【摘要】：為了解決道路視頻中的運動障礙物檢測和分類準確率低的問題,提出了一種基于卡爾曼濾波和樸素貝葉斯網(wǎng)絡結合的檢測與分類方法。首先采用卡爾曼濾波算法檢測視頻中的障礙物,并將檢測到的障礙物進行特征提取。采用障礙物對稱性與邊緣直線水平度等特征,建立樸素貝葉斯網(wǎng)絡對車輛前方的障礙物進行分類。實驗結果表明,障礙物檢測的準確率達到95%,對摩托車或自行車、汽車正面、汽車側面和行人等障礙物識別準確率達到98.75%。
[Abstract]:In order to solve the problem of low accuracy of moving obstacle detection and classification in road video, a detection and classification method based on Kalman filter and naive Bayesian network is proposed. Firstly, the Kalman filter algorithm is used to detect the obstacles in the video, and the detected obstacles are extracted. A naive Bayesian network is established to classify the obstacles in front of the vehicle by using the symmetry of obstacles and the flatness of the edges. The experimental results show that the accuracy of obstacle detection is 95% and 98.75% for motorcycle or bicycle, front, side and pedestrian.
【作者單位】： 上海理工大學光電信息與計算機工程學院;
【基金】：國家自然科學基金資助項目(61374197)
【分類號】：TP391.41;U463.6

【相似文獻】

相關期刊論文 前2條

1 稻津雅弘;車勝新;;利用超聲波檢測障礙物的裝置的研究[J];國外汽車;1983年06期

2 ;[J];;年期

相關碩士學位論文 前6條

1 丁新立;基于卷積神經(jīng)網(wǎng)絡的車輛前方障礙物識別[D];大連理工大學;2015年

2 袁雨桐;基于單目視覺的智能車前方障礙物識別與測距[D];吉林大學;2016年

3 陸臻;汽車輔助安全駕駛中基于視頻的障礙物檢測方法研究[D];電子科技大學;2016年

4 陳盼;基于雙目視覺的無人車行駛障礙物定位跟蹤方法研究[D];長安大學;2016年

5 鄭凱華;基于多層激光雷達的道路與障礙物信息提取算法[D];北京工業(yè)大學;2015年

6 黃俊;基于加權Hough變換和時域相關性分析的雙目視頻障礙物檢測技術研究[D];廈門大學;2014年

，

本文編號：2317465