本文關(guān)鍵詞：智能車的前方車輛檢測和跟蹤方法研究

  更多相關(guān)文章： 前方車輛檢測 前方車輛跟蹤 對(duì)稱性檢測 智能交通

【摘要】：基于視覺的實(shí)時(shí)車輛檢測與跟蹤是智能交通領(lǐng)域的一個(gè)重要研究課題,在車輛輔助駕駛、危險(xiǎn)報(bào)警等方面有著很好的應(yīng)用前景。前方車輛的檢測與跟蹤用于準(zhǔn)確的檢測前方是否有車輛,并為車輛輔助駕駛系統(tǒng)提供有效地駕駛環(huán)境信息。本文主要研究單目視覺的前方車輛檢測和跟蹤算法,通過對(duì)比分析國內(nèi)外的車輛檢測和跟蹤算法,提出了一種基于改進(jìn)ACF(Aggregated Channel Features,基于聚集通道特征的目標(biāo)檢測器)算法的前方車輛檢測算法和一種基于多子模板的NCC(Normalized Correlation Coefficient,基于歸一化互相關(guān)系數(shù)的圖像相似性度量)匹配車輛跟蹤算法,并實(shí)現(xiàn)了前方車輛的檢測與跟蹤軟件系統(tǒng)。主要研究內(nèi)容有兩點(diǎn):(1)前方車輛檢測算法研究。本文提出了一種基于改進(jìn)ACF算法的車輛檢測算法,該方法能夠?qū)崟r(shí)檢測復(fù)雜的城市道路上的前方車輛。通過分析前方車輛的特點(diǎn),將車尾的垂直邊緣特征引入到ACF特征中,與原有的10通道特征共同組成新的11通道特征,并用改進(jìn)的ACF特征檢測前方車輛,分類器選用Adaboost,得到初始檢測結(jié)果,然后對(duì)初始檢測結(jié)果進(jìn)行NMS,去除多余檢測窗口,再采用車尾灰度對(duì)稱性驗(yàn)證檢測窗口,最后結(jié)合ACF檢測結(jié)果與車尾灰度對(duì)稱性驗(yàn)證結(jié)果得出最終檢測結(jié)果。算法實(shí)時(shí)性好,檢測精度高,適用于復(fù)雜的城市道路上前方車輛檢測。(2)前方車輛跟蹤算法研究。本文提出一種基于多子模板的NCC匹配跟蹤算法,算法通過在目標(biāo)模板中選取若干個(gè)矩形小塊作為子模板,再剔除標(biāo)準(zhǔn)差小于一定閾值的子模板,然后建立搜索圖像金字塔,用NCC算法計(jì)算每個(gè)子模板與金字塔圖像的歸一化互相關(guān)系數(shù)矩陣,最后,綜合所有子模板與金字塔圖像的歸一化互相關(guān)系數(shù)矩陣建立最終的跟蹤結(jié)果。算法不僅跟蹤精度高、有較好的實(shí)時(shí)性能,還具有抗部分遮擋和光照變化的優(yōu)點(diǎn)。在軟件系統(tǒng)實(shí)現(xiàn)中,本文采用Visual Studio 2013+Open CV 2.4.9作為編程開發(fā)環(huán)境,開發(fā)出了前方車輛檢測與跟蹤系軟件,軟件主要包括圖像采集模塊、車輛檢測模塊、車輛跟蹤模塊以及決策模塊。對(duì)實(shí)驗(yàn)結(jié)果分析表明:本文的車輛檢測和跟蹤算法能夠準(zhǔn)確的檢測并跟蹤前方車輛,并且能夠滿足實(shí)時(shí)檢測與跟蹤的要求。
【關(guān)鍵詞】：前方車輛檢測 前方車輛跟蹤 對(duì)稱性檢測 智能交通
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6;U495;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 第1章 緒論13-27
• 1.1 研究背景和意義13-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-20
• 1.2.1 國外研究現(xiàn)狀16-18
• 1.2.2 國內(nèi)研究現(xiàn)狀18-20
• 1.3 基于視覺的車輛檢測與跟蹤算法概述20-25
• 1.3.1 車輛檢測算法概述20-24
• 1.3.2 車輛跟蹤算法概述24-25
• 1.4 本文的主要研究內(nèi)容25-26
• 1.5 本文組織結(jié)構(gòu)26-27
• 第2章 智能車前方車輛檢測與跟蹤系統(tǒng)的總體設(shè)計(jì)27-34
• 2.1 交通信息機(jī)器視覺感知與智能交互處理系統(tǒng)簡介27-28
• 2.2 智能車前方車輛檢測與跟蹤系統(tǒng)的設(shè)計(jì)概述28-33
• 2.2.1 智能車前方車輛檢測與跟蹤系統(tǒng)的硬件28-30
• 2.2.2 智能車前方車輛檢測與跟蹤系統(tǒng)的算法30-32
• 2.2.3 智能車前方車輛檢測與跟蹤系統(tǒng)的軟件32-33
• 2.3 本章小結(jié)33-34
• 第3章 智能車的前方車輛檢測方法34-47
• 3.1 ACF檢測算法34-38
• 3.1.1 ACF的通道35
• 3.1.2 ACF的快速特征金字塔35-36
• 3.1.3 ADABOOST分類算法36-38
• 3.2 基于改進(jìn)ACF算法的車輛檢測算法38-43
• 3.2.1 改進(jìn)的ACF特征38-39
• 3.2.2 NMS抑制多余檢測窗口39-41
• 3.2.3 車尾灰度對(duì)稱性驗(yàn)證41-42
• 3.2.4 加權(quán)得到最終結(jié)果42-43
• 3.3 實(shí)驗(yàn)結(jié)果分析43-46
• 3.4 本章小結(jié)46-47
• 第4章 智能車的前方車輛跟蹤方法47-57
• 4.1 NCC匹配算法47-48
• 4.2 基于多子模板的NCC匹配跟蹤算法48-53
• 4.2.1 目標(biāo)模型48-50
• 4.2.2 目標(biāo)跟蹤50-52
• 4.2.3 模型更新52-53
• 4.3 實(shí)驗(yàn)結(jié)果分析53-56
• 4.4 本章小結(jié)56-57
• 第5章 智能車前方車輛檢測與跟蹤系統(tǒng)的軟件開發(fā)57-61
• 5.1 圖像采集模塊開發(fā)57-58
• 5.2 車輛檢測與跟蹤模塊開發(fā)58-59
• 5.3 決策模塊開發(fā)59
• 5.4 顯示控制模塊開發(fā)59-60
• 5.5 本章總結(jié)60-61
• 總結(jié)與展望61-63
• 總結(jié)61-62
• 展望62-63
• 參考文獻(xiàn)63-68
• 致謝68-69
• 附錄A 攻讀碩士學(xué)位期間所獲論文和專利69-70
• 附錄B 攻讀學(xué)位期間所參加的科研項(xiàng)目目錄70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 肖志濤;王悅;耿磊;張芳;;基于團(tuán)塊幾何和位置特征的夜間前方車輛檢測方法[J];河北工業(yè)大學(xué)學(xué)報(bào);2013年05期

