基于多視角分類器融合的車輛檢測研究.pdf

1、車輛檢測子系統(tǒng)是智能輔助駕駛系統(tǒng)的重要組成部分。在復(fù)雜交通環(huán)境下，傳統(tǒng)的車輛檢測方法檢測性能不佳，本文提出了一種具有較強魯棒性的車輛檢測算法。該算法在不同天氣、強光照等環(huán)境下顯示出良好的檢測性能。
　　在車輛候選區(qū)域確定部分，通過簡單線性迭代聚類算法將圖像分割獲得超像素圖。圖中每個超像素塊作為圖模型的節(jié)點，然后根據(jù)節(jié)點與節(jié)點間的空間位置關(guān)系、顏色相似度等信息進行聚類，得到大量車輛候選區(qū)域。利用車輛樣本的特點通過節(jié)點間的相似度計算車

2、輛候選區(qū)域的可能存在分數(shù)，最后通過非極大值抑制算法消除交叉重復(fù)的候選框。通過實驗對比分析，驗證該車輛候選區(qū)域確定算法準確性。
　　在車輛檢測部分，提取圖像顏色、梯度等特征構(gòu)成多特征融合的快速金字塔模型?？焖俳鹱炙Ｐ偷慕?，豐富了圖像信息，提高了特征提取效率。通過對分類算法的比較，選擇AdaBoost算法作為車輛檢測的分類器。在分類器的訓(xùn)練過程，根據(jù)車輛的行駛角度將訓(xùn)練樣本分為多類單獨進行訓(xùn)練，獲得多視角分類器。由于國內(nèi)典型車的獨