目标检测识别调研总结.docVIP

绪论部分 研究背景与意义 近年来随着我国经济的快速发展，人们生活水平的极大提高，汽车已进入了千家万户，使得交通安全和基础道路设施负载问题日益突显。相比而言由于发达国家更早的遭遇了这一问题，他们已经有运用各种科技手段解决这一问题的思想值得我们借鉴，所以，最近几年国家有关部门开始重视智能交通系统（Intelligent Transportation Systems，ITS）[1]，它是综合运用现场视频采集、视觉处理、人工智能、电子控制等多种技术，构建一个集交通信息采集、交通视频监控和综合管理控制为一体的系统。但影响该系统最关键的因素，便是对交通道路或公共场所的车辆进行智能、准确和实时的检测。 早在20世纪70年代，人们已经开始了对交通环境中车辆流量检测的研究，只是受当时条件的制约，研究的方法和技术手段都比较传统，并未出现大面积推广的应用成果出现。随着往后相关技术的不断创新，在对原有的一些研究成果进行各种改良的基础上，出现了一些比较先进的检测技术，比如传感、红外线、超声波及视频图像等技术，尤其随着计算机技术和图像处理技术的迅速发展，基于视频处理的机器视觉检测器逐渐显现出其巨大的性能优势和应用潜力，并逐渐成为车辆智能检测设备最理想的选择。工业领域内的这种应用需求和技术推广，必然刺激和带动学术领域相关的研究热点。目前学术界已经出现许多优秀的基于视频处理的目标检测算法，比如结构简单并且速度较快的Adaboost算法；模拟人脑神经认知、鲁棒性较强的神经网络算法；检测精度较高、泛化能力较强的支持向量机（SVM）和目前对检测形状复杂多样、变化较大的目标十分有效并被认为性能最好的通用目标检测算法LSVM等。与此同时，这些目标检测算法的推广应用必然需要配套成本较低、便携性强且性能高效的处理器平台和接口资源丰富、开发流程简易的软件框架，所以对软硬件平台的发展提出了更高的要求。 可喜的是，近几年超大规模集成电路技术获得空前发展，嵌入式微控制器（Embedded Micro controller，MMC）相继出现，应运而生的嵌入式系统平台（Embedded System Platform，ESP），使得一些原先停留在理论研究层面的目标检测算法可以离开传统PC机，而高效的运行在嵌入式系统平台上。更值得一提的是，一些基于数字视频处理的软件结构和多核处理器平台的推出，为一些携带算法的嵌入式系统的设计和研究提供了快速、便捷的解决方案，也使一些经典目标检测算法的高实时性、功能多样性的实现很快变成现实。例如，2005年由TI公司推出的应用于数字视频领域的达芬奇技术，以多处理器硬件结构和开放软件结构为基础，包含有四个基本组成，即芯片、软件、开发套件和第三方支持，这就为开发嵌入式数字视频应用产品提供了一套快速、简易的方法。 综上所述，同时具备了经典的目标检测算法和性能优越的软硬件平台，往后的研究重点将致力于怎样将这些优秀的检测算法移植于先进的嵌入式平台上，设计并优化具有较高使用价值的目标检测嵌入式系统。这样，在现代智能交通系统的构建中，只要在广泛布控在各个交通要道上的传统摄像头上嵌入这种嵌入式系统，并辅助一些应用成熟的外围设备，便能对需要的道路信息进行快速准确的提取，从而节省大量的人力成本和视频存储成本。同时对其中携带的算法模块进行扩充便能方便的实现应用拓展，比如实现多道同时检测、车辆流量统计、车型车速检测等，还可以对交通事故、堵车、逆行等违章事件进行有效信息标记存储，为事后提供准确证据留下关键的影像资料。 因此，本文选择目前世界上最好的通用目标检测算法LSVM，利用TI的达芬奇技术并采用双核嵌入式处理器DM6446，设计一款基于视频处理的车辆检测嵌入式系统，一方面作为智能交通系统最重要的一部分，该系统的研究和实现对智能交通管理具有重要的现实意义和应用价值；另一方面，所论述的基于视频处理的车辆检测嵌入式系统的设计思路与实现的方法，也可供其它基于视频的安防、行人检测等智能监控系统设计与实现借鉴。 国内外研究现状 目标检测算法 在车辆检测的应用领域，目前使用较广的有地感线圈车辆检测法、基于波频的检测法和基于视频处理的检测法三大类。地感线圈检测法[2]即利用电磁感应的原理，在交通道路上架设通电线圈，当有车辆通过时引起线圈的磁通量变化，由电磁感应原理，线圈中电感量的变化便可用于检测通过线圈的车辆运行状态。基于波频的检测方法即使用特定装置向运行中的车辆发出微波[3]、红外线[4]或超声波[5]，再由特定装置接收返回的感应信息来检测和识别车辆。此方法相比较地感线圈检测法，其对环境的抗干扰能力较强，架设方便但准确率稍差，在我国东北和广东的一些城市应用较为广泛。基于视频处理的车辆检测方法[6-7]则是将摄像头捕获的现场视频经过算法处理而进行的一种实时检测[8]。并且对算法进行扩展后可进