检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于日间行车的灯语识别技术

计算机科学 2019年第S11期46卷 277-282页

作者：李堃黎向锋南京航空航天大学机电学院

汽车的车灯不仅具有照明作用,也是车辆行驶时与周围车辆交流信息的重要途径。在辅助驾驶中,准确理解周围车辆传递出的灯语信息,是制定车辆正确驾驶决策的前提。在日间行车时,由于行车环境多变,单通过特征匹配的方式检测车灯或车辆,进而... 详细信息

汽车的车灯不仅具有照明作用,也是车辆行驶时与周围车辆交流信息的重要途径。在辅助驾驶中,准确理解周围车辆传递出的灯语信息,是制定车辆正确驾驶决策的前提。在日间行车时,由于行车环境多变,单通过特征匹配的方式检测车灯或车辆,进而识别灯语的方式,很难在道路实测中取得良好的效果。为此,针对日间行车情况,文中提出一种基于车辆检测的灯语识别方法。首先,文中使用Haar特征结合Adaboost级联分类器的车辆检测方式进行车辆检测,并在此基础上根据车灯在车尾的位置分布特征确定感兴趣区域;然后,在RGB色彩空间中提出一种颜色分割算法,其能够在感兴趣区域的基础上精确提取车灯位置并判断车灯的点亮状态,同时使用车灯点亮时的亮度特征排除颜色分割算法导致的误检;最后,使用高位刹车灯作为刹车灯灯语的识别条件,将历史频率信息作为转向灯灯语的识别条件,完成了日间行车时前车尾灯灯语的识别。以VS2010和opencv3.4.9作为算法的实现工具,将上汽提供的行车记录仪中的道路实测数据进作为测试数据进行实验。经测试,使用更新样本的训练方法得到的分类器识别准确率为93%,相对于传统Adaboost分类器,识别准确率提升了约2%,灯语识别算法的平均精度为93%,其总体平均耗时约53 ms。实验结果表明,分类训练方法能够小幅度提升检测精度,而灯语识别算法能够较准确地识别出刹车灯和转向灯以及两种灯语同时存在的情况,且基本保证实时性。

关键词：机器视觉辅助驾驶车辆检测颜色分割灯语识别

在线全文

学校读者我要写书评

暂无评论

车辆尾灯的检测与灯语识别

车辆尾灯的检测与灯语识别

作者：田强中国科学技术大学

学位级别：硕士

行车灯语是交通流中车辆之间直接进行驾驶行为信息交互的一种主要方式。实现车辆尾灯的自动检测与灯语识别不仅具有重要的研究意义,同时还有着广泛的应用前景。然而白天时,如何使用图像信息有效的检测出真实城区道路环境中的车辆尾灯并... 详细信息

行车灯语是交通流中车辆之间直接进行驾驶行为信息交互的一种主要方式。实现车辆尾灯的自动检测与灯语识别不仅具有重要的研究意义,同时还有着广泛的应用前景。然而白天时,如何使用图像信息有效的检测出真实城区道路环境中的车辆尾灯并识别出其基本的灯语含义仍是一个具有挑战性的问题,本文对该问题进行了研究,主要工作内容包括：1：提出了适用于真实道路环境下的车辆尾灯检测方法。首先,根据白天道路环境中车尾灯区域颜色分布的统计信息,设置了颜色分割的阈值。并使用由HSV颜色模型提取出的区域设置不同的加权系数,进而使用该系数对增强分量的RGB图像进行非线性变换,从而得到了较好的分割结果。然后,利用尾灯对具有的对称性特点,设计了使用位置和面积约束条件进行尾灯配对验证的方法。最后使用Kalman滤波算法对尾灯对进行跟踪,并利用帧之间车尾灯区域的位置信息进行尾灯的关联,实现对车尾灯稳定有效的检测。2：提出了一种新的车辆尾灯基本灯语识别方法。首先,对刹车灯和转向灯被点亮时的发光方式进行了分析,并对刹车灯语、转向灯语以及灯不亮时的特点进行了研究,据此提出了使用支持向量机(Support Vector Machine,简称SVM)两级分类器识别灯语信息的方法。然后,根据每一级分类器具体的分类任务,设计分类特征进行分类器的训练和进行分类判断,并对不同的分类特征设计方法进行了讨论和实验验证。最后,将得到的分类结果结合转向灯的亮度及频率信息得到了最终的灯语识别结果。最后对本文所提出的方法进行了实验与讨论,在实际道路图像上进行的实验中本文车辆尾灯检测方法的正确率为94.6%,灯语识别方法的正确率为79.8%。

