智能車的前方車輛檢測(cè)和跟蹤方法研究.pdf

1、基于視覺的實(shí)時(shí)車輛檢測(cè)與跟蹤是智能交通領(lǐng)域的一個(gè)重要研究課題，在車輛輔助駕駛、危險(xiǎn)報(bào)警等方面有著很好的應(yīng)用前景。前方車輛的檢測(cè)與跟蹤用于準(zhǔn)確的檢測(cè)前方是否有車輛，并為車輛輔助駕駛系統(tǒng)提供有效地駕駛環(huán)境信息。
　　本文主要研究單目視覺的前方車輛檢測(cè)和跟蹤算法，通過對(duì)比分析國(guó)內(nèi)外的車輛檢測(cè)和跟蹤算法，提出了一種基于改進(jìn)ACF(Aggregated Channel Features，基于聚集通道特征的目標(biāo)檢測(cè)器)算法的前方車輛檢測(cè)算法和

2、一種基于多子模板的NCC（Normalized Correlation Coefficient，基于歸一化互相關(guān)系數(shù)的圖像相似性度量）匹配車輛跟蹤算法，并實(shí)現(xiàn)了前方車輛的檢測(cè)與跟蹤軟件系統(tǒng)。主要研究?jī)?nèi)容有兩點(diǎn):
　　(1)前方車輛檢測(cè)算法研究。本文提出了一種基于改進(jìn)ACF算法的車輛檢測(cè)算法，該方法能夠?qū)崟r(shí)檢測(cè)復(fù)雜的城市道路上的前方車輛。通過分析前方車輛的特點(diǎn)，將車尾的垂直邊緣特征引入到ACF特征中，與原有的10通道特征共同組成新的

3、11通道特征，并用改進(jìn)的ACF特征檢測(cè)前方車輛，分類器選用Adaboost，得到初始檢測(cè)結(jié)果，然后對(duì)初始檢測(cè)結(jié)果進(jìn)行NMS，去除多余檢測(cè)窗口，再采用車尾灰度對(duì)稱性驗(yàn)證檢測(cè)窗口，最后結(jié)合ACF檢測(cè)結(jié)果與車尾灰度對(duì)稱性驗(yàn)證結(jié)果得出最終檢測(cè)結(jié)果。算法實(shí)時(shí)性好，檢測(cè)精度高，適用于復(fù)雜的城市道路上前方車輛檢測(cè)。
　　(2)前方車輛跟蹤算法研究。本文提出一種基于多子模板的NCC匹配跟蹤算法，算法通過在目標(biāo)模板中選取若干個(gè)矩形小塊作為子模板，再

4、剔除標(biāo)準(zhǔn)差小于一定閾值的子模板，然后建立搜索圖像金字塔，用NCC算法計(jì)算每個(gè)子模板與金字塔圖像的歸一化互相關(guān)系數(shù)矩陣，最后，綜合所有子模板與金字塔圖像的歸一化互相關(guān)系數(shù)矩陣建立最終的跟蹤結(jié)果。算法不僅跟蹤精度高、有較好的實(shí)時(shí)性能，還具有抗部分遮擋和光照變化的優(yōu)點(diǎn)。
　　在軟件系統(tǒng)實(shí)現(xiàn)中，本文采用Visual Studio2013+OpenCV2.4.9作為編程開發(fā)環(huán)境，開發(fā)出了前方車輛檢測(cè)與跟蹤系統(tǒng)軟件，軟件主要包括圖像采集模塊、