【技术实现步骤摘要】
一种基于单目视觉神经网络的汽车安全辅助系统前方目标识别方法
本专利技术涉及汽车安全辅助驾驶控制领域，尤其涉及一种基于单目视觉神经网络的汽车安全辅助系统前方目标识别方法。
技术介绍
汽车安全辅助驾驶系统(ADAS)是应用雷达或机器视觉快速且准确地提取系统前方车辆或障碍物等信息，能够及时提醒驾驶员避免碰撞危险或自动控制车辆实现预警或避撞功能。该系统功能应不仅仅适用于高速公路行驶情况，对于其它行驶环境，尤其是在城市道路行驶环境下，不仅要识别出ADAS系统前方车辆目标，还要识别出非机动车和行人及障碍物等目标，特别是对电动自行车的识别尤为重要，因为在城市道路中非机动车(主要是电动自行车)与机动车的交通事故率频频发生且所占比重较大。目前，基于机器视觉的检测与识别方法鲜有对机动车与电动自行车进行分类的研究。大多数方法均是针对车辆的检测与识别研究且被用于辅助驾驶系统中。如利用车辆的线性几何特征信息、车辆的对称性，或者采用特殊的硬件，如彩色CCD和双目CCD的计算机视觉方法等。此外，还有基于光流的方法、模板匹配的方法、支持向量...
【技术保护点】
1.一种基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，包括：/n获取汽车前方的路况图像，并对所述路况影像进行分割预处理；/n对预处理后的路况影像进行边缘提取，并进行搜索，获取感兴趣区域；/n对所述感兴趣区域进行特征提取，获取感兴趣区域对应的边缘特征和区域特征；/n将所述边缘特征和区域特征作为输入层向量构建径向基神经网络模型，在神经网络中对输入层向量特征进行解析，得到与目标相关的输出量；/n根据所述输出量得到对应车辆目标，并将所述车辆目标作为识别结果输出；/n所述感兴趣区域包括电动自行车和机动车辆。/n
【技术特征摘要】
1.一种基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，包括：
获取汽车前方的路况图像，并对所述路况影像进行分割预处理；
对预处理后的路况影像进行边缘提取，并进行搜索，获取感兴趣区域；
对所述感兴趣区域进行特征提取，获取感兴趣区域对应的边缘特征和区域特征；
将所述边缘特征和区域特征作为输入层向量构建径向基神经网络模型，在神经网络中对输入层向量特征进行解析，得到与目标相关的输出量；
根据所述输出量得到对应车辆目标，并将所述车辆目标作为识别结果输出；
所述感兴趣区域包括电动自行车和机动车辆。
2.根据权利要求1所述的基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，所述感兴趣区域对应的车辆边缘特征和区域特征包括：离散余弦变换的子系数独立的不变矩参数构成的边缘特征参数和区域描述特征参数。
3.根据权利要求2所述的基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，所述离散余弦变换的子系数计算公式为：
C(k)＝|F(k)|/F(1)；
其中，C(k)为离散余弦变换的子系数，k为离散子系数的个数，k＝1,2…8；F(k)＝X(k)+jY(k)；j为复平面的虚部n＝1,2,3…N-1；n为图像分割后进行边缘提取所获得的闭合边缘曲线的特征点变量，N为图像分割后进行边缘提取所获得的闭合边缘曲线的特征点个数，f(m)＝x(m)+jy(m)；1≤m≤n，f(m)为一维复序列。
4.根据权利要求2所述的基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，所述独立的不变矩参数计算公式为：
其中，为所在区域的中心点坐标，μpq为二值化图像所在区域的中心矩m00为二值化图像所在区域的零阶几何矩，m01、m10为二值化图像所在区域的一阶几何矩，mpq为二值图像所在区域的p+q阶几何矩，p为二值化图像中心矩的行阶次，q为二值化图像中心矩的列阶次。
5.根据权利要求2所述的基于径向基神经网络的汽车安全辅助系统前方目标识别方法，其特征在于，所述目标识别特征参数包括：区域偏心率、区域的短轴和长轴之比、区域面...
【专利技术属性】
技术研发人员：陈学文，裴月莹，陈华清，
申请(专利权)人：辽宁工业大学，
类型：发明
国别省市：辽宁;21
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。