关键词：车尾灯检测灯语识别颜色分割车尾灯跟踪支持向量机

基于深度学习的前方车辆尾灯检测与灯语识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的前方车辆尾灯检测与灯语识别研究

作者：常乐南京理工大学

学位级别：硕士

近年来,由于城市道路中车辆拥挤和频繁的碰擦事故,智能驾驶系统已成为学术界和产业界研究的热点。其中,识别前方车辆尾灯信号这一任务不仅可以辅助驾驶员及时与前方车辆保持安全距离,还可以为智能驾驶系统提供基础数据,辅助路径规划,有... 详细信息

近年来,由于城市道路中车辆拥挤和频繁的碰擦事故,智能驾驶系统已成为学术界和产业界研究的热点。其中,识别前方车辆尾灯信号这一任务不仅可以辅助驾驶员及时与前方车辆保持安全距离,还可以为智能驾驶系统提供基础数据,辅助路径规划,有着非常重要的作用。然而,目前对于前方车辆尾灯信号识别的研究还不是很多。因此,本文研究智能车辆道路行驶过程中前方车辆尾灯检测与灯语识别的算法模型,主要工作如下:(1)针对尾灯面积小且密集的特点,提出了一种融合语义信息的尾灯检测模型。首先,设计了CSPRes Ne Xt-40网络,扩大在大尺度特征图上的卷积次数,减少在小尺度特征图上的卷积次数,使得模型在不增加计算量的情况下,加强了对小目标的特征提取能力。其次,优化了特征融合模块,采用多尺度融合,让深层、浅层特征信息实现更充分地传递融合。最后,模型结合高层语义Mask分支模块,对深层网络的语义信息进行提取,增强了网络对尾灯语义的识别能力。实验结果表明,本文提出的网络模型具有较好的检测性能,在车辆尾灯测试集上的m AP达到90.55%,比YOLOv4算法提升了14.42%,FPS达到了34帧。(2)在车辆尾灯检测的基础上,提出了一种基于注意力机制的灯语识别模型。首先,对DLA网络提取特征过程进行改进,并在此基础上设计了新的特征深度聚合模块,使得深层、浅层特征能够更好的结合。其次,采用全局-局部的网络结构从浅层收集纹理特征矩阵,保留来自深层的语义特征。最后,在融合后的特征层上映射出局部注意力区域并加入双线注意力池化模块,通过有效利用多个注意力图进一步提高模型的训练效率,在尽可能保证检测速度的同时提升模型的检测精度。实验结果可知,在车辆灯语测试集上正确率达到91.91%,Rear Signal数据集上正确率达到89.20%,表明了模型具有较好的检测性能和泛化性。(3)构建了一个检测前方车辆尾灯及灯语识别的软件系统。该系统集成了多种深度学习目标检测算法模型,可以实现对图像中前方车辆尾灯的检测到灯语识别的完整流程。针对国内应用环境,通过无人驾驶车平台自行采集了学校周围城市道路的图像数据,并进行了标注。基于迁移学习进行训练,使用k-means++聚类算法生成新的Anchor,使其与尾灯目标更吻合。真实数据中尾灯检测的m AP达到93.86%,灯语识别的m AP达到87.15%,FPS达到了32帧,表明了本文提出的网络模型有着较好的检测性能。

关键词：尾灯检测灯语识别特征融合注意力机制语义信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向辅助驾驶的全天候灯语识别技术研究

