道路交通事故已成為當今人類面臨的一項嚴重社會問題。其中大型客運車輛交通事故又是造成群死群傷道路交通事故的主要原因,而車輛駕駛?cè)说奈ｋU及錯誤駕駛行為則是引起客運車輛交通事故的主導因素。盡管國內(nèi)市場涌現(xiàn)出越來越多的駕駛客運車輛安全輔助設(shè)備,但其中一些魯棒性較差,無法應(yīng)對高速行駛、惡劣天氣及路面不平度造成的視點漂移干擾。因此,開展高魯棒性客運車輛危險行駛狀態(tài)辨識關(guān)鍵技術(shù)研究,對提高客運車輛在途行駛安全性,具有一定的理論意義和工程應(yīng)用價值。針對現(xiàn)有單/雙目視覺技術(shù)中因視覺采集設(shè)備硬件條件限制導致的漏識別、過識別和弱識別問題,以及傳統(tǒng)縱向危險行駛狀態(tài)辨識算法在面對前方目標車輛尾部特征點存在離地間距時具有較大透視投影計算偏差的問題。本文提出了基于雙級級聯(lián)單目視覺構(gòu)成的全覆蓋式級聯(lián)單目視覺車輛監(jiān)測模型,通過縱向及橫向發(fā)散態(tài)識別區(qū)域模型分別分析了漏識別、過識別和弱識別存在的潛在危險,結(jié)合特征點透視投影原理給出的透視投影誤差修復測距算法,實現(xiàn)了縱向10-100m范圍內(nèi)的高精度距離測算。本文對通過對大量正負樣本集進行離線訓練,提取了車輛信息特征,以Haar-like特征作為目標描述方法,融合Adaboos... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：131 頁

【學位級別】：博士

【部分圖文】：

部分正負樣本數(shù)據(jù)

圖 2.5 興趣區(qū)域靜態(tài)初選實驗實驗可得圖像 3/4 高度以上均為天空區(qū)域，經(jīng)實際道路實驗驗證 本文采用離線實驗的測試方法來驗證文中提出的車輛識別的路車載視頻的 100幀圖像作為測試樣本，圖 2.6 給出了部分幀目驗結(jié)果表明，基于 Haar-like特征和 Adaboost 的車輛識別算法平測準確率為91%以上， 誤檢率為 9%左右，能夠有效去除其它非本側(cè)陰影干擾，提高了系統(tǒng)的檢測魯棒性以及實時性

圖 2.5 興趣區(qū)域靜態(tài)初選實驗由靜態(tài)實驗可得圖像 3/4 高度以上均為天空區(qū)域，經(jīng)實際道路實驗驗證靜態(tài)結(jié)果符合實際情況 本文采用離線實驗的測試方法來驗證文中提出的車輛識別的相關(guān)算法，選取高速公路車載視頻的 100幀圖像作為測試樣本，圖 2.6 給出了部分幀目標車輛的識別結(jié)果 實驗結(jié)果表明，基于 Haar-like特征和 Adaboost 的車輛識別算法平均檢測速率28ms， 檢測準確率為91%以上， 誤檢率為 9%左右，能夠有效去除其它非本車道內(nèi)的車輛及道路兩側(cè)陰影干擾，提高了系統(tǒng)的檢測魯棒性以及實時性

【參考文獻】：
期刊論文
[1]復雜環(huán)境背景下車輛目標識別研究綜述[J]. 謝曉竹,何成.  兵器裝備工程學報. 2017(06)
[2]基于計算機視覺的運動車輛檢測[J]. 程淑紅,高許,程樹春,管永來.  計量學報. 2017(03)
[3]面向霧天的雙先驗興趣區(qū)域車道線識別算法研究[J]. 周勁草,魏朗,喬潔.  中國安全科學學報. 2016(08)
[4]基于類Haar特征和AdaBoost的車輛識別技術(shù)[J]. 張雪芹,方婷,李志前,董明杰.  華東理工大學學報(自然科學版). 2016(02)
[5]基于優(yōu)先像素與卡爾曼濾波追蹤的車道線檢測[J]. 陳濤,張洪丹,陳東,譚純.  汽車工程. 2016(02)
[6]基于弱分類器調(diào)整的多分類Adaboost算法[J]. 楊新武,馬壯,袁順.  電子與信息學報. 2016(02)
[7]基于粒子濾波框架Catmull-Rom樣條的多車道偵測及跟蹤算法研究[J]. 陳孟元.  電子測量與儀器學報. 2015(10)
[8]基于特征融合的視覺導航智能車輛的車道識別[J]. 李進,陳杰平,易克傳,徐朝勝.  汽車工程. 2015(05)
[9]應(yīng)用匹配濾波器的車道線恒虛警率識別方法[J]. 宋曉琳,張三林,張偉偉.  電子測量與儀器學報. 2015(03)
[10]霧環(huán)境下非視距散射光通信最佳鏈路分析[J]. 林勇,徐智勇,汪井源,宋超,王榮,耿常鎖.  紅外與激光工程. 2015(02)

博士論文
[1]基于環(huán)境感知技術(shù)的客運車輛危險行駛狀態(tài)辨識技術(shù)研究[D]. 劉永濤.長安大學 2015
[2]面向高速公路行車安全預警的車道偏離及換道模型研究[D]. 羅強.華南理工大學 2014
[3]客運車輛危險行駛狀態(tài)機器視覺辨識系統(tǒng)研究[D]. 楊煒.長安大學 2013
[4]受隨機激勵車輛非平穩(wěn)行駛平順性分析及控制研究[D]. 張麗萍.東北大學 2012
[5]基于DSP的高速公路車道偏離報警系統(tǒng)研究[D]. 陳軍.天津大學 2010
[6]基于單目視覺的安全車距預警系統(tǒng)研究[D]. 顧柏園.吉林大學 2006
[7]高速汽車車道偏離預警系統(tǒng)可行區(qū)域感知算法研究[D]. 畢雁冰.吉林大學 2006

碩士論文
[1]汽車平順性與操縱穩(wěn)定性協(xié)同研究與仿真實現(xiàn)[D]. 王維.吉林大學 2016
[2]車輛隨機振動響應(yīng)分析與計算[D]. 呂士寶.蘭州交通大學 2013
[3]基于視覺特征的圖像質(zhì)量評價算法[D]. 陳玉坤.西安電子科技大學 2013
[4]基于機器視覺的車道線檢測與追蹤系統(tǒng)的研究[D]. 秦敏.中國海洋大學 2012
[5]路面激勵下大客車平順性虛擬仿真技術(shù)與評價體系研究[D]. 陳俊杰.長安大學 2012
[6]基于立體視覺的安全行車距離測量方法研究[D]. 崔雪.長春工業(yè)大學 2012



本文編號：3548739