准确的汽车识别技术（适应非结构化道路，可以实现实时汽车主动安全系统）

        汽车识别技术国内外都有在做，目前一般识别只能适应于识别了道路的情况下发生的，能够在非结构化道路上进行识别的非常少。

       传统的识别一般都通过模式识别或者通过类似机器学习的方法进行对比，但是这样实际效果不是非常理想，所以，在实际应用过程中，要达到效果必须自己实现特征识别的主要过程。

上面显示的坐标是实际的实际坐标,相对于摄像头的位置来说的，单位是厘米。

上面测试的这些数据实际效率非常高我目前的笔记本每秒至少在35帧以上的速度。

下面再截图几张

下面这张是略带弯道的识别结果

下面这张是道路标记已经非常模糊的情况下，道路有点弯，

当然，这个算法本来就是对弯道不敏感，也就是说有没有弯道对他来说都没关系，它一样能识别.

        由于不是很会用csdn的博客，所以没有上传好视频，后面我再上传处理后的视频给大家看看。

      关于技术问题，这里实现的结果是由自己编写识别汽车特征。不是通过机器学习或者分类器训练之类的进行识别的，当然这些机器学习的效果我也有，实际效果不是很理想，对很多情况约束很大。自己实现的话不但效率高，而且精度，漏检检率等指标都比其他的好，而且容易进行二次补丁等。

      对于机器学习这类算法其实也不是不好，只是计算的模型不是很适用我们需要检测的目标，例如汽车检测。

   我们都知道，机器学习一般通过训练正样品计算出特征模型，这个特征模型数值一般通过负样品进行排除，所以，计算得到的特征模型跟输入数据量有关，同时也跟样品质量有关，一般来说要训练的话，至少样品在10w以上才会有效果，但是尽管要达到这个数量，你最后的模型也未必可行，理由很简单，你的正负样品总不是这类目标的所有。同时，由于机器学习是一个遍历所有可能性的过程，所以，在计算目标特征的情况下，你的特征模型只是某个可能对的模型，因为的认为对的模型是大部分能满足正样品特征，同时不同于负样品特征。这样的的话，他选的大部分样品未必是我们的一般性。所以实际效果不好。

     上面的算法我已经测试过几百公里的了，速度和质量都很稳定。

      如果大家想交流的话，可以留言，基本上我都尽量每天回复问题，这样也可以多交流。

补充说明：实际运算实际效率是每张图片少于30ms，测试平台是P4主频2.4G 32位XP系统。检测目标数量设定了少于15个。正前方汽车检测率基本在95%左右（两边的没这么高，如果配合我写的另外一个系统  就可以提升很高，迟些再发布）。

       如果有想合作的也可以联系，想交流的也可以，希望大家多多互相交流来提升。