基于阴影和类Haar特征的动态车辆检测

提出了一种基于车载相机的前向车辆检测方法。首先联合车底阴影和车辆垂直边缘产生车辆假设,针对阴影分割易受光照和路面灰度突变的影响,提出了直方图峰谷分析法(HVAM)来获得自适应阴影分割阈值;采用类Haar特征来检测车辆垂直边缘,以局部区域统计学方法克服了传统边缘检测算子易受外界因素影响的缺点;然后使用基于V-HOG特征结合SVM的车辆分类器对假设区域进行验证;最后推算检测到的车辆目标航迹,建立加速度模型,对多个车辆目标进行跟踪以提高整体性能。多种交通场景试验表明:该方法能够稳定准确地检测到前方车辆,每帧平均检测时间仅需35 ms,跟踪7 ms,远远满足实时性要求。