10、车辆与行人检测技术全解析

车辆与行人检测技术全解析

1. 车辆检测

1.1 垂直/水平边缘的应用

车辆的不同视角，特别是前后视角，包含许多水平和垂直结构，如后窗、保险杠等。利用垂直和水平边缘组合来推测车辆的存在，已被证明是一种有效的方法。

有研究利用边缘信息检测远处的汽车，提出了一种从粗到细的搜索方法来寻找矩形物体。粗搜索会遍历整个边缘图，寻找突出的边缘，如长且不间断的边缘。一旦找到这样的边缘，就会在该区域启动精细搜索。还有研究分别使用索贝尔算子提取垂直和水平边缘，然后应用两个基于边缘的约束滤波器（即排名滤波器和附加线边缘滤波器）对这些边缘进行处理，以从背景中分割出车辆。

HV（Horizontal/Vertical）步骤的输入是HG步骤中假设的位置集合。在HV步骤中，会进行测试以验证假设的正确性。HV方法主要可分为两类：基于模板的方法和基于外观的方法。

1.2 基于模板的方法

基于模板的方法使用预定义的车辆类模式，并在图像和模板之间进行相关性匹配。例如，有研究基于车辆前后视角呈“U”形（即一条水平边缘、两条垂直边缘以及连接水平和垂直边缘的两个角）的观察，提出了一种模板。在验证过程中，如果能在图像中找到“U”形，就认为图像中存在车辆。

1.3 基于外观的方法

使用外观模型的HV方法被视为一个两类模式分类问题：车辆与非车辆。构建一个强大的模式分类系统需要在待分类的类别之间寻找最佳决策边界。由于车辆类别的巨大类内差异，这并非易事。一种可行的方法是使用从训练图像中提取的特征集训练分类器，以学习决策边界。通常，还会对非车辆类别的变化进行建模，以提高性能。

每个训练图像由一组局部或全局