论文部分内容阅读
随着科技的不断发展,经济的不断增长,汽车的保有量也迅速增加。但是,科学技术不只给人们的生活带来了便利,也带来了很多弊端,如交通事故。为了广大公民的人身财产安全,安全辅助驾驶技术越来越受到人们的重视,而车辆检测是安全辅助驾驶系统中基本而关键的一个环节。为了在复杂的外界环境中准确的检测出前方车辆,本文主要做了如下工作:(1)车辆特征提取。本文中用到了LBP算子和HOG算子来描述车辆的纹理特征和形状特征。根据公式分别计算得出图像中每个像素的LBP值和HOG值,然后得到图像的LBP特征直方图和梯度方向直方图来描述图像的纹理和形状。(2)训练半监督SVM分类器。首先利用少量标记的样本训练SVM分类器。然后将车辆视频输入到SVM分类器进行标记,将标记的置信度较高的图像补充到原始样本集中。最后采用半监督学习方式训练SVM分类器。(3)轮廓区域提取。提取轮廓区域是为了在复杂的环境中提高检测车辆的速度。经过预处理得到图像对应的二值图像,扫描该二值图像,把二值图像中所有灰度值为非0的像素点加入到一个链表中得到链码,用该链码表示轮廓区域。(4)车辆视频检测。首先将处理后的视频输入到LBP+SVM分类器进行判断,若视频中不存在车辆,退出程序对视频的处理;若存在,将视频输入到半监督HOG+SVM分类器检测视频中车辆的位置,并用矩形标记出来。本文的创新之处主要有三个方面:(1)为了提高对车辆视频检测的速度,提取LBP特征和HOG特征时,对图像进行了分块,且块与块之间没有重叠,计算量得到了降低,检测效率得到了提高。本文提取LBP特征的思想是结合分块提取LBP特征思想和滑动窗口提取LBP特征思想提出的。(2)在将车辆视频输入到半监督SVM分类器检测之前,对车辆视频进行了轮廓区域提取,可以在复杂的环境中准确、快速的找出车辆可能存在的位置。然后在轮廓区域内进行车辆检测的预处理以及利用SVM分类器进行车辆检测,可以减少计算量,提高车辆检测的效率。(3)引入了触发机制。在利用半监督HOG+SVM分类器检测车辆视频之前,先使用LBP+SVM分类器对车辆视频进行判断,检测是否存在车辆。引入触发机制可以提高检测算法的速度和准确率。本文的不足之处有以下两个方面:(1)提取图像的HOG特征,计算量较大,时间较长。本文中提出的改善方法虽然减少了计算量,缩短了时间,提高了检测的效率,但对于HOG特征的提取速度仍有待提高。(2)在车辆视频环境较为复杂时,尤其是在阴天和下雨天的时候,检测视频中的车辆容易出现误检、漏检等。在检测车辆算法中提高检测速度时准确率就会有所下降,反之亦然。在提高检测速度的前提下保证准确率仍是有待解决的问题。