本文關(guān)鍵詞：基于機(jī)器視覺的車輛前方危險目標(biāo)識別及風(fēng)險評估研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目前,道路交通安全問題得到了越來越多的關(guān)注,駕駛輔助系統(tǒng)是一項重要的汽車主動安全技術(shù),也是智能交通和智能車輛的重點研究方向。車輛前方危險目標(biāo)識別是駕駛輔助系統(tǒng)的重要組成部分,運(yùn)用目標(biāo)檢測和跟蹤技術(shù)對車輛前方危險目標(biāo)進(jìn)行識別,并判斷其風(fēng)險等級,可以很大程度的降低交通事故,提高車輛行駛的安全性。在復(fù)雜的道路交通環(huán)境中,視頻背景是動態(tài)變化的,這就導(dǎo)致現(xiàn)有檢測和跟蹤算法存在諸多問題,針對這些問題進(jìn)行研究,并對跟蹤到的目標(biāo)進(jìn)行運(yùn)動參數(shù)估計,評估其風(fēng)險并進(jìn)行預(yù)警。 在目標(biāo)檢測方面,運(yùn)用基于HOG特征的行人和車輛檢測算法,根據(jù)樣本的方向梯度直方圖特征,使用SVM分類器進(jìn)行學(xué)習(xí)和分類。在算法的改進(jìn)方面,運(yùn)用主成分分析法對HOG特征進(jìn)行降維處理,并且對于視頻圖像進(jìn)行區(qū)域分割,確定目標(biāo)存在的可能區(qū)域,之后在可能性區(qū)域進(jìn)行滑動窗口檢測,使檢測算法基本滿足實時性的要求。對于算法檢測精度方面進(jìn)行了改進(jìn),運(yùn)用灰度對稱性測度和局部熵的計算剔除相應(yīng)的誤檢目標(biāo)。在目標(biāo)跟蹤方面,運(yùn)用基于粒子濾波的目標(biāo)跟蹤算法,實現(xiàn)了目標(biāo)的跟蹤,并對跟蹤結(jié)果進(jìn)行了簡要分析。 在目標(biāo)檢測和跟蹤的前提下,對跟蹤到的目標(biāo)進(jìn)行速度、方向和距離的估計。其中目標(biāo)的方向估計采用的是基于歷史圖像的方法,判斷運(yùn)動模塊的整體梯度方向,進(jìn)而得出目標(biāo)的總的運(yùn)動方向；目標(biāo)的速度估計采用目標(biāo)在圖像上的速度和現(xiàn)實速度的轉(zhuǎn)換比例得出,目標(biāo)在圖像上的速度是通過目標(biāo)質(zhì)心的位移和幀速率求得；目標(biāo)的距離估計則是采用了攝像機(jī)小孔成像的原理進(jìn)行計算的,首先對攝像機(jī)的內(nèi)部參數(shù)進(jìn)行了標(biāo)定,根據(jù)標(biāo)定結(jié)果,結(jié)合已知參數(shù)計算目標(biāo)的相對距離。最后對于采集到的目標(biāo)運(yùn)動參數(shù)進(jìn)行模糊綜合評價,判斷目標(biāo)的風(fēng)險等級,并在視頻圖像上進(jìn)行顯示。 最后,利用OpenCV2.4.2和MS VC++2008編程實現(xiàn)了道路目標(biāo)的檢測和跟蹤及其運(yùn)動分析軟件,軟件能夠較為精確的檢測到行人和車輛目標(biāo),并對目標(biāo)的運(yùn)動參數(shù)進(jìn)行估計,能夠初步的判斷其風(fēng)險。 本文對車輛前方危險目標(biāo)的識別及其風(fēng)險評估進(jìn)行了研究,論文結(jié)果對汽車主動安全技術(shù)的研究有一定的借鑒意義。
【關(guān)鍵詞】：目標(biāo)檢測 目標(biāo)跟蹤 隸屬度函數(shù) 模糊綜合評價 風(fēng)險評估
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：U492.8;U463.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-24
• 1.1 選題的意義與背景10-11
• 1.2 研究現(xiàn)狀11-20
• 1.2.1 目標(biāo)檢測與跟蹤算法的國內(nèi)外研究現(xiàn)狀11-15
• 1.2.2 目標(biāo)運(yùn)動參數(shù)估計的國內(nèi)外研究現(xiàn)狀15-18
• 1.2.3 風(fēng)險評估方法的國內(nèi)外研究現(xiàn)狀18-20
• 1.3 論文的主要研究內(nèi)容20-21
• 1.4 論文的結(jié)構(gòu)安排21-24
• 第二章 基于HOG的行人和車輛檢測方法24-42
• 2.1 檢測算法的評判方法24-27
• 2.1.1 檢測算法評估的必要性24
• 2.1.2 現(xiàn)有的評估方法的介紹24-27
• 2.2 方向梯度直方圖特征27-31
• 2.2.1 行人數(shù)據(jù)庫和車輛數(shù)據(jù)庫的選擇與建立27-28
• 2.2.2 HOG特征描述28-30
• 2.2.3 方向梯度直方圖特征提取步驟30-31
• 2.3 支持向量機(jī)分類器的介紹31-33
• 2.4 基于HOG的行人和車輛檢測33-41
• 2.4.1 基于HOG行人和車輛檢測方法流程34
• 2.4.2 基于非極大值抑制的目標(biāo)定位34-36
• 2.4.3 檢測算法的改進(jìn)36-41
• 2.5 本章小結(jié)41-42
• 第三章 目標(biāo)跟蹤算法的研究42-52
• 3.1 基于粒子濾波的目標(biāo)跟蹤42-50
• 3.1.1 貝葉斯濾波理論43-45
• 3.1.2 蒙特卡羅思想45-46
• 3.1.3 序列重要性采樣46-48
• 3.1.4 粒子退化問題48-50
• 3.2 粒子濾波的跟蹤步驟及效果50-51
• 3.3 本章小結(jié)51-52
• 第四章 目標(biāo)運(yùn)動參數(shù)的估計52-62
• 4.1 目標(biāo)的方向估計52-54
• 4.2 目標(biāo)的速度估計54-55
• 4.3 目標(biāo)的距離估計55-60
• 4.3.1 攝像機(jī)內(nèi)部參數(shù)標(biāo)定56-59
• 4.3.2 測距方法的可行性驗證59
• 4.3.3 距離估計59-60
• 4.4 本章小結(jié)60-62
• 第五章 目標(biāo)風(fēng)險評估62-74
• 5.1 模糊綜合評價方法62
• 5.2 模糊綜合評價步驟62-63
• 5.3 隸屬度函數(shù)選取及風(fēng)險評估63-72
• 5.4 本章小結(jié)72-74
• 第六章 行人與車輛識別及其運(yùn)動分析軟件實現(xiàn)74-86
• 6.1 道路交通行人與車輛識別及其運(yùn)動分析軟件的設(shè)計74
• 6.2 軟件的實現(xiàn)和功能介紹74-84
• 6.2.1 軟件的實現(xiàn)74-76
• 6.2.2 軟件界面和菜單的介紹76-78
• 6.2.3 軟件功能說明78-84
• 6.3 本章小結(jié)84-86
• 第七章 結(jié)論86-89
• 7.1 論文的主要研究成果86-87
• 7.2 未來研究方向87-89
• 7.2.1 論文有待改進(jìn)的地方87-88
• 7.2.2 未來展望88-89
• 致謝89-90
• 參考文獻(xiàn)90-94
• 附錄A 攻讀學(xué)位其間發(fā)表論文目錄94

