多視角及遮擋環(huán)境下車(chē)輛檢測(cè)方法研究.pdf

1、汽車(chē)工業(yè)的不斷發(fā)展，使得汽車(chē)成為人們生活的必不可少的一部分。由此催生出的車(chē)輛檢測(cè)技術(shù)更是開(kāi)始影響到人們生活的方方面面。車(chē)輛檢測(cè)技術(shù)應(yīng)用的范圍包括了智能交通系統(tǒng)、智能車(chē)輛檢索系統(tǒng)和智能車(chē)輛輔助等領(lǐng)域。不過(guò)車(chē)輛檢測(cè)技術(shù)存在著很多需要亟需解決的問(wèn)題，其中視角變換和遮擋作為車(chē)輛檢測(cè)面臨的兩大難題，是本文研究的重點(diǎn)。
　　 在多視環(huán)境下，不同視角下的車(chē)輛成像外觀有著很大差異，當(dāng)把不同視角的車(chē)輛歸為一個(gè)大類(lèi)時(shí)，類(lèi)內(nèi)距離很大，傳統(tǒng)的分類(lèi)器模型

2、如SVM、Adaboost、神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯都不適應(yīng)，因此研究多視環(huán)境下的車(chē)輛檢測(cè)技術(shù)有著迫切的必要。另一方面，遮擋一直是目標(biāo)檢測(cè)領(lǐng)域難以解決的問(wèn)題。當(dāng)今存在的分類(lèi)器往往是采取整體累加得分的機(jī)制，在遮擋發(fā)生時(shí)，遮擋部分的得分往往比較低，從而造成整體得分低下，于是容易造成漏檢，因此性能比較魯棒的車(chē)輛檢測(cè)算法顯得十分必要。本文的主要貢獻(xiàn)體現(xiàn)在:
　　 1.本文提出了一個(gè)稱(chēng)為分裂級(jí)聯(lián)模型的樹(shù)形分類(lèi)器用于多視環(huán)境的車(chē)輛檢測(cè)任務(wù)。分裂

3、級(jí)聯(lián)模型不需要人工預(yù)先對(duì)不同視角的子類(lèi)進(jìn)行挑選，通過(guò)使用從粗到細(xì)的自動(dòng)集合劃分策略學(xué)習(xí)得到。分裂級(jí)聯(lián)模型的每個(gè)節(jié)點(diǎn)都是一個(gè)具有拒絕功能的級(jí)聯(lián)節(jié)點(diǎn)，使得分裂級(jí)聯(lián)模型對(duì)占據(jù)絕大比重的負(fù)樣本能做出快速判斷。在多視車(chē)輛數(shù)據(jù)庫(kù)上，分裂級(jí)聯(lián)模型展現(xiàn)出了比支持向量機(jī)SVM和具有多視分類(lèi)能力的分類(lèi)器CBT更好的性能。
　　 2.針對(duì)遮擋環(huán)境下的車(chē)輛檢測(cè)，提出了基于多特征融合的車(chē)輛檢測(cè)方案。一種改進(jìn)的描述子稱(chēng)為VHOG描述子被提出，它是在傳統(tǒng)的H