基于改进HOG-LBP特征车前多目标分类仿真

• 作者: 乔瑞萍 张连超 王方 董员臣
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 智能车辆 多目标分类 融合特征 多级分类结构
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 138-141
• 页数: 4页
• 分类号: TP391.9
• 语种: 中文

摘要

针对城区复杂交通场景,提出一种基于改进的HOG-LBP融合特征的车辆前方多目标的分类方法.在特征提取阶段,将机器学习中常用的HOG特征和LBP特征结合,并对组合特征进行改进,在不影响检测精度的同时降低特征向量的维数,提高检测速度;分类器使用二叉树支持向量机,并根据各类目标的外形特征及其在车辆前方出现的概率,设计适用于“车辆-行人-非机动车-背景”这一多目标体系的多级分类方法.实验结果表明,上述方法能较好的实现车辆前方多目标分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔瑞萍		26	71	5.0	6.0
2	王方		10	16	3.0	3.0
3	董员臣		2	2	1.0	1.0
4	张连超		1	0	0.0	0.0