基于机器视觉的车辆前方危险目标识别及风险评估研究

发布时间：2017-05-03 11:03

  本文关键词：基于机器视觉的车辆前方危险目标识别及风险评估研究，由笔耕文化传播整理发布。

【摘要】：目前,道路交通安全问题得到了越来越多的关注,驾驶辅助系统是一项重要的汽车主动安全技术,也是智能交通和智能车辆的重点研究方向。车辆前方危险目标识别是驾驶辅助系统的重要组成部分,运用目标检测和跟踪技术对车辆前方危险目标进行识别,并判断其风险等级,可以很大程度的降低交通事故,提高车辆行驶的安全性。在复杂的道路交通环境中,视频背景是动态变化的,这就导致现有检测和跟踪算法存在诸多问题,针对这些问题进行研究,并对跟踪到的目标进行运动参数估计,评估其风险并进行预警。 在目标检测方面,运用基于HOG特征的行人和车辆检测算法,根据样本的方向梯度直方图特征,使用SVM分类器进行学习和分类。在算法的改进方面,运用主成分分析法对HOG特征进行降维处理,并且对于视频图像进行区域分割,确定目标存在的可能区域,之后在可能性区域进行滑动窗口检测,使检测算法基本满足实时性的要求。对于算法检测精度方面进行了改进,运用灰度对称性测度和局部熵的计算剔除相应的误检目标。在目标跟踪方面,运用基于粒子滤波的目标跟踪算法,实现了目标的跟踪,并对跟踪结果进行了简要分析。 在目标检测和跟踪的前提下,对跟踪到的目标进行速度、方向和距离的估计。其中目标的方向估计采用的是基于历史图像的方法,判断运动模块的整体梯度方向,进而得出目标的总的运动方向；目标的速度估计采用目标在图像上的速度和现实速度的转换比例得出,目标在图像上的速度是通过目标质心的位移和帧速率求得；目标的距离估计则是采用了摄像机小孔成像的原理进行计算的,首先对摄像机的内部参数进行了标定,根据标定结果,结合已知参数计算目标的相对距离。最后对于采集到的目标运动参数进行模糊综合评价,判断目标的风险等级,并在视频图像上进行显示。 最后,利用OpenCV2.4.2和MS VC++2008编程实现了道路目标的检测和跟踪及其运动分析软件,软件能够较为精确的检测到行人和车辆目标,并对目标的运动参数进行估计,能够初步的判断其风险。 本文对车辆前方危险目标的识别及其风险评估进行了研究,论文结果对汽车主动安全技术的研究有一定的借鉴意义。
【关键词】：目标检测 目标跟踪 隶属度函数 模糊综合评价 风险评估
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U492.8;U463.6
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-24
• 1.1 选题的意义与背景10-11
• 1.2 研究现状11-20
• 1.2.1 目标检测与跟踪算法的国内外研究现状11-15
• 1.2.2 目标运动参数估计的国内外研究现状15-18
• 1.2.3 风险评估方法的国内外研究现状18-20
• 1.3 论文的主要研究内容20-21
• 1.4 论文的结构安排21-24
• 第二章 基于HOG的行人和车辆检测方法24-42
• 2.1 检测算法的评判方法24-27
• 2.1.1 检测算法评估的必要性24
• 2.1.2 现有的评估方法的介绍24-27
• 2.2 方向梯度直方图特征27-31
• 2.2.1 行人数据库和车辆数据库的选择与建立27-28
• 2.2.2 HOG特征描述28-30
• 2.2.3 方向梯度直方图特征提取步骤30-31
• 2.3 支持向量机分类器的介绍31-33
• 2.4 基于HOG的行人和车辆检测33-41
• 2.4.1 基于HOG行人和车辆检测方法流程34
• 2.4.2 基于非极大值抑制的目标定位34-36
• 2.4.3 检测算法的改进36-41
• 2.5 本章小结41-42
• 第三章 目标跟踪算法的研究42-52
• 3.1 基于粒子滤波的目标跟踪42-50
• 3.1.1 贝叶斯滤波理论43-45
• 3.1.2 蒙特卡罗思想45-46
• 3.1.3 序列重要性采样46-48
• 3.1.4 粒子退化问题48-50
• 3.2 粒子滤波的跟踪步骤及效果50-51
• 3.3 本章小结51-52
• 第四章 目标运动参数的估计52-62
• 4.1 目标的方向估计52-54
• 4.2 目标的速度估计54-55
• 4.3 目标的距离估计55-60
• 4.3.1 摄像机内部参数标定56-59
• 4.3.2 测距方法的可行性验证59
• 4.3.3 距离估计59-60
• 4.4 本章小结60-62
• 第五章 目标风险评估62-74
• 5.1 模糊综合评价方法62
• 5.2 模糊综合评价步骤62-63
• 5.3 隶属度函数选取及风险评估63-72
• 5.4 本章小结72-74
• 第六章 行人与车辆识别及其运动分析软件实现74-86
• 6.1 道路交通行人与车辆识别及其运动分析软件的设计74
• 6.2 软件的实现和功能介绍74-84
• 6.2.1 软件的实现74-76
• 6.2.2 软件界面和菜单的介绍76-78
• 6.2.3 软件功能说明78-84
• 6.3 本章小结84-86
• 第七章 结论86-89
• 7.1 论文的主要研究成果86-87
• 7.2 未来研究方向87-89
• 7.2.1 论文有待改进的地方87-88
• 7.2.2 未来展望88-89
• 致谢89-90
• 参考文献90-94
• 附录A 攻读学位其间发表论文目录94

【参考文献】

中国期刊全文数据库 前10条

1 高磊;李超;朱成军;熊璋;;基于边缘对称性的视频车辆检测算法[J];北京航空航天大学学报;2008年09期

2 王荣本,李兵,施树明,李斌;世界智能车辆研究概述[J];公路交通科技;2001年05期

3 王荣本,李斌,储江伟,纪寿文;公路上基于车载单目机器视觉的前方车距测量方法的研究[J];公路交通科技;2001年06期

4 纪华;吴元昊;孙宏海;王延杰;;结合全局信息的SIFT特征匹配算法[J];光学精密工程;2009年02期

5 溪海燕;肖志涛;张芳;;基于线性SVM的车辆前方行人检测方法[J];天津工业大学学报;2012年01期

6 林柏林;;基于视频序列图像的车辆测速的实现方法[J];通信技术;2013年06期

7 郑江滨,张艳宁,冯大淦,赵荣椿;视频监视中运动目标的检测与跟踪算法[J];系统工程与电子技术;2002年10期

8 王健,王孝通,徐晓刚;基于单目机器视觉的船舶测距定位原理研究[J];中国航海;2005年03期

9 孙昀;刘富强;李志鹏;;基于空间梯度直方图的行人检测算法[J];中国图象图形学报;2008年10期

10 张瑞华;雷敏;;粒子滤波技术的发展现状综述[J];噪声与振动控制;2010年02期

  本文关键词：基于机器视觉的车辆前方危险目标识别及风险评估研究，，由笔耕文化传播整理发布。

本文编号：342864