1、近年來(lái)，隨著國(guó)內(nèi)外智能駕駛技術(shù)的發(fā)展，基于視覺(jué)的前方車(chē)輛檢測(cè)作為智能車(chē)輛系統(tǒng)的關(guān)鍵技術(shù)己成為當(dāng)前研究的熱點(diǎn)之一，其目的是通過(guò)檢測(cè)前方車(chē)輛來(lái)尋找智能車(chē)輛的可通行區(qū)域。本文主要研究基于單目視覺(jué)的車(chē)輛檢測(cè)算法，利用車(chē)輛的陰影特征、紋理特征、灰度對(duì)稱(chēng)性特征、車(chē)尾燈及車(chē)牌等多個(gè)特征來(lái)檢測(cè)前方車(chē)輛。分析和對(duì)比了國(guó)內(nèi)外有關(guān)車(chē)輛檢測(cè)算法，本文提出了一些相應(yīng)的改進(jìn)方法，并設(shè)計(jì)與實(shí)現(xiàn)了前方車(chē)輛檢測(cè)系統(tǒng)。其主要研究?jī)?nèi)容有以下三點(diǎn)：
　　 ⑴提出了一種

2、改進(jìn)的閾值化算法，該算法采用局部灰度值統(tǒng)計(jì)與雙OTSU算法綜合使用的方式來(lái)計(jì)算分割閾值。首先統(tǒng)計(jì)預(yù)設(shè)區(qū)域內(nèi)的灰度信息，當(dāng)統(tǒng)計(jì)信息有效時(shí)，利用局部灰度均值與方差計(jì)算分割閾值，而失效時(shí)利用雙OTSU算法計(jì)算分割閾值。
　　 ⑵根據(jù)分割閾值將灰度圖像二值化，并采用膨脹、腐蝕等形態(tài)學(xué)方法對(duì)二值圖像進(jìn)行處理。利用陰影區(qū)域的形狀特征，在二值圖像中初步提取目標(biāo)區(qū)域;最后根據(jù)陰影區(qū)域與車(chē)體之間的位置關(guān)系提取感興趣區(qū)域。
　　 ⑶綜合利用

3、車(chē)輛尾部的紋理特征、灰度對(duì)稱(chēng)性特征、車(chē)尾燈及車(chē)牌信息進(jìn)行感興趣區(qū)域確認(rèn)。首先統(tǒng)計(jì)感興趣區(qū)域的熵值，剔除熵值較小的路面區(qū)域;然后計(jì)算感興趣區(qū)域的灰度對(duì)稱(chēng)性，去除不滿足對(duì)稱(chēng)性度量的區(qū)域;最后將感興趣區(qū)域進(jìn)行顏色空間轉(zhuǎn)換，在HSV空間中搜索車(chē)尾燈對(duì)，并在車(chē)尾燈對(duì)之間搜索車(chē)牌，根據(jù)搜索結(jié)果進(jìn)行感興趣區(qū)域判定。使用Visual Studio2008開(kāi)發(fā)工具和OpenCV2.2圖像處理庫(kù)，設(shè)計(jì)并開(kāi)發(fā)了前方車(chē)輛檢測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，本文的車(chē)輛檢測(cè)算