行車安全自動檢測關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、經(jīng)過近四十年的發(fā)展，中國的安防行業(yè)已形成了相對完善的體系，無論在行業(yè)規(guī)模方面，還是在產(chǎn)業(yè)結(jié)構(gòu)方面，都達(dá)到了前所未有的高度。安防行業(yè)在當(dāng)今社會發(fā)揮的作用越來越顯著，它的發(fā)展使得整個社會安全的面貌煥然一新，給人們的生產(chǎn)和生活帶來重要的保障。
　　最近幾年，安防巡邏機器人變得非常熱門，各大企業(yè)都在爭相進(jìn)行研制。然而，要想讓這類機器人能夠完全代替人類執(zhí)行巡邏工作，需要攻克眾多技術(shù)難題?；诎卜姥策墮C器人項目背景，本文主要研究其在行車過程中

2、需要運用到的兩種視頻圖像自動檢測技術(shù)，即基于視頻圖像車輛目標(biāo)的檢測與跟蹤技術(shù)以及車道線的識別與定位技術(shù)，并針對實現(xiàn)的算法程序進(jìn)行測試實驗和結(jié)果分析。
　　在視頻圖像車輛目標(biāo)檢測這個技術(shù)點上，本文使用哈爾特征刻畫車輛目標(biāo)；然后，反復(fù)執(zhí)行AdaBoost算法程序得到眾多分類效果優(yōu)良的強分類器；最后，將多個強分類器按照相應(yīng)的策略進(jìn)行組合，構(gòu)建成串聯(lián)強分類器，并使用其對圖像子窗口區(qū)域進(jìn)行分類檢測。運用本文介紹的車輛目標(biāo)檢測算法，不僅能夠提

3、高車輛目標(biāo)檢測的效率，還能夠大幅度降低錯誤檢測率。
　　在視頻圖像車輛目標(biāo)跟蹤這個技術(shù)點上，本文在傳統(tǒng)粒子濾波跟蹤算法中融入了MCMC算法，使得粒子在隨機散布的過程中，后一時刻的運動狀態(tài)能夠根據(jù)前一時刻的運動狀態(tài)進(jìn)行預(yù)測?；贛CMC粒子濾波車輛目標(biāo)跟蹤算法，不僅獲得了粒子濾波算法的魯棒性，還獲得了MCMC算法的準(zhǔn)確性和實時性。
　　在視頻圖像車道線識別與定位這個技術(shù)點上，本文根據(jù)拍攝的道路圖像的特點，提出了簡單有效的梯形車