论文摘要
随着车辆迅速增加,智能交通系统中的监控系统需要在复杂环境中快速、准确地检测车辆,在现有研究的基础上提出一种高效的车辆检测方案。首先选取像素自适应分割算法对其背景模型作线性优化,减少运算复杂度,提取前景斑点为定义区域;然后通过设定阈值确定感兴趣区域;在感兴趣区域里,选取哈尔（Haar-like）特征和方向梯度直方图特征,输入到优化后的Ada Boost+支持向量机（support vector machine,SVM）级联分类器中进行车辆检测。大量的实验证明了线性化像素自适应分割算法的优越性、Ada Boost+SVM级联分类器的快速性、整体车辆检测算法在检测车辆时的实时性和光照鲁棒性。
论文目录
文章来源
类型: 期刊论文
作者: 孙渊,侯进
关键词: 车辆检测,像素自适应分割算法,感兴趣区域,哈尔特征,方向梯度直方图特征,级联分类器
来源: 计算机应用研究 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用
单位: 西南交通大学信息科学与技术学院
基金: 浙江大学CAD&CG国家重点实验室开放课题(A1823),成都市科技资助项目(科技惠民技术研发项目)(2015-HM01-00050-SF)
分类号: TP391.41;U495
DOI: 10.19734/j.issn.1001-3695.2018.05.0340
页码: 3481-3485
总页数: 5
文件大小: 2234K
下载量: 99
相关论文文献
标签：车辆检测论文; 像素自适应分割算法论文; 感兴趣区域论文; 哈尔特征论文; 方向梯度直方图特征论文; 级联分类器论文;