基于風險貝葉斯的MPEG行車障礙檢測算法研究.pdf

1、汽車駕駛者精力不集中等原因極易引發(fā)交通事故，各國的科研工作者研究了多種方法來解決這一問題。行車障礙檢測算法實用性的重要指標之一是其虛警率是否在可以接受的范圍內(nèi)。論文在分析車輛行駛狀態(tài)、障礙物出現(xiàn)的情況和深入研究基于MPEG運動矢量行車障礙檢測算法的基礎(chǔ)上，對實際拍攝的行車連續(xù)視頻進行人工判讀，統(tǒng)計了原有算法的檢出率和虛警率，得出的實驗數(shù)據(jù)表明：原算法的檢出率較高但虛警率也較高。
　　 有鑒于此，文中對原有算法的濾除噪聲方法和判決

2、規(guī)則提出了改進，使其能在檢出率和虛警率之間達到平衡。課題提出了利用運動矢量的方向特性來濾除噪聲的方法。判決規(guī)則的改進是建立在最小風險貝葉斯原理的基礎(chǔ)上：通過統(tǒng)計分析與人工判讀的手段，可以獲得某一路況下運動矢量場中危險運動矢量與非危險運動矢量的先驗概率、類條件概率以及門限閾值；利用這些數(shù)據(jù)，可以計算得出此路況下的判決損失，還可應(yīng)用貝葉斯公式計算出待分類運動矢量的后驗概率；利用后驗概率和判決損失可以計算得出待分類運動矢量的兩種條件風險，一是

3、判運動矢量屬于危險運動矢量的條件風險，二是判運動矢量屬于非危險運動矢量的條件風險；比較這兩種條件風險，將運動矢量歸屬于條件風險較小的那一類，以此實現(xiàn)對運動矢量的最優(yōu)決策。
　　 實驗方法是應(yīng)用MATLAB搭建基于風險貝葉斯的MPEG行車障礙檢測算法檢測平臺。該平臺能夠?qū)⑿熊囘B續(xù)視頻流按幀分解成單幀圖像，對其進行逐幀分析，從幀圖像中提取出行車圖像的運動矢量場圖。對其中的運動矢量應(yīng)用檢測算法進行檢測分類，完成對基于風險貝葉斯的MPE