基于改进PBAS算法的级联特征行车检测

• 作者: 侯进 孙渊
• 来源期刊: 计算机应用研究
• 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 AdaBoost+ SVM级联分类器
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3481-3485
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0340

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AdaBoost+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、AdaBoost+ 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯进	西南交通大学信息科学与技术学院	58	375	9.0	17.0
2	孙渊	西南交通大学信息科学与技术学院	1	0	0.0	0.0