基于红外视频的车载行人车辆检测系统.pdfVIP

第33卷第5期 杭州电子科技大学学报 Y01．33，No．5 0f 2013年lO月 Joemalm咖蜥u岫ity Oct．2013 dei：10．3969,j．ieen．1001-9146．2013．05-028 基于红外视频的车载行人车辆检测系统 王忠耀，任青春，王少华，郭春生 (杭州电子科技大学通信工程学院，浙江杭州310018) 摘要：该文提出一种基于红外视频的车载行人车辆检测系统模型。利用混合高斯模型对梯形感兴 趣区域提取前景，再根据前景进行目标的框定，对目标进行几何形状、灰度分布、运动速度、边缘梯 度分布4类特征提取特征数据，并把特征数据代人事先用特征数据库训练好的神经网络对目标进 行分类检测，以达到对行人车辆的检测判别并预警的效果。仿真结果表明，该检测系统算法运行 速度快，虚警率低，可靠性强。 关键词：梯形感兴趣区域；混合高斯模型；图像特征值；神经网络 中图分类号：TP391．4 文献标识码：A 文章编号：1001—9146(2013)05-0106—04 0引言 行人车辆的检测系统在智能驾驶、智能交通与智能监控等领域具有很高的应用价值。对于摄像头 运动的前景图像提取，常用的方法有光流法和混合高斯模型，光流法计算复杂性大，不利于实时处理，而 混合高斯模型有效性高、易于实现…。在处理视频与图像识别的问题中，神经网络具有的信息分布式 存储、大规模自适应并行处理、高度容错性等优点，表现得更为突出[2’3】。结合混合高斯模型和神经网 络算法，本文提出了一种基于红外视频的车载行人车辆检测系统。仿真结果表明本检测系统算法运算 量低，虚警率低，可靠性强，对于辅助驾驶有着广泛的适用性。 1．基于红外视频的车载行人车辆检测系统设计 1．1总体流程设计 基于红外视频的车载行人车辆检测系统算法流程图如图1所示： 图l 基于红外视频的行人车辆检测系统算法流程图 图1中，先对采集的红外视频图像进行预处理划定梯形区域，再利用混合高斯算法提取梯形区域前 收稿日期：2013—0r7—20 基金项目：国家级大学生创新训练资助项目(GJ201210336014) 作者简介：王忠耀(1992一)，男，安徽宿州人，在读本科生，通信工程． 第5期 王忠耀等：基于红外视频的车载行人车辆检测系统 107 景，对提取的前景进行特征值分析并生成特征值数据库，最后利用特征值数据库训练神经网络。系统测 试时利用神经网络进行模式识别判断车辆前方是否存在障碍物。 1．2梯形感兴趣区域的前景提取 为了提高系统的精确度和减少算法的复杂度，利用混合高斯模型，只对车前方一定距离的梯形区域 内的路面状况进行背景建模。在减小了计算量的同时，排除了路两旁的高楼、路灯等干扰，提高了系统 的精确度。 对于感兴趣区域中的象素在时刻t的亮度值g。，用K个高斯模型表示其出现的概率为： 比小k主=l∞h志唧(半芋) ㈣ 为了减少算法的复杂度提高运算速度性，采用一种高效的权重更新方法，若象素均值处于1个高斯 模型的2．5倍标准方差之内，则进行权重更新，否则丢弃权重最小的高斯模型并以均值为g。的新高斯 函数替换。其中，权重更新方程为： ‰2 心)(2) fo叫)OJkO_：『≠： kt．1) k：l 式中，a是学习常数。对权重归一化，再更新高斯模型的参数： plt=(1一P)弘l(t一1)+pgt (3) 仃2lt=(1一P)叮2h+p(gt一斗h)2