朱洪华

（莆田学院机电工程学院，福建莆田，351100）

智能驾驶是当前国内外研究的关键技术之一，具有极大的应用价值[1]。跟车工况是指车辆在行驶中跟随前方并保持安全的行驶距离的状态。对于使用智能驾驶系统的车辆来说，跟车工况的精确度和实时性对车辆的安全性和舒适性有重要的影响，也进一步影响了智能驾驶技术的推广[2]。因为跟车工况执行的好坏主要取决于前车识别和前车距离测定的精确度和实时性，所以良好的前车识别技术研究对普及智能驾驶有重大的意义[3]。

1 车辆目标检测

■1.1 传统的车辆识别方法

传统的车辆识别方法主要有：Ada Boost+Harr、SVM+HOG、DPM算法等。传统的算法通常不能适应复杂实时的路况下前方车辆的识别，例如：SVM+HOG 算法难以解决遮挡的问题，并且在车辆改变方向时也不容易检测到；DPM 算法直观、简单、计算快速，但激励特征是人工设计的，工作量繁重，不能适应较大幅度旋转，稳定性较差。传统的算法虽然不能满足智能驾驶条件下的车辆识别要求，但由于成本低和技术成熟，在固定牌照识别和人脸识别等应用方案中得到广泛应用。

■1.2 基于深度学习的车辆识别方法

人的眼睛一看到图像，就能马上识别出图像中的物体、物体所处的位置和其相对的位置。这样就能使人们可以实时地做出反应来完成各种复杂的任务。对智能驾驶训练也同样要有与人类相似水平的反应速度和与人相当的精确度。智能驾驶系统必须实时地分析前方道路的路况, 并且可以在确定继续行驶的路径之前识别出现实世界中的各种对象和其所处的位置。……