基于視頻圖像的前方車(chē)輛檢測(cè).pdf

1、隨著汽車(chē)在人們?nèi)粘Ｉ钪衅占俺潭仍絹?lái)越高，交通安全也成為不可忽視的問(wèn)題。近年來(lái)，國(guó)內(nèi)外的智能駕駛技術(shù)成為關(guān)注的焦點(diǎn)，基于視頻圖像的前方車(chē)輛檢測(cè)作為智能車(chē)輛系統(tǒng)的關(guān)鍵技術(shù)，已經(jīng)成為當(dāng)前研究的熱點(diǎn)之一。本文主要研究基于單目視覺(jué)的前方車(chē)輛檢測(cè)算法，利用車(chē)輛的車(chē)牌、邊緣對(duì)稱(chēng)性特征和車(chē)尾燈形狀等多個(gè)特征來(lái)檢測(cè)前方車(chē)輛。本文在分析和對(duì)比國(guó)內(nèi)外有關(guān)車(chē)輛檢測(cè)算法的基礎(chǔ)上，提出了一些相應(yīng)的改進(jìn)方法，主要研究?jī)?nèi)容有以下三部分：
　　(1)基于HSV顏

2、色空問(wèn)的車(chē)牌和車(chē)尾燈區(qū)域的提取，檢測(cè)的結(jié)果依賴(lài)人為設(shè)定閾值的影響和顏色空間轉(zhuǎn)化會(huì)耗費(fèi)一些時(shí)間的問(wèn)題。本文在RGB顏色空間中，采用一種自適應(yīng)的顏色特征提取方法，該方法可以普遍適用于交通視頻圖像的車(chē)輛檢測(cè)。
　　(2)針對(duì)顏色特征提取的圖像，常用的Otsu閾值分割算法分割結(jié)果不理想，會(huì)產(chǎn)生一些干擾區(qū)域，進(jìn)而影響后續(xù)的車(chē)牌定位和車(chē)尾燈的提取。本文采用平均梯度改進(jìn)Otsu閾值分割算法，通過(guò)求取使類(lèi)問(wèn)方差最大的最佳分割閾值，可以很好的在顏色