基于特征融合的前方车辆检测

张玉祖，罗素云

（201620 上海市 上海工程技术大学 机械与汽车工程学院）

0 引言

近年来，随着我国城市化进程的加快，机动车保有量和驾驶员人数不断增加，城市的交通安全问题日益突出。我国的交通安全不容乐观[1]。据调查，大多数交通事故的发生是因为驾驶员在驾驶时注意力分散。而驾驶员如果能在潜在危险发生前 1.5 s 得到提醒，则90%左右的交通事故就可以避免[2]。因此，智能交通系统和无人驾驶技术的研究热度高涨。车辆检测作为其中的重要一环，也受到了广泛关注。在实际检测中，由于易受光照、角度、图像质量等外界因素影响，容易产生车辆的误检、漏检。故本文对图像的HOG直方图特征和Haar-like 矩形特征进行研究，在将2 种图像特征进行融合的基础上，建立特征值向量；然后采用AdaBoost 算法从特征值向量中提取若干个有效特征，针对每个有效特征建立相应的弱分类器，根据各弱分类器分类正确率高低，将弱分类器加权组合成强分类器；构建级联分类器，实现车辆的检测。

1 目标检测算法的整体流程

目标检测系统主要分为2个阶段：学习阶段和检测阶段，具体如图1所示。

图1 目标检测算法Fig.1 Target detection algorithm

学习阶段：首先是收集大量的目标样本，组成正样本集（即训练数据集），同时获取大量的负样本，组成负样本集；然后提取每一个正、负样本的特征向量；最后训练形成检测时使用的分类器。

检测阶段：首先对视频中的每帧图像进行特征提取；然后将提取出的特征向量送到训练好的分类器中，对每帧图像进行目标检测；……