消防通道場景下的車輛檢測技術研究.pdf

1、基于物聯(lián)網(wǎng)的消防通道車輛檢測系統(tǒng)的主要目的是為了有效避免由于消防通道被車輛堵塞而導致重大火災事故的發(fā)生。該系統(tǒng)利用物聯(lián)網(wǎng)將傳感器和人工智能處理相結合的方式，并采用數(shù)字圖像處理和模式識別等智能技術手段進行車輛的自動檢測。當有車輛占用消防通道時，該系統(tǒng)可以自動識別車輛，現(xiàn)場報警，并短信提醒物管人員及時排除車輛占用。同時將占用消防通道的車輛信息傳送給消防部門，作為處罰和追責的依據(jù)，而車輛檢測算法是消防通道車輛檢測系統(tǒng)的核心技術，因此找到一種合

2、適的消防通道車輛檢測算法具有重要的意義。
　　本文針對現(xiàn)有的車輛檢測算法在消防通道車輛檢測系統(tǒng)中存在檢測率低和魯棒性差的問題，考慮了多種干擾因素（如天氣條件的變化和周圍環(huán)境等）對車輛檢測的影響，提出了一種自適應閾值分割車輛底部陰影的方法和基于多特征融合級聯(lián)分類器的車輛檢測方法，完成的主要工作有：
　?、僭谲囕v感興趣區(qū)域生成階段，提出了一種自適應閾值分割車輛底部陰影的方法。首先提取圖像中的道路區(qū)域，排除非車道區(qū)域中的物體對檢測

3、結果的影響；其次對提取的道路區(qū)域進行灰度采樣，通過統(tǒng)計采樣的灰度值計算出車輛底部陰影的分割閾值；然后利用基于像素變化率的邊緣提取方法對車輛底部陰影邊緣進行提??；最后根據(jù)提取的陰影下邊緣構建車輛感興趣區(qū)域。
　?、谠谲囕v多特征提取和融合階段，首先分別介紹了角點特征、邊緣特征和紋理特征的提取方法，然后從特征層融合角度對比分析了基于類間方差的多特征融合方法、基于馬氏距離的多特征融合方法和基于Fisher準則的多特征融合方法對提取的車輛感

4、興趣區(qū)域的角點特征、邊緣特征、紋理特征的融合效果。融合后的分量在車輛序列樣本圖像中的實驗結果表明：基于Fisher準則的多特征融合方法的檢測效果最佳。
　?、墼谲囕v感興趣區(qū)域驗證階段，提出了一種基于多特征融合級聯(lián)分類器的車輛檢測方法。首先選擇基于Fisher準則的多特征融合算法將感興趣區(qū)域中的角點特征、邊緣特征和紋理特征進行融合，然后利用Adaboost算法對融合后的特征值和“積分圖”計算的Harr-like特征值進行訓練生成強分