基于多特征級聯(lián)分類器的消防通道車輛檢測技術研究.pdf

1、隨著經濟發(fā)展和人民生活水平的提高，汽車的數量與日劇增，然而一些安全隱患也隨之而來。私家車的胡亂停放占用了消防通道，嚴重危害了公共消防安全。為了避免該類危險的發(fā)生，消防通道車輛檢測系統(tǒng)的運用顯得尤為重要。
　　基于物聯(lián)網的消防通道車輛檢測系統(tǒng)的主要功能是為了有效避免由于消防通道的占用而引發(fā)的火災。當消防通道被車輛堵塞時，系統(tǒng)可自動識別車輛，并以發(fā)送短信等方式通知負責人及時處理堵塞。由于車輛檢測算法是消防通道車輛檢測系統(tǒng)的核心技術，因

2、此找到一種合適的消防通道車輛檢測算法具有重要的意義。
　　本文通過研究包括基于特征、光流、機器學習等車輛檢測的常用方法，提出了一種基于顯著性檢測的自適應閾值分割車輛底部陰影的方法和基于多特征融合級聯(lián)分類器的車輛檢測方法。本文主要完成了如下工作：
　　提出了一種自適應閾值分割車輛底部陰影的方法。首先通過顯著性檢測方法提取車輛圖像中的通道區(qū)域，排除非車道區(qū)域中的物體對檢測結果的影響；其次對提取的通道區(qū)域進行灰度采樣，通過統(tǒng)計采樣

3、的灰度值計算出車輛底部陰影的分割閾值；然后利用基于像素變化率的邊緣提取方法對車輛底部陰影邊緣進行提取；最后根據提取的陰影下邊緣構建車輛感興趣區(qū)域。
　　提出了一種基于多特征融合級聯(lián)分類器的車輛檢測方法。首先進行基于Fisher準則的Haar特征與LBP特征融合，然后采用Adaboost級聯(lián)分類器進行車輛檢測。第一階段使用抗光照效果較好的HOG特征訓練出的分類器消除容易區(qū)分的非車輛樣本，第二階段采用融合特征訓練出的分類器消除較難分類