面向辅助驾驶的全天候灯语识别技术研究

作者：李堃南京航空航天大学

学位级别：硕士

辅助驾驶系统通过感知车辆行驶时的周边环境和监测驾驶员的驾驶状态来实现辅助驾驶功能。灯语是车辆在行驶过程中制定驾驶决策的重要依据之一,准确识别前方车辆的灯语信息能够使辅助驾驶系统充分发挥其辅助功能,对于提高行车安全性和车... 详细信息

辅助驾驶系统通过感知车辆行驶时的周边环境和监测驾驶员的驾驶状态来实现辅助驾驶功能。灯语是车辆在行驶过程中制定驾驶决策的重要依据之一,准确识别前方车辆的灯语信息能够使辅助驾驶系统充分发挥其辅助功能,对于提高行车安全性和车辆的智能化水平有重要意义。灯语识别可分为日间和夜间两种情况,本文对全天候的灯语识别问题展开深入研究,主要工作内容如下:1.针对日间行车情况下的车辆检测问题,研究对比了两种基于机器学习的车辆检测方式,并选择卷积神经网络作为车辆检测方法。首先分别使用Haar特征结合Adaboost级联分类器的检测方式和卷积神经网络的车辆检测方式对数据集中的车辆进行检测,然后对比两种检测方式的检测性能。实验表明,卷积神经网络的车辆检测方式检虽然检测效率较低,但是测精度更高,为此后续使用卷积神经网络实现车辆检测。2.针对夜间行车时行车记录仪采集的图像中存在眩光问题展开深入研究,并提出了一种眩光去除方法以有效去除白色眩光和红色眩光。首先采用暗通道先验去雾方法去除白色眩光,并提出加速计算方法以保证算法实时性,然后提出了去除特定颜色眩光的方法,能够有效去除图像中的红色眩光。3.针对夜间行车情况下的车辆检测问题,使用成对出现的示廓灯作为检测车辆的方法。首先根据颜色特征检测可能的车灯区域,然后根据车灯的位置关系建立约束以匹配车灯并建立跟踪,从而实现夜间车辆的定位。4.针对日间和夜间两种行车情况提出了相应的灯语识别方法。对于日间行车情况,首先进行车辆检测,然后划分车灯的感兴趣区域并使用颜色分割和形态学处理检测尾灯位置,同时结合亮度特征判断尾灯状态,最后制定灯语识别规则,从而实现日间行车情况下的灯语识别。对于夜间行车情况,首先通过匹配高位灯方式检测刹车灯,然后通过颜色分割方法并结合历史信息以判断转向灯,从而实现夜间行车情况下的灯语识别。

关键词：辅助驾驶机器学习车辆检测灯语识别图像去眩光

基于尾灯灯语的混行交通流车辆驾驶意图识别模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

重庆交通大学学报（自然科学版） 2024年第2期43卷 48-56页

作者：赵树恩赵东宇重庆交通大学机电与车辆工程学院重庆400074

针对长期存在自动驾驶车辆(autonomous vehicle,AV)与人工驾驶车辆(human-driven vehicle,HV)混行的交通现状,结合深度学习和HSV颜色特征提取方法,提出了一种在混行交通环境下基于尾灯灯语的车辆驾驶意图识别模型。以Mask R-CNN(mask re... 详细信息

针对长期存在自动驾驶车辆(autonomous vehicle,AV)与人工驾驶车辆(human-driven vehicle,HV)混行的交通现状,结合深度学习和HSV颜色特征提取方法,提出了一种在混行交通环境下基于尾灯灯语的车辆驾驶意图识别模型。以Mask R-CNN(mask region proposal convolutional neural network)车辆模型检测出的感兴趣区域RoI(region of interest)为限制,将区域内的HV作为研究对象,根据尾灯位置相关性,在HV车尾区域添加纵横向约束来定位传递灯语信号的左右尾灯;在规定的灯语组合及转向灯闪烁频率基础上,提出了一种基于时间序列的灯语识别算法,运用多目标判别相关性滤波CSRT(channel and spatial relatability tracking)跟踪HV尾灯并统计尾灯时序状态;以动态灯语作为输入,构建基于尾灯灯语的驾驶意图识别模型;使用基于真实路况信息的Cityspaces数据集和交通流视频数据对模型进行训练、验证和测试。研究结果表明:基于尾灯灯语的驾驶意图识别模型对视频流车辆尾灯检测准确率和召回率分别为96.0%、98.2%,对驾驶意图识别的平均准确率达到了95.9%,单帧识别耗时为20 ms,为高速混行环境下的AV决策规划提供了有效的理论依据。

