1、隨著經(jīng)濟(jì)和科技的迅速發(fā)展，機(jī)動車輛的數(shù)量迅猛增加，智能車輛系統(tǒng)的研究顯的極為重要，其中交通標(biāo)志與前方車輛的識別是智能車輛系統(tǒng)研究的關(guān)鍵。鑒于目標(biāo)識別與計算機(jī)視覺技術(shù)息息相關(guān)，本文從計算機(jī)視覺角度出發(fā)，對交通標(biāo)志與前方車輛識別中的關(guān)鍵技術(shù)進(jìn)行深入研究，并在VC++6.0集成開發(fā)工具中實現(xiàn)了交通標(biāo)志與車輛的自動化識別系統(tǒng)。
　　在交通標(biāo)志識別方面，自然環(huán)境下，圖像的R、G、B三個分量容易受光照、天氣狀況的影響，而HSI彩色空間中色調(diào)與

2、飽和度分量卻相對穩(wěn)定，基于這個特性，本文采用色調(diào)與飽和度結(jié)合的閾值分割方法實現(xiàn)目標(biāo)檢測；針對圖像中存在的噪聲，本文在區(qū)域生長算法的基礎(chǔ)上設(shè)計了一種噪聲濾除方法；通過對交通目標(biāo)形狀特點的分析，提出利用目標(biāo)的面積與包含目標(biāo)的最小矩形的面積比值確定目標(biāo)的形狀；根據(jù)目標(biāo)的形狀、顏色特點確定在基于svm進(jìn)行目標(biāo)精確識別時使用的模板，基于svm目標(biāo)識別時，本文提取目標(biāo)的Hu相對不變矩特征作為目標(biāo)的特征向量。最后，通過實驗驗證，此方法對圖像的尺度、旋

3、轉(zhuǎn)變化都有很強(qiáng)的魯棒性，并且在時間效率上滿足實時性需求。
　　在前方車輛識別方面，通過對車輛尾部特征的分析，本文根據(jù)陰影的分布情況確定車輛的候選區(qū)。首先采用基于灰度的閾值分割算法確定陰影，然后針對候選區(qū)域的確定，本文提出基于陰影分布自適應(yīng)得到車輛候選區(qū)的算法；利用Adaboost算法進(jìn)一步驗證候選區(qū)域中是否存在車輛，并對車輛區(qū)域進(jìn)行精確定位。通過實驗驗證，所述方法不僅提高了車尾目標(biāo)的識別率，最重要的是在時間效率上滿足實時性需求。<