基于可变形部件模型和卷积神经网络的车辆检测方法

发布时间：2021-03-12 02:37

　　车辆检测算法是智能交通领域的一项重要研究课题,在安全驾驶辅助技术中起着重要作用。因可变形部件模型具有较高的准确率和较好的检测效率,已经被广泛应用到车辆检测领域。在当前形势下,降低被部分遮挡车辆的漏检率问题和降低非车辆的误检率问题一直是基于机器视觉的车辆检测技术中的两大技术难点,车辆检测算法仍然存在着较大提升空间。本文对传统图像检测中基于可变形部件模型的车辆检测算法进行了深入研究,并主要针对降低车辆检测中的漏检率和误检率两个方面问题进行了改进,具体的研究工作如下:（1）在深入分析可变形部件模型原理的基础上,本文创造性地提出了基于双车辆可变形部件模型的车辆检测算法。其基本思想是,首先对图像采用分区域匹配,避免模型与窗口匹配程度低而产生漏检,然后融合匹配结果从而降低车辆检测中多车辆检测情况下被部分遮挡车辆检测的漏检情况。这种双车辆可变形部件模型的车辆检测算法,可充分减少被遮挡车辆漏检概率。实验结果表明:本算法在存在部分遮挡车辆的车辆检测中要优于现有算法,能够满足安全驾驶辅助技术应用中的实用性要求。（2）针对车辆检测中存在的非车辆被误检为车辆的问题,在构建双车辆可变形部件模型的基础上,本文创造... 

【文章来源】：江苏大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

车辆部件模型在HSV颜色空间下响应图

LatentSVM训练模型的过程

训练好的三视角车辆模型


本文编号：3077532