基于形状特征及边缘候选区域的车辆检索技术

• 作者: 张俊 李浩 连捷
• 来源期刊: 计算机工程与应用
• 学科: 交通运输
• 关键词: 车辆检测 形状聚类 目标候选区域 级联分类器
• 年，卷（期）: 2017,（19）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 147-151
• 页数: 5页
• 分类号: U495|TP39
• 字数: 4000字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1604-0170

摘要

为了快速定位监控场景中不同姿态的车辆位置,结合车辆外形特征、目标候选区域和级联Boosting分类器进行多角度车辆检测.对不同角度和纵横比的车辆进行聚类,然后对每种姿态的车辆提取候选区域的累积通道特征(ACF),使用AdaBoost学习分类器用于车辆检测,此外,检测时用边缘框计算可能存在物体的区域代替滑动窗法进行提速.以含有较难、中等、较易3种难度水平超过3500个样本为测试集进行了快速车辆检测测试,并与ACF、DPM、NPD和HOG-Haar等4种方法进行了对比,实验结果表明基于候选区域的车辆检测方法性能最优,在3种测试集上平均达到了85%以上的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李浩	西安文理学院物联网关键技术及应用重点实验室	31	95	4.0	8.0
3	张俊	中国电子科技集团公司第三十八研究所	16	13	2.0	3.0
4	连捷	中国电子科技集团公司第三十八研究所	6	16	2.0	4.0