基于阴影特征和Adaboost的前向车辆检测系统.pdf

清华大学学报(自然科学版)2007年第47卷第lo期 40／40 !墨墨盟!QQQ二QQ§垒 CN 11—2223／NJ Univ(Sci1’ech)，2007，VoI．47，No．10 1713一1716 Tsinghua 基于阴影特征和Adaboost的前向车辆检测系统 李云羽中，何克忠， 贾培发 (清华大学计算机科学与技术系，智能技术与系统国家重点实验室，北京100084) 摘 要：为了解决汽车安全辅助驾驶系统中的前向车辆检 的重要前提。 测问题，提出了一种基于单目视觉的在线前向车辆检测系 由于需要实时或准实时地对环境图像进行分 统。通过检测车底阴影特征来生成车辆假设，分别提出了自 析，基于视觉的车辆检测系统对计算能力有着较高 适应路面闽值方法和阴影区域融合方法以解决路面区域灰 要求。对图像的所有部分直接进行检测很难满足实 度变化和阴影边缘交形问题I使用基于梯度特征的 时性，因此，大部分基于视觉的车辆检测方法把任务 adab00st方法来验证车辆假设；最后使用l(alman滤波对检 划分为两部分：生成车辆假设和验证车辆假设uJ。 测到的目标进行跟踪以改善系统性能。使用道路实拍的图像 在生成假设阶段，系统对图像的感兴趣区域进 序列对系统进行了测试。结果表明，该系统能够在实时条件 行检测，得到一些可能为车辆的候选区域。车底阴影 下有效检测前方车辆。 可以作为车辆检测的特征之一L2]，然而灰度阈值的 关键词：信息处理(信息加工)I车辆检测I阴影特征I 选择是一个较困难的问题，因为图像灰度会随各种 adaboost 391 中图分类号：TP 文献标识码：A 面灰度阈值的方法，首先确定前方没有障碍物的路 文章编号：1000-0054(2007)10一1713一04 面区域，认为此区域内像素的灰度符合正态分布，根 据其统计参数确定路面灰度阈值。此方法可以消除 FOrwardvehicledetectiOnbasedon 不同图像间路面灰度变化的影响，但仍然无法解决 shadowfeaturesandadabOost 同一幅图像中路面灰度变化的问题。 U Peifa YunchOng，HEKezhOng，JIA 得到车辆假设之后，一般使用较精细的方法对 of (akL-bor砒ory syste咖， 候选区域进行排查和验证，以确定真正的车辆目标 Key InteIligent1khnol哩y蛐d DeIIartmentI瞳C伽putorSkience曩nd’I!echnology， Ts●ngh啦Uni聃量ty，＆iji哩l∞084，Chi聃) 的将弱分类器增强为强分类器的学习算法，近年来 vehicledetecti∞ cameraba8edon