時代在進步,伴隨著經(jīng)濟水平的日益提高、科學(xué)技術(shù)的迅猛發(fā)展,人們生活的方方面面的質(zhì)量皆在蒸蒸日上。汽車的平民化就是智能交通的迅猛發(fā)展就是其中最明顯的表現(xiàn)。安全駕駛、安全輔助駕駛技術(shù)等一直是一個熱門話題,關(guān)于車輛檢測與車輛跟蹤一度成為關(guān)注焦點�，F(xiàn)有的關(guān)于安全輔助駕駛技術(shù),已經(jīng)不能夠滿足用戶對于安全技術(shù)的需求。對比過去,現(xiàn)在的交通場景變得愈加復(fù)雜多變,尤其像是在高速公路這樣車輛必須高速行駛的背景下,對于是否能實時檢測與跟蹤會直接影響駕駛員的安全。本文針對實時檢測前方車輛進行深入研究,闡述工作過程如下:第一步預(yù)處理;第二步基于特征分析理論對視頻圖像中的車輛進行特征提取并手動分類正樣本特征與負(fù)樣本特征,訓(xùn)練分類器即車輛檢測器。針對前方車輛跟蹤算法需滿足跟蹤的實時性與準(zhǔn)確度要求,本文采用KCF車輛跟蹤算法,能夠做到快速訓(xùn)練與識別,達到快速跟蹤目的。并就算法使用性能方面,對其進行優(yōu)化和實現(xiàn)。本文的主要內(nèi)容有:(1)方向梯度直方圖(HOG,Histogram of Oriented Gradient)結(jié)合SVM(SVM,Support Vector Machine)的車輛檢測原理,文章引入空間顏色特征...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1不同大小窗口的移動固定步長

檢測算法研究的過程主要由特征提取過程、訓(xùn)練樣本過程和檢測過程三個部分組成其具體的操作過程如下：特征提取過程：首先歸一化處理圖像，再求取處理后的幀圖像中的每一點像素的橫向梯度值、縱向梯度值，再得出方向值，將圖像劃分為多個單元格以求取其梯度方向直方圖。歸一化3×3單元格塊內(nèi)梯度直....

圖2-4像素、單元格及塊之間的關(guān)系

們進行歸一化處理：將相鄰2*2的單元格塊化，再歸一化，得到的方式：1L的歸一化+ε→2xxx2的歸一化222+ε→xxxL-sqrt1的歸一化+ε→2xxx為極小的常數(shù)，為補償值。數(shù)設(shè)置是：2*2單元格/塊、8*8像素/單元格、9個直方圖通道，量，像素、單元及塊的數(shù)....

圖2-5線性可分樣本的最優(yōu)界面

圖2-5線性可分樣本的最優(yōu)界面分的問題中，分界面不唯一，可以有很多個。但是在下，依然能夠正確的分類訓(xùn)練樣本的分界面，則只有距離兩邊不同類別的樣本數(shù)據(jù)間距最大即拆分的置信的分類超平面方法[30]。如圖2-5所示，對于空間內(nèi)的直投影點定義為0x，該超平面的垂直向量為w，點x....

圖2-6線性不可分樣本分布

圖2-6線性不可分樣本分布展現(xiàn)的樣本，可以明顯看出數(shù)據(jù)樣本的非線性，此時需方案將數(shù)據(jù)分類。這個合理的方案就是找出存在的理以表達為：051262324221121aX+aX+aX+aX+aXX+a=2可以等價為橫縱坐標(biāo)軸。映射函數(shù)：11Z=X，221Z=X，....

本文編號：3905867