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 高磊;李超;朱成軍;熊璋;;基于邊緣對稱性的視頻車輛檢測算法[J];北京航空航天大學(xué)學(xué)報;2008年09期

2 王榮本,李兵,施樹明,李斌;世界智能車輛研究概述[J];公路交通科技;2001年05期

3 王榮本,李斌,儲江偉,紀(jì)壽文;公路上基于車載單目機(jī)器視覺的前方車距測量方法的研究[J];公路交通科技;2001年06期

4 紀(jì)華;吳元昊;孫宏海;王延杰;;結(jié)合全局信息的SIFT特征匹配算法[J];光學(xué)精密工程;2009年02期

5 溪海燕;肖志濤;張芳;;基于線性SVM的車輛前方行人檢測方法[J];天津工業(yè)大學(xué)學(xué)報;2012年01期

6 林柏林;;基于視頻序列圖像的車輛測速的實現(xiàn)方法[J];通信技術(shù);2013年06期

7 鄭江濱,張艷寧,馮大淦,趙榮椿;視頻監(jiān)視中運(yùn)動目標(biāo)的檢測與跟蹤算法[J];系統(tǒng)工程與電子技術(shù);2002年10期

8 王健,王孝通,徐曉剛;基于單目機(jī)器視覺的船舶測距定位原理研究[J];中國航海;2005年03期

9 孫昀;劉富強(qiáng);李志鵬;;基于空間梯度直方圖的行人檢測算法[J];中國圖象圖形學(xué)報;2008年10期

10 張瑞華;雷敏;;粒子濾波技術(shù)的發(fā)展現(xiàn)狀綜述[J];噪聲與振動控制;2010年02期

  本文關(guān)鍵詞：基于機(jī)器視覺的車輛前方危險目標(biāo)識別及風(fēng)險評估研究，，由筆耕文化傳播整理發(fā)布。

本文編號：342864