一种改进的基于视频的车辆检测与识别方法_图文.doc

文章编号：１６７１—４５９８（２０１０）０１—００２０～０３中图分类号：ＴＰ３９１．４１文献标识码：Ａ 一种改进的基于视频的车辆检测与识别方法 魏 武１，（１．华南理工大学自动化科学与工程学院，广东广州 龚树锋１，龚树超２ ５１０６４０；２．北京邮电大学信息与通信工程学院，北京１００８７６） 擒要：为了提高基于视频的车辆检测技术在应用中的实时性和准确率，提出了一种应用单目视觉进行车辆检测的方法，首先，提取车道边缘，由车道边缘得到道路区域．根据经验知识在车道区域内确定感兴趣区域，减少车辆检测算法搜索范围，接着基于车辆的对称性特征，阴影和边缘特征对兴趣区域进行过滤，进一步缩小感兴趣区域；最后用离线训练好的ＡｄａＢｏｏｓｔ分类器对过滤后的图像进行分类识别，检测出动态的车辆；实验结果表明，利用该算法能满足实时性和准确性的要求。 关键词：机器视觉；车辆检测ｌ道路区域；分类器 ＩｍｐｒｏｖｅｄＶｉｄｅｏＢａｓｅｄＶｅｈｉｃｌｅＤｅｔｅｃｔｉｏｎａｎｄＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｅｔｈｏｄ ＷｅｉＷｕｌ，Ｇｏｎｇ Ｓｈｕｆｅｎ９１，ＧｏｎｇＳｈｕｃｈａ０２ （１．ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ ５１０６４０，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ，ＢｅｉｊｉｎｇＵ１１ｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏａｓ，Ｂｅｉｊｉｎｇ １００８７６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒ ｔＯ ｉｍｐｒｏｖｅｔｈｅｒｅａｌ—ｔｉｍｅ ａｎｄａｃｃｕｒａｃｙ ｏｆｔｈｅｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙ ｉｎ ｔｈｅａｐｐｌｉｃａｔｉｏｎ，ｉｔｓｈｏｗｓ ａ ｖｅｈｉｃｌｅｄｅｔｅｃ— ｔｉｏｎ ｍｅｔｈｏｄｂａｓｅｄｏｎ ｍｏｎｏｃｕｌａｒｖｉｓｉｏｎ．Ｆｉｒｓｔ ｏｆａｌｌ。ｅｘｔｒａｃｔｔｈｅｅｄｇｅ ｏｆｌａｎｅ，ｏｂｔａｉｎｔｈｅｄｒｉｖｅｗａｙ ａｒｅａ ｆｒｏｍｔｈｅｅｄｇｅｏｆｔｈｅｒｏａｄ，ｃｏｎｆｉｒｍｔｈｅ ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ ｗｉｔｈｔｈｅｅｘｐｅｒｉｅｎｃｅｓｉｎｔｈｅ ｄｒｉｖｅｗａｙ ａｒｅａ，ｉｔｃａｎｒｅｄｕｃｅｔｈｅｓｃｏｐｅ ｆｏｒｓｅａｒｃｈｉｎｇ．Ｔｈｅｎｆｉｌｔｅｒｔｈｅ ｒｅｇｉｏｎ ｏｆｉｎｔｅｒｅｓｔｂａｓｅｄｏｎ ｔｈｅｓｙｍｍｅｔｒｙ，ｔｈｅｓｈａｄｏｗａｎｄｔｈｅ ｅｄｇｅ ｏｆｔｈｅｃａｒ ａｎｄｎａｒｒｏｗ ｔｈｅｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ ｅｖｅｎ ｍｏｒｅ．Ｆｉｎａｌｌｙ，ｃｌａｓｓｉｆｙｔｈｅｆｉｌｔｅｒｅｄｉｍａｇｅｓｗｉｔｈｔｈｅ ＡｄａＢｏｏｓｔ ｃｌａｓｓｉｆｉｅｒｗｈｉｃｈｉｓｔｒａｉｎｅｄｏｆｆ－ｌｉｎｅｔｄｅｔｅｃｔ ｔｈｏｓｅｍｏｔｏｒｉａｌｖｅｈｉｃｌｅｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ ｔｈａｔ ｔｈｅａｌｇｏｒｉｔｈｍ ｃａｎ ａｄａｐｔ ｔＯ ｔｈｅｒｅａｌ－ｔｉｍｅａｎｄ ａｃｃｕｒａｃｙ ｒｅｑｕｉｒｅｍｅｎｔｓ． Ｋｅｙ ｗｏｒｄｓ：ｍａｃｈｉｎｅｖｉｓｉｏｎ；ｖｅｈｉｃｌｅｄｅｔｅｃｔｉｏｎ；ｒｏａｄｒｅｇｉｏｎ；ｃｌａｓｓｉｆｉｅｒｓ Ｏ 引言 车辆检测是智能运输系统的重要组成部分。由于视频设备 和高性能计算机硬件的发展以及视频处理技术的成熟，基于视频的车辆检测系统得到越来越广泛的应用【１］。 车辆检测技术一般可以分为基于特征、光流场和基于立体视觉三类。基于特征的方法就是将对称性、阴影及边缘作为车辆检测常用的特征｝边缘特征强于阴影和对称性特征口…，该方法当先验知识不具有通用性时会带来较大误差。基于光流场的方法是把检测区域的图像变为速度的矢量场，每一个向量表示了景物中一个点在图像中位置的瞬时变化［５］，然而大多数的光流计算方法相当复杂，且抗噪性能差，如果无特别的硬件装置，其处理速度达不到实时处理的要求；由于前方车辆和摄像机的相对运动速度较小，其光流几乎淹没在由摄像机自身运动造成的背景光流中，所以使用光流分析检测前方车辆往往得不到百ｒ靠的结果。基于立体视觉的方法充分考虑了车辆的三维信息，对噪声、遮挡和干扰有很好的鲁棒性，但该方法严重地依赖于几何目标模型的详细信息，需做大量的模型设计，而且立体视觉系统比起单目视觉系统成本较高【６］。 车辆检测的整体流程图如下图１所示：为消除车道外绿色带或移动车辆的影响，以及缩短车道区域内车辆检测的时间，首先进行道路区域和非道路区域的划分，由此初次确定车辆检 收稿日期：２００９一０６—０１；修回日期：２００９—０７一０３。 作者简介：