尾灯特征的ADAS系统前方车辆识别
2021 (10):
71-76.
摘要
(
141 )
PDF(2215KB)
(
136
)
为可靠识别汽车安全辅助驾驶系统(ADAS)前方车辆目标,提出了基于车辆尾灯
特征提取的径向基神经网络车辆识别方法。构建了车辆尾灯对宽度限制、高度约束及左右尾灯
面积比等约束条件,提取了车辆的尾灯信息并获取尾灯的质心位置,经过形态学运算后确定了
尾灯的标记区域,再结合车辆图像与实际尺寸比例得到车辆可能存在的感兴趣标记区域。针对
感兴趣标记区域进行了车辆存在性的进一步确认,提取了感兴趣区域的边缘特征与区域特征共
计 19个特征参数(6个独立不变矩、8个余弦变换描述子和 5个区域特征参数),构建了由 19维
输入神经元和 2个输出量组成的三层径向基神经网络车辆识别器。利用采集的车辆样本图像,
分别验证了正常天气与雨天、雪天及夜间行车环境下基于尾灯特征获取车辆区域检测方法的可
行性。对采集的 1700张车辆正、负样本,完成了径向基神经网络的训练,通过训练误差性能曲
线得知本文设计的网络达到了训练精度要求。随机选取了 60%的样本,完成了径向基神经网
络车辆识别器的测试,实现了检测区域内车辆的进一步确认,也针对停车场及并行车辆等情形
进行了确认测试,其正确率达到 94%,有效弥补单一尾灯特征实施车辆检测的漏检或误检现
象,大大提高了车辆检测的可靠性。
相关文章 |
计量指标
|