基于尾灯识别的车辆探测技术

基于尾灯识别的车辆探测技术

提出基于CCD摄像机的车辆尾灯识别方法及采用Gabor滤波器和BP神经网络的车辆探测方法，通过试验进行了验证。

车辆探测分为以下4个步骤：颜色分割，通过颜色（即红色）特征识别车辆尾灯；形态学处理，在复杂环境下，经颜色分割可能产生小的噪声光点，形态学处理技术选用合适的模板处理颜色分割的结果，可去除噪声光点；车灯配对，通过两灯距离与高度确定配对车灯；估计车辆位置，根据每对车灯中心位置确定其周围15个点作为车辆位置。

车辆验证过程中，首先利用Gabor滤波器产生包含图像多种特征的数据库。为获得准确数据库信息，应尽量减小图片中无车区域范围，数据库图像分辨率为85× 70。选用了45幅车辆图片，选用8方向和5个不同尺度的Gabor滤波器确定图片中的车辆特征，再利用车辆特征训练BP神经网络，通过神经网络验证车辆的存在。

为验证车辆探测系统，进行了两组试验：①采用59幅停车场图片，算法成功辨认出其中的53幅，准确率分别为89%；②选用45张道路图片，算法成功辨认出其中的34幅，准确率为75%。因此，该系统在白天可有效识别车辆，其识别结果受照明条件、与目标车辆距离等因素影响。该系统可应用于驾驶员辅助系统和智能交通系统等方面。

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

编译：李伟