基于主動(dòng)學(xué)習(xí)的車載單目視覺車輛檢測與跟蹤研究.pdf

1、隨著汽車保有量的迅猛增長，公路交通事故已經(jīng)成為全球范圍內(nèi)日趨嚴(yán)重的公共安全問題，亟待解決。前碰撞預(yù)警系統(tǒng)是智能輔助駕駛系統(tǒng)的重要組成部分，能有效降低公路交通事故發(fā)生的概率。車輛檢測和跟蹤的準(zhǔn)確性、連續(xù)性和實(shí)時(shí)性是影響該系統(tǒng)功能發(fā)揮的決定性因素。其中，車輛定位的準(zhǔn)確性和連續(xù)性是預(yù)警功能的前提，而實(shí)時(shí)性是預(yù)警功能有效發(fā)揮的關(guān)鍵，能使駕駛者及早發(fā)現(xiàn)險(xiǎn)情。因此本文致力于車載單目視覺的車輛檢測與跟蹤算法研究，具體研究內(nèi)容如下:
　　基于主動(dòng)

2、學(xué)習(xí)的分類器模型訓(xùn)練?；跈C(jī)器學(xué)習(xí)的視覺車輛檢測需要大量帶有標(biāo)簽的樣本數(shù)據(jù)，用以訓(xùn)練出能夠準(zhǔn)確分類圖像中車輛與背景的分類器模型。本文提出一種基于錯(cuò)誤分類樣本抽樣策略的主動(dòng)學(xué)習(xí)算法，以較小的人工標(biāo)注成本獲得最具信息量的樣本數(shù)據(jù)，迭代訓(xùn)練優(yōu)化分類器的性能。
　　Adaboost(AdaptiveBoosting)級(jí)聯(lián)多目標(biāo)車輛檢測。為了提高車輛檢測的準(zhǔn)確性，本文提出一種分區(qū)域多分類器車輛檢測方法。根據(jù)車輛特征在檢測視野中的差異，把待檢

3、測車輛分類為前向車輛、左斜側(cè)向車輛和右斜側(cè)向車輛，分別訓(xùn)練級(jí)聯(lián)分類器進(jìn)行檢測。同時(shí)，為了提高車輛檢測速度，提出一種結(jié)合相機(jī)標(biāo)定的多分辨率加速車輛檢測算法，對(duì)檢測視野中遠(yuǎn)近不同的車輛采用不同程度的圖像降采樣分別檢測。
　　HOG(HistogramofOrientedGradients)特征跟蹤與Adaboost檢測融合。針對(duì)Adaboost級(jí)聯(lián)車輛檢測結(jié)果不夠連續(xù)的問題，提出一種Adaboost級(jí)聯(lián)檢測與HOG特征跟蹤相互融合的車