文献类型：期刊文章

作　　者：李琳辉[1,2] 伦智梅[1,2] 连静[1,2] 袁鲁山[1,2] 周雅夫[1,2] 麻笑艺[1,2]

机构地区：[1]大连理工大学工业装备结构分析国家重点实验室,辽宁大连116024 [2]大连理工大学汽车工程学院,辽宁大连116024

出　　处：《吉林大学学报（工学版）》

基　　金：国家自然科学基金项目(61473057;61203171);中央高校基本科研业务费专项项目(DUT15LK13)

年　　份：2017

卷　　号：47

期　　号：2

起止页码：384-391

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20172103687888)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。

关 键 词：车辆工程 车辆检测 单目视觉 卷积神经网络 阴影分割  

分 类 号：U495[物流管理与工程类] TP391.4]