为解决AdaBoost+Haar分类器易发散和检测效率低等问题,对该算法的训练和检测进行改进:在训练阶段对负样本进行分类,训练出的分类器的结构先简单后复杂,这样可以有效避免分类器在训练的时候过早发散,提高检测效率;在检测阶段,提出车宽匹配检测算法,以检测框底边作参考边,调整检测窗口的范围,减少检测窗口数量。实测表明,在白天不同时段、不同场景情况下用该算法来检测车辆,能够在提高检测率的同时,将检测速度提高7倍。
类型: 期刊论文
作者: 黎向锋,赵伟康,豆心愿,李堃,左敦稳
关键词: 算法,训练检测,分类器结构,车辆宽度
来源: 测控技术 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用
单位: 南京航空航天大学机电学院,吉林大学汽车工程学院
基金: 江苏省科技厅政策引导类计划(产学研合作)-前瞻性联合研究项目(BY2016003-12)
分类号: U467;TP391.41
DOI: 10.19708/j.ckjs.2019.02.009
页码: 42-45
总页数: 4
文件大小: 578K
下载量: 219
本文来源: https://www.lunwen90.cn/article/72c8c20f28744ea038ad74fd.html