面向复杂道路场景的视觉车辆检测算法

摘要

复杂道路环境下的车辆鲁棒检测兼具理论与应用价值.针对传统描述子辨识能力不足的缺点,该文提出一种基于视觉显著特征(VSF)和稀疏表示的车辆检测算法.首先受人视觉特性的“选择性”启发,依据人眼注视机理,以视觉显著特征提取训练样本信息,构建样本特征向量.然后利用压缩感知的机理,通过稀疏表示,将样本特征向量表示成过完备字典,采用LC-KSVD方法训练该过完备字典并重建样本信号.最终以待测样本在字典中的重构残差作为依据进行车辆与否的判定.实验结果表明,在良好条件下,该方法在0.5个/帧的误检率下能达到94.7％的检测率;在不良条件下,同样的误检率约束下仍能达到92.2％的检测率.和传统方法的比较表明,所提方法的车辆检测性能优于传统车辆检测方法.