基于尾燈識(shí)別的車(chē)輛探測(cè)技術(shù)

提出基于CCD攝像機(jī)的車(chē)輛尾燈識(shí)別方法及采用Gabor濾波器和BP神經(jīng)網(wǎng)絡(luò)的車(chē)輛探測(cè)方法，通過(guò)試驗(yàn)進(jìn)行了驗(yàn)證。

車(chē)輛探測(cè)分為以下4個(gè)步驟：顏色分割，通過(guò)顏色（即紅色）特征識(shí)別車(chē)輛尾燈；形態(tài)學(xué)處理，在復(fù)雜環(huán)境下，經(jīng)顏色分割可能產(chǎn)生小的噪聲光點(diǎn)，形態(tài)學(xué)處理技術(shù)選用合適的模板處理顏色分割的結(jié)果，可去除噪聲光點(diǎn)；車(chē)燈配對(duì)，通過(guò)兩燈距離與高度確定配對(duì)車(chē)燈；估計(jì)車(chē)輛位置，根據(jù)每對(duì)車(chē)燈中心位置確定其周?chē)?5個(gè)點(diǎn)作為車(chē)輛位置。

車(chē)輛驗(yàn)證過(guò)程中，首先利用Gabor濾波器產(chǎn)生包含圖像多種特征的數(shù)據(jù)庫(kù)。為獲得準(zhǔn)確數(shù)據(jù)庫(kù)信息，應(yīng)盡量減小圖片中無(wú)車(chē)區(qū)域范圍，數(shù)據(jù)庫(kù)圖像分辨率為85× 70。選用了45幅車(chē)輛圖片，選用8方向和5個(gè)不同尺度的Gabor濾波器確定圖片中的車(chē)輛特征，再利用車(chē)輛特征訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，通過(guò)神經(jīng)網(wǎng)絡(luò)驗(yàn)證車(chē)輛的存在。

為驗(yàn)證車(chē)輛探測(cè)系統(tǒng)，進(jìn)行了兩組試驗(yàn)：①采用59幅停車(chē)場(chǎng)圖片，算法成功辨認(rèn)出其中的53幅，準(zhǔn)確率分別為89%；②選用45張道路圖片，算法成功辨認(rèn)出其中的34幅，準(zhǔn)確率為75%。因此，該系統(tǒng)在白天可有效識(shí)別車(chē)輛，其識(shí)別結(jié)果受照明條件、與目標(biāo)車(chē)輛距離等因素影響。該系統(tǒng)可應(yīng)用于駕駛員輔助系統(tǒng)和智能交通系統(tǒng)等方面。

Qing Ming et al. 2011 IEEE 978-1-4577-0399-7.

編譯：李偉