本文關(guān)鍵詞： 車輛工程 車輛檢測 單目視覺 卷積神經(jīng)網(wǎng)絡(luò) 陰影分割　出處：《吉林大學(xué)學(xué)報(工學(xué)版)》2017年02期 　論文類型：期刊論文

【摘要】：提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的前方車輛檢測方法。首先,根據(jù)車底陰影特征,運用基于邊緣增強的路面檢測算法以及車底陰影自適應(yīng)分割算法來分割并形成車底候選區(qū)域,以解決路面灰度分布不均及光照條件變化問題;其次,運用針對道路交通環(huán)境的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),建立圖像樣本庫進行網(wǎng)絡(luò)訓(xùn)練;在此基礎(chǔ)上,采用基于卷積神經(jīng)網(wǎng)絡(luò)識別的方法以驗證并剔除被誤檢測為車底陰影的候選區(qū)域,進而確定真正的車輛目標(biāo);最后,修改網(wǎng)絡(luò)為三分類識別,以驗證本文方法的強擴展性的優(yōu)勢。實驗結(jié)果表明:本文提出的車輛檢測方法能夠很好地區(qū)分車底陰影和非車底陰影干擾,有效地提高車輛檢測的準(zhǔn)確率和可靠性,降低誤檢率。
[Abstract]:A forward vehicle detection method based on convolution neural network is proposed. Firstly, according to the shadow features of the vehicle bottom. The road detection algorithm based on edge enhancement and the adaptive segmentation algorithm of vehicle bottom shadow are used to segment and form the vehicle bottom candidate region to solve the problem of uneven distribution of road gray and variation of illumination conditions. Secondly, using convolution neural network structure for road traffic environment, the image sample database is established for network training. On this basis, the method based on convolution neural network recognition is used to verify and eliminate the candidate area which is detected as shadow under the vehicle, and then determine the real vehicle target. Finally, the network is modified to three-class recognition to verify the advantages of the strong expansibility of the proposed method. Experimental results show that the vehicle detection method proposed in this paper can distinguish the shadow under the car from the shadow under the vehicle well. It can effectively improve the accuracy and reliability of vehicle detection and reduce the false detection rate.
【作者單位】： 大連理工大學(xué)工業(yè)裝備結(jié)構(gòu)分析國家重點實驗室;大連理工大學(xué)汽車工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61473057;61203171) 中央高�；究蒲袠I(yè)務(wù)費專項項目(DUT15LK13)
【分類號】：TP391.41;TP183
【正文快照】： 0引言車輛間的劇烈碰撞是造成道路交通事故中人員傷亡的主要因素,前方車輛的實時準(zhǔn)確檢測有助于提前發(fā)現(xiàn)碰撞安全隱患,并及時向駕駛員發(fā)出警告,是實現(xiàn)防碰撞的關(guān)鍵技術(shù)之一。目前,單目視覺仍然是實現(xiàn)前方車輛檢測的主要手段。主要原因在于其硬件的性能和價格合理,信息獲取量大

【相似文獻】

相關(guān)期刊論文 前10條

1 劉珠妹;劉亞嵐;譚衢霖;任玉環(huán);;高分辨率衛(wèi)星影像車輛檢測研究進展[J];遙感技術(shù)與應(yīng)用;2012年01期

2 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年S2期

3 文學(xué)志;趙宏;王楠;袁淮;;基于知識和外觀方法相結(jié)合的后方車輛檢測[J];東北大學(xué)學(xué)報(自然科學(xué)版);2007年03期

4 張暉;董育寧;;基于視頻的車輛檢測算法綜述[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2007年03期

5 戴紅霞;江樂;趙力;;時空結(jié)合的多背景車輛檢測方法的研究[J];電視技術(shù);2009年11期

6 朱娟;陳杰;;基于混合差分的車輛檢測方法[J];計算機工程與設(shè)計;2011年01期

7 劉振華;黃磊;劉昌平;;一種基于視頻圖像處理的車輛違章檢測算法[J];公路交通科技;2012年02期

8 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年03期

9 祁秋紅;陳啟興;;基于尾燈跟蹤的夜間車輛檢測[J];通信技術(shù);2012年10期

10 魏凱;盛建平;熊凱;;基于陰影特征的前向車輛檢測和測距方法研究[J];機械設(shè)計與制造;2013年02期

相關(guān)會議論文 前8條

1 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進展[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

2 楊阿麗;劉峽壁;魏雪;萬玉釵;;用于交通治安卡口的全天候視頻車輛檢測方法[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

3 楊淼;;基于卡爾曼濾波的電子警察系統(tǒng)車輛檢測算法[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

4 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復(fù)雜視頻背景中的運動車輛檢測技術(shù)[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

5 李舜酩;繆小冬;;視覺車輛檢測方法的研究進展及展望[A];2009全國虛擬儀器大會論文集（二）[C];2009年

6 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車載行人車輛檢測系統(tǒng)[A];浙江省電子學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

7 吳嶸;何培宇;徐自勵;段文鋒;劉珂含;;一種去背景的車輛檢測與跟蹤快速算法[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

8 魏東;劉毅;錢俊彥;;桂林機動車遠程審驗系統(tǒng)[A];廣西計算機學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

相關(guān)博士學(xué)位論文 前8條

1 劉培勛;車輛主動安全中關(guān)于車輛檢測與跟蹤算法的若干研究[D];吉林大學(xué);2015年

2 張偉;基于視覺的運動車輛檢測與跟蹤[D];上海交通大學(xué);2007年

3 徐琨;交通視頻監(jiān)控中的車輛檢測與跟蹤方法研究[D];長安大學(xué);2009年

4 李博;基于層次性與或圖模型的車輛檢測與解析[D];北京理工大學(xué);2015年

5 王曾敏;小波圖像融合算法及其在視頻車輛檢測系統(tǒng)中的應(yīng)用研究[D];天津大學(xué);2009年

6 許潔瓊;基于視頻圖像處理的車輛檢測與跟蹤方法研究[D];中國海洋大學(xué);2012年

7 嚴(yán)捷豐;交通視頻監(jiān)控中的車輛檢測與分割方法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

8 李衛(wèi)江;基于線陣CCD成像交通信息采集和檢測技術(shù)的研究[D];長安大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 王齊;車輛檢測與樣本采集系統(tǒng)的研究與設(shè)計[D];延邊大學(xué);2015年

2 馬蓓蓓;基于HOG特征的車輛檢測技術(shù)研究[D];華南理工大學(xué);2015年

3 郭敏;基于高速公路大貨車違法占道監(jiān)測系統(tǒng)的車輛檢測與跟蹤研究[D];西南交通大學(xué);2015年

4 張驍;基于3D空間多部件模型的車輛檢測方法研究[D];長安大學(xué);2015年

5 趙倩倩;基于目標(biāo)特征點跟蹤與聚類的車輛檢測算法研究[D];長安大學(xué);2015年

6 田蘇慧敏;基于視頻圖像處理的車輛檢測與車流量統(tǒng)計平臺的設(shè)計實現(xiàn)[D];寧夏大學(xué);2015年

7 王成坤;混合交通流兩輪車輛的視頻檢測研究[D];江西理工大學(xué);2014年

8 劉公俊;基于單目視覺的車輛檢測與跟蹤[D];哈爾濱工業(yè)大學(xué);2015年

9 周年芳;基于大場景多視頻的運動車輛檢測與連續(xù)跟蹤研究[D];中國礦業(yè)大學(xué);2015年

10 艾永春;擁擠場景下低分辨率快速車輛檢測與跟蹤方法研究[D];電子科技大學(xué);2014年

，

本文編號：1449808