基于視覺的前方車輛檢測與跟蹤系統(tǒng)設計.pdf

1、近年來，隨著國內(nèi)外智能車以及智能交通的發(fā)展，相關技術受到越來越廣泛的關注，而基于視覺的前方車輛檢測與跟蹤技術作為其中的關鍵模塊已成為當前研究的熱點之一?；谝曈X的前方車輛檢測與跟蹤技術通過檢測前方的車輛來獲取相關交通信息，以輔助駕駛或為智能交通系統(tǒng)提供實時信息。
　　本文主要針對基于視覺的車輛檢測與跟蹤系統(tǒng)進行設計。其系統(tǒng)框架如下：首先對車道進行檢測，然后利用統(tǒng)計學習的方法針對車輛目標設計分類器，以不同尺度的檢測窗口遍歷掃描圖像的

2、方式對車輛目標進行檢測，最后設計跟蹤算法對目標進行跟蹤提高系統(tǒng)的實時性。在此過程中完成了以下工作：
　　首先，提出了一種車道檢測系統(tǒng)框架。該框架通過對圖像的均值信息進行統(tǒng)計，并對均值信息在垂直方向做投影，結合其一階差分信息檢測出陸空分界線實現(xiàn)粗分割；然后采用一種雙閾值的OTSU算法對圖像進行二值化獲取較為精細的車道區(qū)域與車道線區(qū)域；最后利用改進的弗里曼鏈碼算法結合Hough變換算法對車道線進行檢測。
　　其次，針對車輛特征設

3、計了一種基于特征模板的Hog特征。該特征能較好的描述車輛外形特征；在此基礎上提出了一種雙級聯(lián)結構的車輛檢測算法，此算法采用“假設+驗證”的策略，首先利用級聯(lián)Adaboost算法生成車輛目標的假設區(qū)域，繼而利用精度較高的級聯(lián)部件形變模型算法對假設區(qū)域進行二次驗證，生成最后的車輛目標區(qū)域；此算法結合兩種算法優(yōu)點的同時又克服了兩種算法的短板，構建了一種既準確又快速的車輛檢測框架。
　　再次，設計了一種基于壓縮感知理論的目標跟蹤算法。該算

4、法首先對目標進行尺度空間的構建，并通過高斯差分圖來獲取對尺度、光照、紋理變化穩(wěn)定的特征集；然后提出了一種基于壓縮感知的特征提取方法，該方法通過對特征集進行隨機采樣的方式獲取壓縮后的信息，對每個子特征集進行建模，利用樸素貝葉斯分類器進行下一幀的目標檢測并在跟蹤過程中實時更新子特征模型參數(shù)。
　　最后，整合各個算法設計并實現(xiàn)了前方車輛檢測與跟蹤系統(tǒng)。該系統(tǒng)具有在圖像中檢測車輛以及在視頻中對處在特定車道內(nèi)的車輛目標進行跟蹤的功能。實驗結