基于角点检测和区域生长方法的车辆检测算法.PDFVIP

第8 卷 第14期 Vol.8 No.14 2015 年 7 月 July 2015 基于角点检测和区域生长方法的 车辆检测算法 周 彬，章 云* （广东工业大学自动化学院，广州 510006 ） 摘要：智能交通（intelligent transportation ）技术需要对道路上的车辆情况有准确的检测，基于局部特征的车辆 检测这一研究热点，设计一种快速、鲁棒性强的车辆检测算法，该算法利用灰度图像的不连续性检测车辆挡 风玻璃的角点，利用灰度图像的连续性检测汽车挡风玻璃区域。实验证明该算法有较高的正确识别率。 关键词：公路标志、信号、监控工程；车辆检测；角点检测；区域生长 中图分类号：U491 文献标识码：A 文章编号：1674-2850(2015)14-1549-04 A vehicle detection algorithm based on corner detection and region growing method ZHOU Bin, ZHANG Yun (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) Abstract: Intelligent transportation technology needs accurate detection of vehicles on road. Vehicle detection based on local features is becoming a focus of research. Therefore, a fast and robust algorithm is designed to detect the corners and region of the windshield by using either the continuity or discontinuity of the gray scale image. Experimental results show that the algorithm has a higher recognition rate in the detection of vehicle. Key words: highway signs, signals, monitoring project; vehicle detection; corner detection; region growing 0 引言 交通问题是城市的突出问题之一，甚至影响了经济的发展，因此，智能交通的研究越来越被重视。 基于视觉的车辆检测方法前景广阔，有可能成为将来支持智能交通技术的重要手段。由于图像带有丰富 的信息，现今，利用图像处理进行车辆流量检测技术已成为重要的研究方向[1] 。检测车辆的角点和车身 区域特征是被大量关注与研究的检测方法。 从 MORAVEC[2] [3～4] [5] 使用“兴趣点”开始，角点检测被一些学者研究改进 ，其中 SMITH 等 为了解 决角点定位和对噪声鲁棒性的问题提出了 SUSAN 算法，相对以前的算法有了很大提高。 区域生长算法的基本思想是将具有相似性质的像素集合起来构成区域。文献[6]采用了合区域生长和 SUSAN 的图像分割方法，在基于区域平均灰度差的图像分割算法基础上，运用 SUSAN 算子作为区域生 长的终止准则，检测较为准确，