基于Co-training方法的车辆鲁棒检测算法

• 作者: 刘星 杨德亮 辛乐 陈阳舟
• 来源期刊: 北京工业大学学报
• 学科: 工学
• 关键词: 车辆检测 Co-training Haar-like特征 AdaBoost分类器 HOG特征 SVM分类器
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 电子信息工程
• 页码范围: 394-401
• 页数: 8页
• 分类号: TH273
• 语种: 中文

摘要

针对复杂交通场景车辆检测算法自适应能力差的问题,提出了基于Co-training半监督学习方法的车辆鲁棒检测算法.首先,针对手工标记的少量样本,分别训练基于Haar-like特征的AdaBoost分类器和基于HOG(histograms of oriented gradients)特征的SVM(support vector machines)分类器,使其具有一定的识别能力;然后,基于Co-training半监督学习框架,将利用2种算法进行分类得到的新样本分别加入到对方的样本库中,增加训练样本数量,再次进行分类器的训练.由于这2类特征具有冗余性,各自检测出的正负样本包含对方漏检和误检的图像.由于样本数的增加,再次训练所得到的新分类器的鲁棒性得到了很大提高,能更加准确地检测出车辆,而且由算法对未标记样本进行分类标记,不再需要人为标记,提高了车辆检测算法的自适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈阳舟		139	1333	19.0	27.0
2	杨德亮		7	10	1.0	3.0
3	辛乐		15	78	6.0	8.0
4	刘星		10	17	2.0	3.0