前方车辆检测的特征融合算法研究与实现

摘要：

为了解决前方车辆检测的鲁棒性和实时性问题,提出了一种基于车辆形态特征和类HAAR特征融合的前方车辆检测优化算法.为了克服车底阴影提取易受外部环境因素影响的缺陷,采用猴王遗传算法(monkey king genetic algorithm, MKGA)进行阈值分割,提取车底阴影部分;然后通过车辆形态特征一次筛选得到感兴趣区域,并对感兴趣区域的类HAAR特征进行提取和降维,输入支持向量机(support vector machine,SVM)训练好的汽车分类器进行二次筛选.随机抽取视频的300帧进行算法验证,实验结果表明:算法在复杂环境下能够实现车辆检测,并且相比于单一特征的检测方法,准确率由80%提高至90%;利用类HAAR特征积分图和主成分分析(principal component analysis,PCA)降维能够有效地提高检测速度.算法满足驾驶辅助系统准确性和实时性的要求.

关键词：交通工程、前方车辆检测、猴王遗传算法、形态特征、类HAAR特征、主成分分析

所属期刊栏目：23

分类号：U491.6(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目61376028;上海市经济和信息化委员会资助项目11XI-15

在线出版日期：2018-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：893-904