智能車輛中基于視頻的車輛檢測算法研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著經(jīng)濟的發(fā)展和汽車擁有量的增加,我國的交通安全問題日益嚴重,給人們的財產(chǎn)和生命安全造成重大損失。利用智能車輛中先進技術(shù)提高道路交通的安全性已經(jīng)成為未來交通運輸?shù)陌l(fā)展方向。本文主要研究智能車輛中基于視頻的車輛檢測技術(shù)。利用車載攝像頭拍攝車輛前方路況視頻,分析視頻圖像數(shù)據(jù),獲得環(huán)境感知信息,為駕駛員提供輔助。通過閱讀國內(nèi)外相關(guān)文獻以及對相關(guān)算法進行比較分析后,本文提出了相應(yīng)的改進算法。本文主要研究內(nèi)容如下:
   (1)利用自適應(yīng)

2、陰影檢測和Sobel邊緣投影生成車輛假設(shè)。首先,從視頻幀圖像的中下部劃分一個區(qū)域,對該區(qū)域進行統(tǒng)計分析得到車輛陰影閾值上限,然后使用閾值法分割圖像得到車輛陰影位置,最后結(jié)合Sobel邊緣投影提取車輛假設(shè)。該方法能夠較好地提取出車輛感興趣區(qū)域,減少不包含車輛的車輛假設(shè)的數(shù)量。
   (2)提出了一種結(jié)合SVM和Gabor參數(shù)優(yōu)化的白天車輛檢測算法。文中利用分類精度、懲罰因子以及支持向量個數(shù)構(gòu)造適應(yīng)度函數(shù),運用小生境遺傳算法同時優(yōu)化

3、SVM和Gabor參數(shù),得到最佳學(xué)習(xí)模型以及最優(yōu)Gabor濾波器。通過該濾波器提取車輛候選區(qū)域的Gabor特征作為SVM的輸入,驗證其是否為車輛。該方法可有效降低特征向量的維數(shù),提高檢測系統(tǒng)的精度。
   (3)提出了輪廓四鄰域偏紅度方法。提取車輛尾燈是進行夜間車輛檢測的常用方法。然而通過閾值法分割道路圖像提取到的明亮塊中包含路燈、噪聲等非尾燈目標。我們提取每個明亮塊的輪廓,計算輪廓點以及輪廓點四鄰域的像素偏紅度得到輪廓的四鄰域

4、偏紅度水平,然后對其設(shè)置一個適當(dāng)?shù)拈撝?,有效地消除了非尾燈目標?br>   (4)利用D-S證據(jù)理論融合特征信息進行夜間車輛檢測。通過尾燈聚類算法組合車燈對,生成車輛假設(shè),提取車燈對的面積比、圖像互相關(guān)值以及車燈對組合框的長寬比等三個結(jié)構(gòu)化特征構(gòu)建基本信任分配函數(shù),運用D-S證據(jù)理論融合這三個特征得到總的信任度值,最后通過對總的信任度值設(shè)立閾值驗證車輛假設(shè)。實驗表明,該方法減少了主觀閾值的數(shù)量,可有效降低經(jīng)驗不足導(dǎo)致閾值確定不當(dāng)?shù)娘L(fēng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論