随着经济发展和人民生活水平的提高,汽车的数量与日剧增,然而一些安全隐患也随之而来。私家车的胡乱停放占用了消防通道,严重危害了公共消防安全。为了避免该类危险的发生,消防通道车辆检测系统的运用显得尤为重要。基于物联网的消防通道车辆检测系统的主要功能是为了有效避免由于消防通道的占用而引发的火灾。当消防通道被车辆堵塞时,系统可自动识别车辆,并以发送短信等方式通知负责人及时处理堵塞。由于车辆检测算法是消防通道车辆检测系统的核心技术,因此找到一种合适的消防通道车辆检测算法具有重要的意义。本文通过研究包括基于特征、光流、机器学习等车辆检测的常用方法,提出了一种基于显著性检测的自适应阈值分割车辆底部阴影的方法和基于多特征融合级联分类器的车辆检测方法。本文主要完成了如下工作:提出了一种自适应阈值分割车辆底部阴影的方法。首先通过显著性检测方法提取车辆图像中的通道区域,排除非车道区域中的物体对检测结果的影响;其次对提取的通道区域进行灰度采样,通过统计采样的灰度值计算出车辆底部阴影的分割阈值;然后利用基于像素变化率的边缘提取方法对车辆底部阴影边缘进行提取;最后根据提取的阴影下边缘构建车辆感兴趣区域。提出了一种基于多特征融合级联分类器的车辆检测方法。首先进行基于Fisher准则的Haar特征与LBP特征融合,然后采用Adaboost级联分类器进行车辆检测。第一阶段使用抗光照效果较好的HOG特征训练出的分类器消除容易区分的非车辆样本,第二阶段采用融合特征训练出的分类器消除较难分类的非车辆样本。实验结果表明,本文所提方法能够在不同气候条件下,自适应地完成对消防通道中车辆的检测,与传统的车辆检测方法相比具有更高的检测率和更低的误检率。