一种树形结构的实时道路车辆识别方法.pdfVIP

第 23卷 第 3期 青 岛大学 学报 (工程技 术版 ) Vol_23NO．3 2008年 9月 JOURNALOFQINGDAOUNIVERSITY (ET) Sep．2008 文章编号 ：1006—9798(2O08)03—0049—05 一 种树形结构的实时道路车辆识别方法 张亮修，王玉林 ，张鲁邹 (青岛大学机电工程学院，山东 青岛266071) 摘要 ：针对实时道路车辆识别是车辆计算机辅助驾驶 、自主导航 以及主动安全的关键技 术 ，给出了一种基于树形结构 的车辆识别方法 。该方法采用 Haar—like特征来表达车辆特 征，选择 GentleAdaBoost算法训练出强分类器 ，最后将 多个强分类器组合成树形结构 。 通过建立样本库，对车辆识别分类器进行了训练，并对分类器的性能进行了实验 。结果表 明：对 750个 目标车辆进行识别 ，识别率为 74．4 ，识别时间为 34．4mS。说 明树形结构 的车辆识别方法具有较好 的实时性和一定的鲁棒性 。 关键词：车辆识别 ；树形分类器；Haar—like特征；GentleAdaBoost 中图分类号：TP391．4 文献标识码 ：A 基于视觉的道路车辆识别是车辆计算机辅助驾驶 、自主导航以及主动安全 的关键技术 。该技术能够实 时准确地判断样车前方车辆的位置，避免与其它车辆 的碰撞摩擦。由于车辆外形的多样性和外界环境的复 杂性 ，将车辆独立于其它物体进行识别 ，并使其对外界环境具有一定的鲁棒性和可靠性成为实时道路车辆识 别研究的重点。近年来在实时物体识别领域有很多研究_】]，最具影响力 的是 Viola等 提出的一种基于 Haar—like特征的Adaboost算法 ，并用这一算法来构造级联的人脸识别器。Adaboost算法是 目前识别人脸 正确率最高的算法之一 ，而在速度上要远远快于几乎所有其它算法。然而单纯的将强分类器组合成级联分 类器难 以解决不同视图物体存在的潜在差别，后来 Lienhart等 在此基础上提出树形结构的分类器组合方 式 ，在识别率、误识率和识别速度上都有 明显改善。作者建立了一个具有 1650正样本和 3135负样本的车 辆训练样本库 ，采用 Haar—like型特征来表达车辆特征 ，选择 GentleAdaBoost作为分类器训练算法 ，构造了 一 个树形结构的实时道路车辆识别分类器 ，并用所建立的测试样本库和视频库对树形分类器和级联分类器 做 了性能评价和比较 。 1 Haar—like特征及积分图像法 1．1 Haar-like特征 Haar—like特征_l3是 由Viola等提出的一种简单矩形 日回囤 特征，因类似 Haar小波而得名 ，后来 Lienhart等_l5作 了 扩展 。这里采用 12种适用于车辆识别的矩形特征 ，如图 园圃 回 1所示。每个特征 由2～3个矩形组成 ，其特征值 的定义 e f g h 为黑色矩形和白色矩形在 图象子窗 口中对应区域 的所有 圈圈囫圈 像素值的加权之和。这种矩形特征能反映图形局部特征 i J k 1 的灰度变化 ，每一个特征 F可表示为 N 图1 Haar-like特征 F一∑ S (1) 式中， 为第i个矩形的权 ，S为第 i个矩形内所有像素值的和，N为组成特征F的矩形个数 。 收稿 日期 ：2008—07一O7 作者简介 ：张亮修 (1982一)，男，山东淄博人，硕士研究生，主要研究方 向为道路车辆识别 。Email：zl