基于Haar-like特征与Adaboost算法的前方车辆辨识技术研究

• 作者: 乔洁 朱志明
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: Haar-like特征 Adaboost 训练样本集 辨识
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 180-184
• 页数: 5页
• 分类号: TN081
• 字数: 2566字
• 语种: 中文

摘要

为了提高前方车辆的辨识效能,提出一种融合Haar-like特征与Adaboost算法的前方车辆辨识方法,基于海量车辆样本集进行离线训练,提取有效车辆轮廓与纹理特征,以Haar-like特征作为目标描述方法,采用Adaboost机器学习算法训练分类器,并构建特征样本级联分类器,对测试对象进行车辆存在性检测.试验结果表明,提出的融合Haar-like与Adaboost的车辆辨识算法检测准确率为91％以上,平均检测速率28 ms,对车辆类型和环境干扰等非确定因素具有较强的自适应能力,提高了前方车辆纵向检测的鲁棒性,满足了车辆纵向维度的安全行驶应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱志明		5	15	1.0	3.0
2	乔洁	长安大学汽车学院	9	51	5.0	7.0