基于多特征的前方车辆检测与跟踪方法研究

论文摘要

随着公路交通事业的发展和汽车保有量的增加,我国道路交通安全问题日益突出,已成为人们生命和财产安全的重要威胁。作为国际智能交通系统研究的重要内容,安全辅助驾驶旨在通过先进技术解决交通安全问题,目前越来越受到人们的重视,而车辆检测技术是安全辅助驾驶的重要组成部分。通过车载摄像头获取道路视频图像,检测和跟踪前方运行的车辆目标,提供准确实时的路况信息,是车辆检测技术的实现目标。本文在阅读国内外文献并比较和分析各种算法的基础上,提出了相应的改进方法,并在此基础上实现了车辆检测与跟踪原型系统。本文主要研究工作包括:1、提出了一种结合车辆阴影与路面灰度和梯度分布特征的车底部阴影检测方法。即首先在图像中设定路面有效区域,然后分段统计路面灰度阈值,在此基础上利用车底阴影与路面灰度及梯度在分布上的差异检测车辆阴影,最后依此建立车辆感兴趣区域。2、提出了一种基于纹理、形状和边缘对称性三种特征融合的车辆检测方法。该方法使用改进分形维计算方法提取纹理特征,应用边缘模板匹配边缘获取车辆形状的完整度,通过计算车辆垂直边缘投影对称性测度得到车辆对称性特征,然后统计正反样本的三种特征值,采用基于方差测度的方法计算各特征的几何判据,确定特征权值,建立融合三种特征的车辆判决式。提取感兴趣区域的三种特征值,使用车辆判决式判断区域内是否存在车辆。3、设计了一种基于Kalman滤波的车辆跟踪方法。以车辆的位置和尺度作为跟踪分量,使用Kalman滤波进行跟踪预测。在预测产生的区域中利用车辆的边缘和阴影特征完成目标的重定位,实现观测向量的更新;使用两级判定,即车辆的NMI特征判定和车辆区域信息熵值判定实现对跟踪目标的验证。4、车辆检测跟踪系统的设计实现。在windows平台下,使用Visual C++6.0开发工具设计实现了车辆检测与跟踪系统,并使用拍摄的车载视频进行实验测试,测试表明本文方法的具有较高实时性和准确性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 车辆检测技术的研究与应用现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 基于视觉的车辆检测算法概述
• 1.3.1 车辆检测算法的组成
• 1.3.2 车辆检测方法分类
• 1.3.3 车辆跟踪方法分类
• 1.4 本文的研究内容与结构
• 1.4.1 本文的研究内容
• 1.4.2 论文的结构
• 第二章 视频图像预处理
• 2.1 视频图像的获取
• 2.2 图像灰度化
• 2.3 图像平滑去噪
• 2.3.1 邻域平均法
• 2.3.2 中值滤波法
• 2.3.3 高斯滤波法
• 2.4 本章小结
• 第三章 车辆感兴趣区域的确定
• 3.1 路面有效区域划定
• 3.2 结合梯度与灰度特征的车底部阴影检测
• 3.2.1 车辆底部阴影特征分析
• 3.2.1 路面灰度范围确定
• 3.2.3 车辆底部阴影检测
• 3.3 确定感兴趣区域
• 3.4 本章小结
• 第四章 基于多特征融合的车辆检测
• 4.1 车辆目标特征分析
• 4.1.1 纹理特征
• 4.1.2 形状特征
• 4.1.3 对称性特征
• 4.2 多特征信息提取与融合
• 4.2.1 纹理特征提取
• 4.2.2 形状特征提取
• 4.2.3 边缘对称性特征提取
• 4.2.4 基于方差测度的多特征信息融合判定
• 4.3 车辆区域定位
• 4.4 车辆检测流程
• 4.5 本章小结
• 第五章 基于卡尔曼滤波的前方车辆跟踪
• 5.1 卡尔曼滤波原理
• 5.2 基于卡尔曼滤波的车辆跟踪
• 5.2.1 车辆跟踪模型
• 5.2.2 车辆跟踪的实现
• 5.2.3 多车辆目标的跟踪策略
• 5.3 跟踪效果分析
• 5.4 本章小结
• 第六章 系统的设计与实现
• 6.1 面向对象与UML模型
• 6.2 原型系统的实现
• 6.2.1 系统软硬件环境
• 6.2.2 系统结构功能
• 6.2.3 关键类设计
• 6.3 实验结果与分析
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 研究生期间已发表的论文