基于尾燈識別的車輛探測技術

基于尾燈識別的車輛探測技術

提出基于CCD攝像機的車輛尾燈識別方法及采用Gabor濾波器和BP神經網絡的車輛探測方法，通過試驗進行了驗證。

車輛探測分為以下4個步驟：顏色分割，通過顏色（即紅色）特征識別車輛尾燈；形態學處理，在復雜環境下，經顏色分割可能產生小的噪聲光點，形態學處理技術選用合適的模板處理顏色分割的結果，可去除噪聲光點；車燈配對，通過兩燈距離與高度確定配對車燈；估計車輛位置，根據每對車燈中心位置確定其周圍15個點作為車輛位置。

車輛驗證過程中，首先利用Gabor濾波器產生包含圖像多種特征的數據庫。為獲得準確數據庫信息，應盡量減小圖片中無車區域范圍，數據庫圖像分辨率為85× 70。選用了45幅車輛圖片，選用8方向和5個不同尺度的Gabor濾波器確定圖片中的車輛特征，再利用車輛特征訓練BP神經網絡，通過神經網絡驗證車輛的存在。

為驗證車輛探測系統，進行了兩組試驗：①采用59幅停車場圖片，算法成功辨認出其中的53幅，準確率分別為89%；②選用45張道路圖片，算法成功辨認出其中的34幅，準確率為75%。因此，該系統在白天可有效識別車輛，其識別結果受照明條件、與目標車輛距離等因素影響。該系統可應用于駕駛員輔助系統和智能交通系統等方面。

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

編譯：李偉