蓝章礼，陈巍，杨扬

（重庆交通大学信息科学与工程学院，重庆400074）

高速公路上发生的追尾事故占事故总数很大比例。保持安全的车距是避免发生追尾的主要预防措施。前向车辆检测系统可以检测前方车辆，目前向车辆检测系统所采用的检测技术主要有：毫米波雷达[1]、激光[2]、红外[3]、计算机视觉[4-5]等，其中计算机视觉具有捕获信息丰富，设备成本低等优点，因此，研究和发展基于计算机视觉的车辆检测技术在减少追尾事故方面有非常重要的意义。

基于计算机视觉的车辆检测方法大致可以分为基于模型、基于特征、基于光流场，基于机器学习4种[5]。基于模型的方法[6]建立车辆的二维或三维模型，然后与检测图像机型匹配。基于特征的检测方法[7]根据车辆的对称性、阴影等特征或特征的组合对车辆进行检测。光流法[8-19]通过检测目标的运动或者相机的运动或者两者的共同运动，该方法计算量大，对噪声敏感。机器学习[10-11]利用大量数据提取特征通过学习得到模型，虽然训练的过程计算量大，但是通过学习到的模型进行预测计算量小，精度高。深度学习[12-13]是机器学习的一种，通过多层神经网络实现端到端的学习，深度学习可以完成计算机视觉中的分类，检测等任务，但是深度学习的模型庞大，需要经过模型压缩[14]才能在实际中应用。

本文在上述工作的基础上，提出了一种基于逻辑回归[15]的车辆检测算法，通过在互联网上搜集车辆与非车辆的图片，提取HOG[16]特征，并训练逻辑回归模型完成对车辆的检测。……