基于改进PBAS算法的级联特征行车检测

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

• 0 引言
• 1 本文算法框图
• 2 感兴趣区域获取
•   2.1 像素自适应分割算法（PBAS）
•   2.2 背景模型线性化的PBAS算法
•   2.3 ROI的确定
• 3 特征提取与级联分类器构建
•   3.1 Haar-like特征的选取
•   3.2 改进的HOG特征
•   3.3 Ada Boost与SVM结合的级联分类器的设计
• 4 实验部分
• 5 结束语

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