AdaBoost算法训练强分类器过程中出现的权重扭曲导致训练异常中断问题，对算法提出了改进，在每一轮的迭代训练中增加了样本过滤机制，提升了算法的性能，成功训练出可见光和红外车辆分类器，实现了车辆目标的全天候识别。本文主要对可见光和红外图像中车辆目标的识别进行了研究，建立地面目标识别系统，实验结果表明该系统具有较好的实时性和一定的鲁棒性，研究成果对于机器学习技术在辅助驾驶和智能交通监控