基于多傳感器的地面目標(biāo)識(shí)別技術(shù)研究.pdf

1、21世紀(jì)，人工智能快速發(fā)展，社會(huì)對汽車輔助駕駛和智能交通監(jiān)控的需求日益增加，而地面目標(biāo)識(shí)別是汽車輔助駕駛、交通智能監(jiān)控等領(lǐng)域的關(guān)鍵技術(shù)。傳統(tǒng)的地面目標(biāo)識(shí)別系統(tǒng)都是基于可見光傳感器設(shè)備的，這些設(shè)備在光照、天氣良好的條件下可以采集到清晰的畫面，但是在夜晚、雨雪天氣和濃煙濃霧遮擋的情況下，它們就很難獲取有效的目標(biāo)信息了。而往往在這些極端條件下的應(yīng)用才是需要關(guān)注的重點(diǎn)，因此，只使用單一的可見光傳感器已經(jīng)不能滿足需求。針對這一問題，本文綜合運(yùn)用可

2、見光和紅外傳感器，以待識(shí)別的車輛為研究對象，開發(fā)了基于多傳感器信息融合的地面目標(biāo)識(shí)別系統(tǒng)，從而打破了夜晚、煙霧遮擋等條件的限制，實(shí)現(xiàn)全天候工作。
　　首先，為了能夠準(zhǔn)確的提取車輛目標(biāo)的特征，對可見光圖像和紅外圖像平滑濾波算法進(jìn)行研究，確定對可見光圖像進(jìn)行高斯模板均值濾波，對紅外圖像進(jìn)行中值濾波；其次，為了提升對運(yùn)動(dòng)目標(biāo)的識(shí)別效率，研究了運(yùn)動(dòng)目標(biāo)檢測算法，對傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測算法做出改進(jìn)，將幀間差分法和背景差分法結(jié)合，實(shí)現(xiàn)了對運(yùn)動(dòng)車

3、輛的檢測；檢測到車輛目標(biāo)后需要對目標(biāo)區(qū)域在圖像中的位置進(jìn)行定位，采用了一種基于連通域重心坐標(biāo)標(biāo)記的算法，并成功定位了目標(biāo)區(qū)域；然后使用Haar-like矩形特征來表達(dá)車輛，對原有特征庫進(jìn)行擴(kuò)展，添加旋轉(zhuǎn)單一矩形特征來描述車底陰影區(qū)域；最后針對采用傳統(tǒng)AdaBoost算法訓(xùn)練強(qiáng)分類器過程中出現(xiàn)的權(quán)重扭曲導(dǎo)致訓(xùn)練異常中斷問題，對算法提出了改進(jìn)，在每一輪的迭代訓(xùn)練中增加了樣本過濾機(jī)制，提升了算法的性能，成功訓(xùn)練出可見光和紅外車輛分類器，實(shí)現(xiàn)了