Оценка информативности признаков алгоритма классификации объектов системы адаптивного управления головным освещением автомобиля

Д. Р. Рахимов¹, А. Ф. Надеев¹, Д. С. Шулико², Т. М. Васильев¹,
А. Я. Иванченко¹, Р. Ф. Бикмухамедов^1
1Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ,
Российская Федерация, 420111, Казань, ул.К. Маркса, 10
²Акционерное общество «Камский завод электронных компонентов» (АО «КАМЭК»),
Российская Федерация, 423800, Набережные Челны, Производственный проезд, 42
E-mail: drrakhimov@kai.ru

АННОТАЦИЯ

На основе экспериментальных данных проведён анализ информативности признаков, выделяемых в рамках видеообработки для решения задачи классификации объектов системы адаптивного управления головным освещением автомобиля в тёмное время суток. Использованы корреляционный анализ, методы Шеннона и Кульбака. Сформулированы рекомендации для практической реализации данного класса систем.

КЛЮЧЕВЫЕ СЛОВА

  алгоритм классификации объектов; информативность признаков; адаптивное управление головным освещением автомобиля.

ПОЛНЫЙ ТЕКСТ (pdf)

СПИСОК ЛИТЕРАТУРЫ

1.  U.S. Department of Transportation (National Highway Traffic Safety Administration) «Traffic safety facts 2000»// National Center for Statistics and Analysis, Washington, 2001, 220 p.

2.  Sullivan J. M., Flannagan M. J. Assessing the potential benefit of adaptive headlighting using crash databases. University of Michigan Transportation Research Institute Report UMTRI-99-21 // Ann Arbor, MUI: University of Michigan, 1999. 83 p.

3.  Gentex. New Headlight Sensors Make Night Driving Safer. [Online]. Available: http://www.roadandtravel.com/autoadvice/2007/highbeams.htm [Accessed 16 June 2016].

4.  Mobileye. Head Lamp Control. [Online]. Available: http://www.mobileye.com/technology/ap­plications/head-lamp-control/ [Accessed 16 June 2016].

5.  López A., Hilgenstock J., Busse A., et al. Nighttime vehicle detection for intelligent headlight control //International Conference on Advanced Concepts for Intelligent Vision Systems. Springer Berlin Heidelberg, 2008. Pp. 113-124.

6.  Shashua A., Gdalyahu Y., Hayun G. Pedestrian detection for driving assistance systems: Single-frame classification and system level performance //Intelligent Vehicles Symposium, 2004 IEEE. IEEE, 2004. Pp. 1-6.

7. Darko Juric. On-road Night-time Vehicle Light Detection and Tracking Methods Overview. [Online]. Available: http://across.fer.hr/_download/reposito­ry/KDI_Darko_Juric.pdf. [Accessed 16 June 2016]

8.  Kanhere N. K. Vision-based detection, tracking and classification of vehicles using stable features with automatic camera calibration. A dissertation for the degree doctor of philosophy electrical engineering. Clemson University, 2008, 105 p.

9.  Piniarski K., Pawłowski P., Dąbrowski A. Pedestrian detection by video processing in automotive night vision system // Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA), 2014. IEEE, 2014. Pp. 104-109.

10.  Alcantarilla P. F., Bergasa L. M., Jimenez P., et al. Night time vehicle detection for driving assistance lightbeam controller //Intelligent Vehicles Symposium, 2008 IEEE. IEEE, 2008. Pp. 291-296.

11.  Ying Li and Sharath Pankanti. Intelligent headlight control using camera sensors// Proceedings of the Workshop on Use of Context in Vision Processing (UCVP '09). ACM, New York, 2009. Pp. 1-6.

12. Колесникова С. И. Методы анализа информативности разнотипных признаков // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2009. № 1 (6). С.71-79.

13. Карпухин С.Д., Быков Ю. А. Световая микроскопия и количественная обработка изображений структур материалов; Под ред. Ю. А. Быкова; Моск. гос. техн. ун-т им. Н. Э. Баумана. М.: Издательство МГТУ, 2003. 48 c.

14. Sutar V.B., Admuthe L.S. Night Time Vehicle Detection and Classification Using Support Vector Machine// IOSR Journal of VLSI and Signal Processing (IOSR-JVSP). Vol. 1, Iss. 4, Nov. Dec. 2012, Pp. 01-09.

15. Padmavathi S, Keerthana Gunasekaran. Night Time Vehicle Detection for Real Time Traffic Monitoring Systems: A Review// Int.J.Computer Technology & Applications. March-April 2014. Vol 5 (2). Pp. 451-456.

16. Gormer S., Muller D., Hold S., et al. Vehicle recognition and ttc estimation at night based on spotlight pairing //ITSC'09: Proc. of the IEEE Intelligent Transportation Systems Conf. 2009. Pp. 1-6.

Для цитирования: Рахимов Д. Р., Надеев А. Ф., Шулико Д. С., и др. Оценка информативности признаков алгоритма классификации объектов системы адаптивного управления головным освещением автомобиля // Вестник Поволжского государственного технологического университета. Сер.: Радиотехнические и инфокоммуникационные системы. 2016. № 4 (32). С. 42-50. DOI: 10.15350/2306-2819.2016.4.42