夜間車輛檢測與跟蹤.pdf

1、伴著車輛數(shù)目的逐步增加，行車安全問題也跟著備受關注。智能交通監(jiān)控系統(tǒng)中的車輛檢測問題一直是備受關注的熱點問題，車輛檢測系統(tǒng)在白天場景下的研究已經(jīng)比較成熟；在夜間車輛檢測中，主要采用的是車輛的車燈特征進行車輛檢測，但是在這種亮度較暗、車況比較復雜的這種場景下，還是存在一些問題，比如，車燈在路上的反射光會對車燈的檢測形成明顯干擾，影響車輛的正確檢測；同時白天場景下常用的檢測方法無法適用到夜間場景中。為了解決路面反射光對夜間車輛檢測的干擾問題

2、，本文提出路面反射光和車燈的分類方法，消除反射光對夜間車輛檢測算法的干擾，并且通過跟蹤方法對檢測到的車輛進行跟蹤，有效消除檢測過程中可能出現(xiàn)的誤檢與漏檢情況，提高道路車輛的準確檢測效果。本文的主要研究工作包括以下三個方面：
　　第一部分的工作是針對基于車燈特征的車輛檢測中，路面反射光干擾問題，根據(jù)車燈和反射光之間亮度梯度的差異，提出了使用不同的分類方法，對路面形成的反射光進行剔除處理。首先，依據(jù)閾值分割法對感興趣區(qū)域進行處理，初步

3、過濾出亮前景區(qū)域；然后，利用濾波與Bouguer的衰減指數(shù)定律，根據(jù)前車燈和反光區(qū)域在梯度上的差異性，構建對應的數(shù)據(jù)統(tǒng)計特征；最后，使用數(shù)據(jù)分類中幾種比較常用的數(shù)據(jù)分類方法：馬氏距離、K近鄰密度估計技術、基于貝葉斯決策理論的分類法、決策樹學習，對相應的統(tǒng)計特征進行分類，消除反光干擾，實現(xiàn)車燈準確檢測。
　　第二部分的工作是在前一部分研究的分類方法的基礎上，根據(jù)車燈和反射光的亮度方差的顯著差異構造新的方差特征，目的是優(yōu)化車燈和反射光

4、的分類方法，來進一步提高夜間車輛檢測的性能。使用一種新的性能較優(yōu)的決策樹學習方法，并且進一步研究能更好描述車燈的特征，發(fā)現(xiàn)前車燈和反射光之間在方差特征上有較大的差異性，在本場景中可以利用方差特征去較好的區(qū)分出車燈區(qū)域與路面反光區(qū)域，從而據(jù)此我們提出了基于方差特征的夜間車輛檢測，并且通過實驗結果證明在前一部分的基礎上，本部分工作實現(xiàn)了車燈的更準確有效的檢測。
　　第三部分的工作主要是針對道路交通場景下的視頻是由多幀圖像組成的這一信息