2 王海;張為公;蔡英鳳;;一種前方車輛后輪接地點(diǎn)檢測算法[J];現(xiàn)代交通技術(shù);2011年04期

3 馬雷;臧俊杰;張潤生;;不同光照條件下前方車輛識(shí)別方法[J];汽車工程;2012年04期

4 馬雷;武波濤;于福瑩;;復(fù)雜路面環(huán)境下前方車輛識(shí)別目標(biāo)函數(shù)的選取[J];汽車工程;2009年04期

5 高德芝;段建民;于宏嘯;;基于激光雷達(dá)和攝像機(jī)的前方車輛檢測[J];北京工業(yè)大學(xué)學(xué)報(bào);2012年09期

6 張建明;張玲增;劉志強(qiáng);;一種結(jié)合多特征的前方車輛檢測與跟蹤方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

7 馬雷;武波濤;盧艷楠;張楊;;基于信息融合的道路前方車輛識(shí)別研究[J];公路交通科技;2009年08期

8 劉志強(qiáng);程紅星;王運(yùn)霞;;車輛防撞檢測技術(shù)研究[J];公路交通科技(應(yīng)用技術(shù)版);2008年06期

9 ;[J];;年期

中國重要報(bào)紙全文數(shù)據(jù)庫 前6條

1 記者 張曄　通訊員 楊萍 田野;南理工一技術(shù)給汽車提供安全“智能助理”[N];科技日?qǐng)?bào);2009年

2 本報(bào)駐薩格勒布記者 趙嘉政;克前副總理被判服刑22個(gè)月[N];光明日?qǐng)?bào);2013年

3 尹燦生;預(yù)防車禍的招數(shù)[N];云南政協(xié)報(bào);2000年

4 本報(bào)記者 ，

本文編號(hào)：1100415