一种基于机器学习的前方车辆检测与跟踪方法技术
A vehicle detection and tracking method based on machine learning
The present invention relates to a method of vehicle detection and tracking in front of machine learning. The invention includes two processes of vehicle detection and vehicle tracking. In the vehicle detection phase, the LBP features and Adaboost classifier training results are used to detect the vehicle in front of the road. Then the training results of HAAR feature and HOG feature are used to verify these locations to eliminate the non vehicle targets. In the stage of vehicle tracking, an improved kernel correlation filtering algorithm is used. The invention has the characteristics of high detection rate and high tracking efficiency.
【技术实现步骤摘要】
一种基于机器学习的前方车辆检测与跟踪方法
本专利技术属于图像处理与模式识别
，特别是一种基于机器学习的前方车辆检测与跟踪方法，用于车载视频中的前方车辆目标，检测并跟踪其运动轨迹。
技术介绍
开发车载驾驶辅助系统(driverassistancesystem)需要了解涉及自身车辆附近道路车辆运动状况，确定其他车辆在道路上的位置是DAS的关键信息。因此，鲁棒性强的车辆检测和车辆跟踪研究是关键。目前，研究人员通过使用诸如基于雷达或激光雷达的有缘传感器来解决此问题，然而，基于单目视觉的车辆检测和跟踪的研究在降低成本和维护费用以及信息保真方面具有较好的优势。但在公路和城市交通中，仅仅使用单目相机来检测和跟踪前方车辆仍然是一个具有挑战性的任务。主要难点有以下几个方面：首先，随着车载摄像头的安装，车辆检测算法面临着变化的背景和照明环境的巨大变化。其次，各种各样的车辆在公路和城市交通中有不同的形状和颜色，数量之大导致对车辆的建模十分困难。第三，在道路上的自身车辆和前方车辆都是处于运动状态中，也是如此，在图像空间中的车辆的大小和位置是多种多样的。许多车辆检测的方法已被广泛使用...
【技术保护点】
一种基于机器学习的前方车辆检测与跟踪方法，其特征在于该方法包括以下步骤：步骤1、获取实时车辆的视频信息；步骤2、对获取的视频帧进行图像预处理、图像灰度化，提取车辆目标的区域；步骤3、利用先验知识，根据一般场景和相机的成像视野，截取感兴趣区域，去除天空、周围部分建筑以及广告牌标志的干扰；步骤4、利用LBP特征训练的分类器对感兴趣区域进行目标检测，得到包含车辆的候选区域；4.1、车辆LBP特征提取在3*3的窗口中，以中心单个像素为阈值，比较周围像素与其灰度值的大小，若比其大的，则改点像素被标志为1，否则为0；即可得出8位二进制，得到该窗口中心像素点的LBP值，将其转换为十进制即...
【技术特征摘要】
1.一种基于机器学习的前方车辆检测与跟踪方法，其特征在于该方法包括以下步骤：步骤1、获取实时车辆的视频信息；步骤2、对获取的视频帧进行图像预处理、图像灰度化，提取车辆目标的区域；步骤3、利用先验知识，根据一般场景和相机的成像视野，截取感兴趣区域，去除天空、周围部分建筑以及广告牌标志的干扰；步骤4、利用LBP特征训练的分类器对感兴趣区域进行目标检测，得到包含车辆的候选区域；4.1、车辆LBP特征提取在3*3的窗口中，以中心单个像素为阈值，比较周围像素与其灰度值的大小，若比其大的，则改点像素被标志为1，否则为0；即可得出8位二进制，得到该窗口中心像素点的LBP值，将其转换为十进制即为LBP值；4.2、分类器模型训练首先，将只有车辆的图片作为正样本，没有包括车辆的图片作为负样本，并将其都用LBP算子描述；然...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。