基于SVM算法的前方車輛視頻檢測.pdf

1、隨著科技的不斷發(fā)展，經(jīng)濟(jì)的不斷增長，汽車的保有量也迅速增加。但是，科學(xué)技術(shù)不只給人們的生活帶來了便利，也帶來了很多弊端，如交通事故。為了廣大公民的人身財產(chǎn)安全，安全輔助駕駛技術(shù)越來越受到人們的重視，而車輛檢測是安全輔助駕駛系統(tǒng)中基本而關(guān)鍵的一個環(huán)節(jié)。為了在復(fù)雜的外界環(huán)境中準(zhǔn)確的檢測出前方車輛，本文主要做了如下工作：
　?。?）車輛特征提取。本文中用到了LBP算子和HOG算子來描述車輛的紋理特征和形狀特征。根據(jù)公式分別計(jì)算得出圖像中

2、每個像素的 LBP值和 HOG值，然后得到圖像的LBP特征直方圖和梯度方向直方圖來描述圖像的紋理和形狀。
　?。?）訓(xùn)練半監(jiān)督 SVM分類器。首先利用少量標(biāo)記的樣本訓(xùn)練 SVM分類器。然后將車輛視頻輸入到 SVM分類器進(jìn)行標(biāo)記，將標(biāo)記的置信度較高的圖像補(bǔ)充到原始樣本集中。最后采用半監(jiān)督學(xué)習(xí)方式訓(xùn)練SVM分類器。
　?。?）輪廓區(qū)域提取。提取輪廓區(qū)域是為了在復(fù)雜的環(huán)境中提高檢測車輛的速度。經(jīng)過預(yù)處理得到圖像對應(yīng)的二值圖像，掃描

3、該二值圖像，把二值圖像中所有灰度值為非0的像素點(diǎn)加入到一個鏈表中得到鏈碼，用該鏈碼表示輪廓區(qū)域。
　　（4）車輛視頻檢測。首先將處理后的視頻輸入到 LBP+SVM分類器進(jìn)行判斷，若視頻中不存在車輛，退出程序?qū)σ曨l的處理；若存在，將視頻輸入到半監(jiān)督 HOG+SVM分類器檢測視頻中車輛的位置，并用矩形標(biāo)記出來。
　　本文的創(chuàng)新之處主要有三個方面：
　?。?）為了提高對車輛視頻檢測的速度，提取LBP特征和HOG特征時，對圖像

4、進(jìn)行了分塊，且塊與塊之間沒有重疊，計(jì)算量得到了降低，檢測效率得到了提高。本文提取LBP特征的思想是結(jié)合分塊提取LBP特征思想和滑動窗口提取LBP特征思想提出的。
　?。?）在將車輛視頻輸入到半監(jiān)督 SVM分類器檢測之前，對車輛視頻進(jìn)行了輪廓區(qū)域提取，可以在復(fù)雜的環(huán)境中準(zhǔn)確、快速的找出車輛可能存在的位置。然后在輪廓區(qū)域內(nèi)進(jìn)行車輛檢測的預(yù)處理以及利用 SVM分類器進(jìn)行車輛檢測，可以減少計(jì)算量，提高車輛檢測的效率。
　?。?）引入

5、了觸發(fā)機(jī)制。在利用半監(jiān)督 HOG+SVM分類器檢測車輛視頻之前，先使用 LBP+SVM分類器對車輛視頻進(jìn)行判斷，檢測是否存在車輛。引入觸發(fā)機(jī)制可以提高檢測算法的速度和準(zhǔn)確率。
　　本文的不足之處有以下兩個方面：
　?。?）提取圖像的 HOG特征，計(jì)算量較大，時間較長。本文中提出的改善方法雖然減少了計(jì)算量，縮短了時間，提高了檢測的效率，但對于 HOG特征的提取速度仍有待提高。
　?。?）在車輛視頻環(huán)境較為復(fù)雜時，尤其是在