基于魚眼相機(jī)的后方漸近車輛檢測算法的研究與實(shí)現(xiàn).pdf

1、隨著城市化進(jìn)程的加快，社會(huì)經(jīng)濟(jì)的不斷發(fā)展，公路交通系統(tǒng)的壓力不斷加大?；谟?jì)算機(jī)視覺技術(shù)的智能交通系統(tǒng)的重要性日益顯著。其核心的技術(shù)是對攝像機(jī)拍攝的圖像序列進(jìn)行分析處理，對車輛進(jìn)行檢測與識(shí)別。本文提出了一種基于魚眼相機(jī)的后方漸近車輛檢測算法，實(shí)驗(yàn)證明該方法具有很高的車輛檢測性能。本文的主要研究內(nèi)容概括如下。
　　首先，算法對圖像進(jìn)行預(yù)處理，對魚眼相機(jī)獲取的圖像進(jìn)行扭曲校正，消除其對算法后期處理的影響;然后，算法采用幀差法評選出車輛

2、候選區(qū)，以確定漸近車輛可能存在的區(qū)域;接著，提出一種分區(qū)域平均檢測特征點(diǎn)的方法，使特征點(diǎn)的檢測不受復(fù)雜背景紋理的影響，盡可能集中在車輛上。然后，通過判斷光流的矢量特征，同時(shí)提出特征點(diǎn)的反向跟蹤和光流聚類的思想減少特征點(diǎn)的錯(cuò)誤跟蹤，初步確定車輛的區(qū)域;最后，由于單一依靠判斷光流的矢量方向而確定車輛光流的方法的判斷條件過于簡單，算法對第一階段初步確定的車輛區(qū)域，使用Adaboost訓(xùn)練分類算法進(jìn)行的再次的識(shí)別驗(yàn)證，以確定最終的車輛區(qū)域。在該

3、階段，本文對樣本的選擇及尺寸的設(shè)定進(jìn)行了研究，以使訓(xùn)練效果達(dá)到最佳。并提出了一種新的訓(xùn)練終止條件，該方法可以有效的防止訓(xùn)練時(shí)間過長和訓(xùn)練不完全等問題。
　　本文首先對車輛檢測的應(yīng)用領(lǐng)域及發(fā)展現(xiàn)狀進(jìn)行了介紹。其次，提出了一種新的幀差法和光流法相結(jié)合的后方漸近車輛檢測算法。然后，使用Adaboost算法對第一階段評選出來的窗口進(jìn)行識(shí)別驗(yàn)證。最后，本文對算法的性能進(jìn)行了分析，實(shí)驗(yàn)證明本文算法具有較高的檢測率、較低的誤檢率以及較好的魯棒性