基于图像处理的车辆识别系统设计

论文摘要

为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图(HOG)特征与支持向量机(SVM)的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.

论文目录

• 1 车辆检测系统结构设计
•   1.1 基于机器学习的目标检测算法
•   1.2 正负样本收集
• 2 车辆检测算法及原理
•   2.1 HOG特征的提取
•     2.1.1 HOG特征
•     2.1.2 图像梯度的计算
•     2.1.3 特征提取
•   2.2 SVM
•     2.2.1 SVM介绍
•     2.2.2 超平面选择
•     2.2.3 超平面求解
• 3 测试结果与讨论
•   3.1 实验环境
•   3.2 测试结果
•     3.2.1 检测流程
•     3.2.2 检测正确率测试
•     3.2.3 检测速率测试
• 4 结语

文章来源

类型: 期刊论文

作者: 邱国枢,张翔,刘军,王蕾,田青,郭建华

关键词: 目标检测,方向梯度直方图,支持向量机,车辆识别

来源: 吉首大学学报(自然科学版) 2019年05期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 江苏省徐州市公路管理处,北方工业大学电子信息工程学院,东南大学智能运输系统研究中心

基金: 国家重点研发计划资助(2017YFC0806005),国家自然科学基金资助项目(61806008)

分类号: TP391.41;U495

DOI: 10.13438/j.cnki.jdzk.2019.05.004

页码: 18-24

总页数: 7

文件大小: 752K

下载量: 286