关键词：交通工程驾驶意图识别灯语识别自动驾驶 Mask R-CNN 交互行为

在线全文

学校读者我要写书评

暂无评论

车辆尾灯灯语的检测与识别

计算机系统应用 2015年第11期24卷 213-218页

作者：田强孔斌孙翠敏王灿中国科学技术大学信息科学技术学院合肥23007 中国科学院合肥智能机械研究所合肥230031

针对有效利用车辆灯语信息的问题,提出了一种基于图像的车辆尾灯灯语的检测识别新方法.该方法首先利用颜色、对称性特征在图像中检测出车辆尾灯对,并对车辆尾灯进行连续的跟踪.然后使用参数优化的最小二乘支持向量机(Least Squares Supp... 详细信息

针对有效利用车辆灯语信息的问题,提出了一种基于图像的车辆尾灯灯语的检测识别新方法.该方法首先利用颜色、对称性特征在图像中检测出车辆尾灯对,并对车辆尾灯进行连续的跟踪.然后使用参数优化的最小二乘支持向量机(Least Squares Support Vector Machines,简称LS-SVM)对得到的车尾灯状态进行分类判别.最后结合状态历史信息,综合推断出各前方车辆当前灯语含义.以实车拍摄的白天道路视频进行实验,可以看到由识别出的灯语信息能够准确判断出前方车辆刹车、转向、灯不亮,表明该检测识别方法有效.

关键词：无人车机器视觉灯语识别车尾灯检测支持向量机(Support Vector Machine)

不同光线环境下的车辆检测及灯语信息识别研究

在线全文

学校读者我要写书评

暂无评论

不同光线环境下的车辆检测及灯语信息识别研究

作者：潘泽志深圳大学

学位级别：硕士

智能驾驶辅助系统可以在一定程度上解放驾驶员的双手,在保证驾驶安全的基础上提高驾驶舒适性,其最重要的就是感知车辆行驶中周边的信息特别是动态信息,为系统的决策规划提供依据。车尾灯包含车辆的此刻的行驶状态和下一刻即将要做出的动... 详细信息

智能驾驶辅助系统可以在一定程度上解放驾驶员的双手,在保证驾驶安全的基础上提高驾驶舒适性,其最重要的就是感知车辆行驶中周边的信息特别是动态信息,为系统的决策规划提供依据。车尾灯包含车辆的此刻的行驶状态和下一刻即将要做出的动作,准确的检测和识别前方车辆的灯语信息,可以让驾驶辅助系统及时做出反应,避免交通事故的发生。直接进行车尾灯检测和识别很容易受到外界灯光影响,因此本文的前方车辆灯语信息识别是在车辆检测的基础上进行,同时根据白天和夜晚环境以及车尾灯特性的不同,分开讨论研究。本文的车辆检测首先采用了基于Haar特征和Ada Boost算法的车辆检测方法,选择两大类Haar特征和三种Ada Boost算法,构建六组级联分类器组合。根据白天光线多变的原因,分光线偏暗和光线正常情况讨论,夜晚没有阳光影响,不再细分情况训练测试。根据白天和夜晚的测试结果得到DAB(Ada Boost算法)+BASIC(Haar特征)组合的综合性能最好。针对基于Haar特征和Ada Boost算法的车辆检测方法的不足之处,采用了基于YOLOv5的车辆检测方法。通过比较基于YOLOv5的车辆检测方法和基于Haar特征和Ada Boost算法车辆检测方法发现,基于YOLOv5的车辆检测方法准确率要明显高于基于Haar特征和Ada Boost算法车辆检测方法,适合比较复杂的环境;但是基于Haar特征和Ada Boost算法车辆检测方法训练时间要少很多,适合简单环境。针对白天前方车辆灯语信息识别的问题,本文根据车尾灯的位置特征和颜色特征检测尾灯区域,并根据点亮后尾灯的颜色特征和亮度特征识别尾灯状态。针对夜晚前方车辆灯语信息识别的问题,首先利用夜晚高位刹车灯的位置特征和点亮后才能检测到的特点识别其是否点亮,然后根据夜晚转向灯区域灯的位置特征以及灰度直方图特征,识别转向灯的状态。本文提出的多特征融合的灯语识别方法具有良好的识别准确率。

