融合多元特征信息的前方车辆图像识别

作者：杨炜; 巩建强; 魏朗

来源：长安大学学报(自然科学版), 2016, 36(04): 79-85.

DOI：10.19721/j.cnki.1671-8879.2016.04.011

• 交通工程
• 前方车辆
• 多元特征信息
• Gabor滤波
• AdaBoost分类器
• 机器学习

为了进一步降低虚假目标车辆的检测风险,提出了一种基于多元特征信息匹配的前方车辆图像识别方法。首先依据路面灰度均值突变搜索车辆候选区域,然后利用双通道Gabor滤波器提取车辆样本图像的多尺度方向特征,联合AdaBoost分类器与Cascade级联分类器形成一系列强分类器,对产生的5尺度8方向高维特征向量实施降维处理,同时分类筛选特征样本,最后结合灰度信息熵对称性测度辨识目标车辆存在性,完成了前方目标车辆的检测定位。研究结果表明:所提方法的检测准确率为96.7%,比经典算法提高了1.6%;整个检测过程最长耗时35 ms,最短耗时15ms,平均耗时25ms,检测耗时主要受车辆的大小以及背景复杂程度的影响;避免了单一特征下局部有效鉴别信息的损失,具有较好的识别精度和处理速度,车辆误检率仅为3.2%,优于其他车辆识别算法的误检率,提高了虚假目标检测的辨识度。

• 单位
  交通运输部公路科学研究院; 长安大学