基于卷积神经网络的前向车辆检测方法研究

提出了一种基于卷积神经网络(CNN)的前向车辆检测方法。首先,采用车底阴影和车宽约束条件进行假设生成,针对存在较多具有边缘、对称性等特征物体干扰时产生灾难性计算量的问题,提出了阴影特征结合车宽约束条件判定方法生成车辆假设,排除大量非车底阴影区域,提高了检测效率;然后采用CNN对产生的车辆假设进行验证,建立车辆样本库,训练并对比分析了多种结构CNN,验证本文设计结构能够快速准确地验证车辆假设,对GTI数据库的检测正确率达到98.65%;最后经强弱光照、树荫等多场景实验验证表明,本文方法能够快速准确地检测出前方车辆。