关键词：车辆检测灯语识别机器学习 YOLO 直方图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车辆灯语检测与识别技术研究与仿真

装备学院学报 2012年第3期23卷 93-97页

作者：赵阳刘红娅装备学院光电装备系

灯语是无人驾驶车与周围车辆的主要交互手段，但目前国内尚未展开专门针对灯语的研究工作。对灯语的检测和识别有助于实现无人驾驶车的拟人驾驶能力。在对车辆进行检测与识别的基础上，提出了一种具有环境自适应特征的灯语状态转换检测... 详细信息

灯语是无人驾驶车与周围车辆的主要交互手段，但目前国内尚未展开专门针对灯语的研究工作。对灯语的检测和识别有助于实现无人驾驶车的拟人驾驶能力。在对车辆进行检测与识别的基础上，提出了一种具有环境自适应特征的灯语状态转换检测方法，并借鉴数据场思想构建灰度势场对车灯进行精确定位和状态分类，最后根据交通法规对常用灯语建模，构建二值化波形模板对车灯状态序列进行分类，仿真显示该模型能正确理解出目标车辆的灯语含义。本研究对无人驾驶车通过图灵测试，提高其驾驶智能性和安全性具有重要意义。

关键词：无人驾驶车灯语识别数据场

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的前车驾驶意图分析及研究

基于机器视觉的前车驾驶意图分析及研究

作者：霍威河北科技大学

学位级别：硕士

经统计,追尾在交通事故中的占比高达30%,大部分追尾事故是由于驾驶员对前车行驶意图判断不明造成的。论文利用机器视觉方法进行车辆检测和灯语识别,对前车驾驶意图进行分析,可有效避免追尾事故的发生,也为自动驾驶提供一种理解道路信息... 详细信息

经统计,追尾在交通事故中的占比高达30%,大部分追尾事故是由于驾驶员对前车行驶意图判断不明造成的。论文利用机器视觉方法进行车辆检测和灯语识别,对前车驾驶意图进行分析,可有效避免追尾事故的发生,也为自动驾驶提供一种理解道路信息的方法。针对尾灯检测受复杂交通环境影响较大的问题,提出了将车辆检测与尾灯检测相结合的方法。通过在车辆前方安装图像采集装置获取道路前方图像,制作车辆图像数据集;构建卷积神经网络Faster R-CNN,设置网络模型参数,训练和测试卷积神经网络;利用Faster R-CNN网络完成当前车道的前方车辆检测。针对在RGB颜色空间下,利用R通道阈值对尾灯进行检测和识别会造成无法准确检测红色车型,并且仅利用位置关系检测尾灯对的方法准确率不高,提出了改进的基于直方图特征参数的灯语识别算法。在HSV颜色空间中提取尾灯区域,利用梯度直方图、颜色和位置这三种特征相关性检测尾灯对,根据尾灯图像的直方图特征参数判别尾灯点亮状态。经在实际道路环境验证,应用论文提出的算法,车辆检测和尾灯状态检测具有较高的正确率。该方法可以克服大部分光照、复杂交通背景等干扰因素,实现了较准确的前方车辆驾驶意图分析。

关键词：车辆检测灯语识别 Faster R-CNN 相关性检测直方图特征参数