基于红外CCD的夜间前方车辆识别

论文摘要

为了解决交通安全问题,安全辅助驾驶已成为当前国际智能交通系统研究的主要内容。而前方车辆的检测与识别和安全车距保持技术是安全辅助驾驶研究的热点,其中前方车辆的检测又是最主要的研究内容。实时地进行前方车辆检测与识别,可以有效地防止追尾碰撞等恶性交通事故的发生。近几年来,课题组对安全车距预警技术进行了深入地系统研究。目前,基于单目视觉的前方车辆检测与识别技术,对于白天各种工况已经能够实现实时、准确地识别;对于夜间前方车辆的检测与识别主要是基于尾灯特征进行识别,目前的算法所适应的工况比较单一。本文的研究主要针对现有的夜间前方车辆检测与识别算法的不足,进一步完善夜间前方车辆的检测与识别算法。本文的主要研究内容包括以下几点:1.改进夜间前方车辆识别系统的硬件系统。本文采用红外相机UM-301和近红外光源结合前方车辆图像。2.红外图像预处理方法研究。通过分析红外CCD所采集到的红外图像,针对红外图像本身的信噪比低、对比度差的特点对所采集到的红外图像利用中值滤波进行噪声去除,再利用灰度线性增强来增强图像的对比度。3.基于尾灯和车牌特征的前方车辆识别方法的研究。红外CCD采集的前方车辆图像,在前方车辆尾灯不亮或灯光较暗的情况下,车牌和尾灯特征大多数情况下表现明显。选择基于模糊理论的分割方法对这类图像进行分割,在感兴趣区域内根据面积、车牌的矩形度和高宽比、尾灯关于车牌中心的对称性以及尾灯的圆形度特征实现前方车辆的识别与定位。4.基于边缘特征的前方车辆识别方法研究。对于前方车辆的尾灯和车牌特征不明显但车体尾部具有比较明显的边缘特征的车辆图像,选择垂直Sobel算子对垂直边缘进行增强;选择了矩不变分割法对图像进行分割;最后在感兴趣区域内利用垂直边缘对称性、高宽比及灰度对称性特征实现前方车辆的识别。

论文目录

• 提要
• 第1章 绪论
• 1.1 引言
• 1.2 前方车辆识别技术的研究现状
• 1.2.1 前方车辆识别国外研究及应用现状
• 1.2.2 前方车辆识别国内研究及应用现状
• 1.3 本文的研究工作
• 1.3.1 研究目的和意义
• 1.3.2 研究内容
• 第2章 红外图像预处理
• 2.1 引言
• 2.2 近红外相机成像原理和红外图像特点
• 2.3 红外图像预处理
• 2.3.1 图像增强原理
• 2.3.2 图像平滑增强
• 2.3.2.1 均值滤波
• 2.3.2.2 中值滤波
• 2.3.3 空域变换增强
• 2.3.3.1 线性灰度增强
• 2.3.3.2 直方图均衡
• 2.4 本章小结
• 第3章 基于尾灯和车牌特征的前方车辆识别
• 3.1 引言
• 3.2 红外图像分割
• 3.2.1 基于矩不变理论的图像分割法
• 3.2.2 基于模糊理论的图像分割方法
• 3.3 二值图像处理
• 3.3.1 形态学运算
• 3.3.2 二值图像目标标记
• 3.4 基于车牌和尾灯特征的前方车辆检测
• 3.4.1 前方车辆识别感兴趣区域确定
• 3.4.2 目标特征提取
• 3.4.2.1 车牌特征提取
• 3.4.2.2 目标圆形度特征提取
• 3.4.2.3 目标区域对称性特征提取
• 3.4.3 前方车辆定位
• 3.5 本章小结
• 第4章 基于边缘特征的前方车辆识别
• 4.1 引言
• 4.2 红外图像边缘检测
• 4.3 边缘阈值分割
• 4.4 基于边缘特征的前方车辆初步识别
• 4.4.1 基于垂直边缘的对称性特征提取
• 4.4.2 车辆识别区域宽度确定
• 4.4.3 车辆识别区域高度确定
• 4.4.3.1 车辆上边缘确定
• 4.4.3.2 车辆下边缘确定
• 4.5 前方车辆的最终识别与定位
• 4.5.1 初步确定的车辆区域灰度对称性特征
• 4.5.2 初步确定的车辆区域形状特征即高宽比特征
• 4.6 本章小结
• 第5章 夜间前方车辆识别算法试验验证
• 5.1 引言
• 5.2 图像采集系统简介
• 5.2.1 UM-301 相机性能介绍
• 5.2.2 Matrox Meteor II 视频采集卡
• 5.3 夜间前方车辆识别算法
• 5.4 试验
• 5.5 本章小结
• 第6章 全文总结
• 6.1 论文的主要研究工作
• 6.2 论文存在的不足
• 参考文献
• 致谢
• 摘要
• ABSTRACT
• 导师及作者简介