郝鑫

基于贝叶斯估计的环境车辆感知

郝鑫

（安徽理工大学 机械工程学院，安徽 淮南 232000）

为了改善传统背景差分法受场景变化影响较大的缺点，文章提出了一种使用贝叶斯估计对差分后的图像像素点进行是否为车辆的概率估计方法的实验。实验结果表示，抑制场景无用的像素点变化达到12.5%。基于贝叶斯估计的环境车辆感知能够明显提高车辆的检测准确度，降低误检率。

贝叶斯估计；背景差分法；车辆检测

前言

随着国家信息化，智能化的不断发展，人们对科技的依赖达到了前所未有的高度。人们的日常出行离不开交通工具，在国家不断稳步向好的发展趋势中，汽车逐渐成为了重要的交通工具。智能汽车的发展趋势是无人驾驶，同时车辆能够保证行驶安全。环境感知技术是无人驾驶的重要基础技术。车辆检测作为环境感知技术的重要组成部分，引起了科研人员的重视。

1 相关工作

针对车辆检测的特性，传统的解决方法是通过机器视觉生成一个背景，再使用实时检测的图像与背景作差生成前景图像，最后对前景图像进行一系列的处理得到车辆信息的方法。70年代末Jain等人提出了使用帧间差分的方法提取运动目标[1]。1999年Stauffer等人提出了混合高斯背景建模法[2]，这种方法通过自身改变背景模型来适应各种复杂情景。2005年Wang等人提出了基于样本一致性（SACON）的背景建模方法[3]。该方法测量新像素点与背景像素点的距离，计算相近值的数目，从而判断是否为前景。……