自适应感兴趣区域夜间车辆检测

摘要

本文提出一种应对夜间城市繁忙道路的车辆检测算法.目前夜间车辆检测研究主要集中在利用尾灯对称性和训练车辆分类器等方面.夜间城市道路中车辆密集、灯光繁杂,利用对称性不能精准识别车辆.而车灯周围发出的强烈光线对于分类器训练也造成很大干扰.本文提出采用自适应的感兴趣区域和二值化样本训练的Haar特征分类器,解决夜间车辆检测的诸多问题.采用固定阈值图像二值化,用以强化车灯的轮廓信息.并在该图像上通过几何规则匹配成对车灯,自适应地确定感兴趣区域,去除环境灯光干扰;依据AdaBoost算法训练二值化的Haar特征,重要的车灯特征被关注,极大缩短分类器训练时耗和检测时间.实验表明,本文算法检测召回率能够达到90.4％,具有很强鲁棒性.