基于統(tǒng)計特征的車輛識別算法的研究與實現(xiàn).pdf

1、隨著經濟的發(fā)展，城市化、汽車化的加快，要求采用現(xiàn)代化的管理方法來實現(xiàn)交通管理，這樣就引發(fā)了對智能交通系統(tǒng)(ITS)的研究。車輛輔助駕駛是智能交通系統(tǒng)的重要組成部分。以其自主式車輛事故預警和行駛導航機制，車輛輔助駕駛系統(tǒng)在提高汽車的主動安全性能和減少交通事故方而有著廣闊的應用前景。采用計算機視覺技術的輔助駕駛系統(tǒng)，由于其探測范圍的完整性和寬廣性，具有優(yōu)越的性價比，是輔助駕駛系統(tǒng)的重點發(fā)展方向之一。 在過去的十幾年里，基于視覺的車輛

2、檢測技術被越來越多地應用于輔助駕駛系統(tǒng)，靈活可靠的車輛檢測技術是車輛輔助駕駛系統(tǒng)的重要組成部分。基于視覺的車輛檢測是非常具有挑戰(zhàn)性的。例如，被檢測的車輛具有不同的速度、形狀、尺寸、角度和顏色。車輛的外觀還受到車輛的姿態(tài)以及它周圍目標物的影響。同時，車輛的遮擋和光照條件的不同也改變了車輛的整個外觀。 本文總結了近年來車輛檢測中所應用的車輛識別算法，并分析了各種車輛檢測算法的特點。同時，實現(xiàn)了基于車輛統(tǒng)計特征的車輛識別算法。車輛檢測

3、算法由兩個處理步驟組成：候選區(qū)域確定(hypothesisgeneration，HG)階段和車輛認證(hypothesisverification，HV)階段。在候選區(qū)域確定階段，應用基于車輛先驗知識的方法確定車輛可能存在的候選區(qū)域；在車輛認證階段使用基于統(tǒng)計模式識別的方法對前一階段的假說進行認證。 本文采用統(tǒng)計模式識別方法對車輛進行識別，處理流程包括三個部分：特征提取，特征選擇，和分類器設計。首先利用特征提取方法(如Gabor

4、，PCA，Wavelet)對車輛和背景訓練及測試樣本進行特征提取，同時提取特征向量的矩特征。然后應用遺傳算法設計車輛的特征選擇算法，對特征提取階段的結果進行特征選擇，結果用于訓練SVM分類器。對測試樣本做同樣的提取特征的處理，最后應用訓練好的SVM分類器進行分類識別檢測。對實驗結果較好的算法進行優(yōu)化。此算法在不同的Video中進行了大量的測試，并與其它車輛識別算法進行比較，實驗結果表明，基于統(tǒng)計特征的車輛識別算法不僅具有較好的魯棒性，能