李 龙,张重阳

(南京理工大学计算机科学与工程学院,江苏 南京 210094)

0 引 言

目标检测和环境感知是无人驾驶汽车领域中的重要研究问题，最有代表性的是车辆检测、车牌识别、道路线检测等。汽车在驾驶的过程中，尾灯是一个明显的、具有重要意义的对象，尾灯可以用来预测前车的驾驶意图和对后面车辆作出提醒和警示，从而避免交通事故的发生。可以看出，对于前车尾灯的检测和识别是无人驾驶汽车领域必不可少的重要环节。

在早期的研究中，检测和识别车辆尾灯所用的方法都是基于传统的图像技术实现的，并且结合了颜色、亮度、纹理等特征，然后利用对称性匹配尾灯对，最后识别尾灯灯语。文献[1-3]提出了用灰度图像来分割图像中的亮点。但是，道路上的光源会产生许多亮点，例如路灯、信号灯和反射，它们需要大量的计算时间才能单独定位尾灯位置。Chien等[4]结合形态学和逻辑运算来提取尾灯中的过度曝光区域，聚集2个尾灯候选区域，代表车辆的一对尾灯,配对标准包括灯的面积、形状和高度的相似性。文献[5-11]仅仅检测夜间的尾灯，因为夜间道路图像中的干扰因素比较少，而且夜间尾灯比较明显，易于检测。随后由于技术的提高，研究者开始在白天环境下检测尾灯，如文献[12-15]。尾灯是车辆的一部分，尾灯脱离车辆是不存在的，因此文献[16-17]是通过先检测车辆区域来进一步在边界框中搜索尾灯区域。

基于传统方法的研究，只是针对图像特征层面的研究，不能很好地满足实时性以及没有较高的鲁棒性。……