安全辅助驾驶(Safety Driving Assist,简称SDA)是当前国际智能交通系统研究的重要内容,它主要解决交通安全的问题,对于困扰运输领域的交通堵塞及环境污染两个问题也有缓解作用。前方车辆探测是ITS中应用最为广泛的一个分支,在安全辅助驾驶、自动导航、交通监控、调度监控、事故检测等系统中,车辆探测是其中最为关键的一步。一般说来,它由候选区域确定(Hypothesis Generation,HG)和车辆确认(Hypothesis Verification,HV)两部分组成,即HG阶段和HV阶段。在HG阶段,确定车辆可能存在的区域,称之为候选区域;在HV阶段,对上一阶段产生的候选区域进行确认,判断是车辆或者背景,从而检测出车辆及其相应的位置。本文首先通过对CCD采集的车辆图像进行预处理,初步确定车辆候选区域,为后续的车辆识别工作做准备。具体处理如下:先对图像进行图像增强,增加图像的整体对比度,接着通过一维最大熵方法对图像进行阈值分割,然后采用区域增长和阈值面积消除等方法对图像进行二值化处理,再根据车辆本身的结构、形状、宽高比、车辆底部阴影等特点确定车辆的候选区域。在此基础上,鉴于Gabor滤波器在特征抽取的方面所具有的优势,本文采用了基于特征加权的Gabor特征抽取方法对选定的车辆样本和背景样本进行特征抽取,抽取的特征矢量作为支持矢量机(SVM)的输入进行训练,最后利用训练的SVM分类器对车辆进行分类识别,从而完成车辆的探测。实验数据表明,该方法在识别率与鲁棒性方面有所增强。