1、隨著經(jīng)濟(jì)的發(fā)展，城市化、汽車(chē)化的加快，要求采用現(xiàn)代化的管理方法來(lái)實(shí)現(xiàn)交通管理，這樣就引發(fā)了對(duì)智能交通系統(tǒng)(ITS)的研究。車(chē)輛輔助駕駛是智能交通系統(tǒng)的重要組成部分。以其自主式車(chē)輛事故預(yù)警和行駛導(dǎo)航機(jī)制，車(chē)輛輔助駕駛系統(tǒng)在提高汽車(chē)的主動(dòng)安全性能和減少交通事故方而有著廣闊的應(yīng)用前景。采用計(jì)算機(jī)視覺(jué)技術(shù)的輔助駕駛系統(tǒng)，由于其探測(cè)范圍的完整性和寬廣性，具有優(yōu)越的性?xún)r(jià)比，是輔助駕駛系統(tǒng)的重點(diǎn)發(fā)展方向之一。 在過(guò)去的十幾年里，基于視覺(jué)的車(chē)輛

2、檢測(cè)技術(shù)被越來(lái)越多地應(yīng)用于輔助駕駛系統(tǒng)，靈活可靠的車(chē)輛檢測(cè)技術(shù)是車(chē)輛輔助駕駛系統(tǒng)的重要組成部分?；谝曈X(jué)的車(chē)輛檢測(cè)是非常具有挑戰(zhàn)性的。例如，被檢測(cè)的車(chē)輛具有不同的速度、形狀、尺寸、角度和顏色。車(chē)輛的外觀還受到車(chē)輛的姿態(tài)以及它周?chē)繕?biāo)物的影響。同時(shí)，車(chē)輛的遮擋和光照條件的不同也改變了車(chē)輛的整個(gè)外觀。 本文總結(jié)了近年來(lái)車(chē)輛檢測(cè)中所應(yīng)用的車(chē)輛識(shí)別算法，并分析了各種車(chē)輛檢測(cè)算法的特點(diǎn)。同時(shí)，實(shí)現(xiàn)了基于車(chē)輛統(tǒng)計(jì)特征的車(chē)輛識(shí)別算法。車(chē)輛檢測(cè)

3、算法由兩個(gè)處理步驟組成：候選區(qū)域確定(hypothesisgeneration，HG)階段和車(chē)輛認(rèn)證(hypothesisverification，HV)階段。在候選區(qū)域確定階段，應(yīng)用基于車(chē)輛先驗(yàn)知識(shí)的方法確定車(chē)輛可能存在的候選區(qū)域；在車(chē)輛認(rèn)證階段使用基于統(tǒng)計(jì)模式識(shí)別的方法對(duì)前一階段的假說(shuō)進(jìn)行認(rèn)證。 本文采用統(tǒng)計(jì)模式識(shí)別方法對(duì)車(chē)輛進(jìn)行識(shí)別，處理流程包括三個(gè)部分：特征提取，特征選擇，和分類(lèi)器設(shè)計(jì)。首先利用特征提取方法(如Gabor

4、，PCA，Wavelet)對(duì)車(chē)輛和背景訓(xùn)練及測(cè)試樣本進(jìn)行特征提取，同時(shí)提取特征向量的矩特征。然后應(yīng)用遺傳算法設(shè)計(jì)車(chē)輛的特征選擇算法，對(duì)特征提取階段的結(jié)果進(jìn)行特征選擇，結(jié)果用于訓(xùn)練SVM分類(lèi)器。對(duì)測(cè)試樣本做同樣的提取特征的處理，最后應(yīng)用訓(xùn)練好的SVM分類(lèi)器進(jìn)行分類(lèi)識(shí)別檢測(cè)。對(duì)實(shí)驗(yàn)結(jié)果較好的算法進(jìn)行優(yōu)化。此算法在不同的Video中進(jìn)行了大量的測(cè)試，并與其它車(chē)輛識(shí)別算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，基于統(tǒng)計(jì)特征的車(chē)輛識(shí)別算法不僅具有較好的魯棒性，能