基于圖像的駕駛主動安全前防撞的方法研究與實現(xiàn).pdf

1、車輛前防撞是駕駛主動安全領域中一個重要的研究方向，其核心問題是前方車輛的檢測、確認和跟蹤。而前方車輛的檢測、確認和跟蹤問題主要是針對前方車輛的車尾進行處理操作，本文主要對車尾的檢測、確認和跟蹤問題進行研究，主要內(nèi)容如下:
　　(1)提出了一種基于車底陰影的車尾粗定位方法。本文使用改進的高斯混合模型聚類算法對交通圖像中的目標即路面、車道線、車輛、車底陰影進行聚類，利用高斯陰影模型的均值與方差自適應閾值分割圖像，從而提取路面與車底陰影

2、的交線，最后利用車尾的長寬比和陰影線信息獲取車尾位置。該方法不僅能有效的對車尾進行粗定位，且能夠適應白天不同時段光強的變化。
　　(2)研究了Haar-like和HOG兩種不同的車尾特征提取方式，提出了一種改進的基于Haar-like和Adaboost的車尾驗證方法，有效排除車尾粗定位階段產(chǎn)生的虛警。本文使用Adaboost和SVM分類器分析比較了兩種特征提取方法的差異和車輛識別效果。為了更好的突出車尾水平和垂直邊緣特征，降低圖像

3、光照不均帶來的影響，增加分類器的識別能力和魯棒性，本文使用梯度圖像提取Haar-like特征和Adaboost分類器自增量訓練方法。
　　(3)研究了Kalman濾波和粒子濾波兩種車尾跟蹤方法，對上一階段得到的車尾進行跟蹤。本文首先介紹了這兩種車尾跟蹤方法的實現(xiàn)原理和其在實現(xiàn)過程中的優(yōu)缺點，然后在車載攝像機采集的視頻上測試了兩種方法的車尾跟蹤能力并分析其跟蹤結果。基于粒子濾波的車尾跟蹤結果優(yōu)于Kalman濾波方法，但隨著粒子數(shù)目的