文档介绍：独创性声明

本人郑重声明:所提交的学位论文,是本人在指导教师的指导下,独立
进行研究工作所取得的研究成果。尽我所知,文中除特别标注和致谢的地方
外,学位论文中不包含其他人或集体已经发表或撰写过的研究成果,也不包
含为获得中国科学院研究生院或其它教育机构的学位或证书所使用过的材
料。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
本人完全意识到本声明的法律结果由本人承担。

签名:_____ _____ 日期:__ ___

关于学位论文使用授权的说明

本人完全了解中国科学院研究生院有关保管、使用学位论文的规定,其
中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印件;②
学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允
许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位
论文;⑤学校可以公布学位论文的全部或部分内容。
(涉密的学位论文在解密后应遵守此规定)

签名:_______________ 导师签名:_______________ 日期:_____________
摘要
摘要
随着车辆数目的急剧增加,交通事故给司机和行人带来了越来越多的危害。
司机面临的主要威胁来自路面的其他车辆,因此越来越多的人开始注重智能交通
系统,特别是车辆辅助驾驶系统的研究。通过车辆辅助驾驶系统可以提醒司机将
要发生的危险,从而使其采取措施避免危险的发生。在车辆辅助驾驶系统中,车
辆检测是关键的一步。
在本文中,我们采取假设产生和假设验证两个步骤来完成车辆检测的过程。
在假设产生阶段,本文采用多尺度方向(MSO )特征来对车辆进行表述,
该特征将 Haar 小波特征和梯度方向直方图特征(HOG )结合了起来。并利用
Adaboost 学习算法进行特征的选择,组成一个级联分类器用于最后的检测。
在假设验证阶段,本文提出了一个新的特征集合—多尺度方向直方图
(H-MSO ),来用于车辆的表述和检测。通过将图像与不同尺度和方向的 Gabor
滤波器进行卷积运算,得到图像上各个像素点的多尺度方向。首先,我们将图像
分成不同的小单元,分别统计每个单元内的多尺度方向的直方图。然后,对于四
个相邻的单元组成的一个大的块内,将直方图的每一维的值进行归一化,并将整
幅图像中所有区域的直方图连接起来,形成特征集合。最后,用这个特征集合来
训练一个支持向量机(SVMs)分类器,用于路面车辆的检测。
通过两级的检测策略,不仅提高了检测的速度,而且提高了检测率,实验结
果验证了本文提出的特征集合和所采用的检测方法的有效性。

关键词:车辆检测,Adaboost ,级联分类器,Gabor 滤波器,SVMs

I
基于图像的路面车辆检测算法研究
Abstract
Image-based On-Road Vehicle Detection
Kong Fan-Jing (Computer Application)
Directed by: Jiao Jian-bin (Professor)
Vehicle accidents have brought us increasing damages to both drivers and
pedestrians. Accident statistics disclose that the main threats drivers are facing are
those from other on-road vehicles. Recently, intelligent transportation systems,
especially image-based driving assistance systems, which aim to alert drivers about
vehicles in driving environments, are attracting more interests. In most of these
systems, robust and effective vehicle detection, especially on-road vehicle detection,
is a primary step.
In this paper, we follow mon vehicle detection method, which is
classified into two steps: hypothesis generati