半监督SVM分类算法的交通视频车辆检测方法

• 作者: 廖律超 蒋新华 邹复民 高晟
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 车辆检测 HOG特征 LBP特征 SVM分类器 半监督学习 运动区域
• 年，卷（期）: 2015,（5）
• 页码范围: 690-698
• 页数: 9页
• 分类号: TP181
• 字数: 6530字
• 语种: 中文
• DOI: 10.11992/tis.201406044

摘要

针对交通场景运动车辆检测中车辆数目统计准确率不高、自适应性不强等问题,提出了一种基于半监督支持向量机( SVM)分类算法的交通视频车辆检测方法. 利用人工标记的少量样本,分别训练2个基于方向梯度直方图(HOG)特征与基于局部二值模式(LBP)特征的不同核函数的SVM分类器;结合半监督算法的思想,构建SVM的半监督分类方法( SEMI-SVM) ,标记未知样本并加入到原样本库中,该方法支持样本库动态更新,避免了繁重的人工标记样本的工作,提高了自适应性;最后,通过三帧差分法提取运动区域,加载分类器在该区域进行多尺度检测,标记检测出来的运动车辆,统计车辆数目. 实验结果表明:该方法在具有一定的自适应性的同时,有较高的车辆检测准确率,即使在复杂交通情况下,对运动车辆依然有很好的检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋新华	中南大学信息科学与工程学院	78	573	11.0	20.0
5	邹复民	福建工程学院福建省汽车电子与电驱动技术重点实验室	59	656	12.0	23.0
6	廖律超	中南大学信息科学与工程学院	17	126	6.0	10.0
10	高晟	中南大学软件学院	1	7	1.0	1.0