本文關(guān)鍵詞：基于多特征級聯(lián)分類器的消防通道車輛檢測技術(shù)研究

  更多相關(guān)文章： 消防通道 車輛檢測 陰影特征 多特征融合 級聯(lián)分類器

【摘要】：隨著經(jīng)濟發(fā)展和人民生活水平的提高,汽車的數(shù)量與日劇增,然而一些安全隱患也隨之而來。私家車的胡亂停放占用了消防通道,嚴(yán)重危害了公共消防安全。為了避免該類危險的發(fā)生,消防通道車輛檢測系統(tǒng)的運用顯得尤為重要�；谖锫�(lián)網(wǎng)的消防通道車輛檢測系統(tǒng)的主要功能是為了有效避免由于消防通道的占用而引發(fā)的火災(zāi)。當(dāng)消防通道被車輛堵塞時,系統(tǒng)可自動識別車輛,并以發(fā)送短信等方式通知負責(zé)人及時處理堵塞。由于車輛檢測算法是消防通道車輛檢測系統(tǒng)的核心技術(shù),因此找到一種合適的消防通道車輛檢測算法具有重要的意義。本文通過研究包括基于特征、光流、機器學(xué)習(xí)等車輛檢測的常用方法,提出了一種基于顯著性檢測的自適應(yīng)閾值分割車輛底部陰影的方法和基于多特征融合級聯(lián)分類器的車輛檢測方法。本文主要完成了如下工作:提出了一種自適應(yīng)閾值分割車輛底部陰影的方法。首先通過顯著性檢測方法提取車輛圖像中的通道區(qū)域,排除非車道區(qū)域中的物體對檢測結(jié)果的影響;其次對提取的通道區(qū)域進行灰度采樣,通過統(tǒng)計采樣的灰度值計算出車輛底部陰影的分割閾值;然后利用基于像素變化率的邊緣提取方法對車輛底部陰影邊緣進行提取;最后根據(jù)提取的陰影下邊緣構(gòu)建車輛感興趣區(qū)域。提出了一種基于多特征融合級聯(lián)分類器的車輛檢測方法。首先進行基于Fisher準(zhǔn)則的Haar特征與LBP特征融合,然后采用Adaboost級聯(lián)分類器進行車輛檢測。第一階段使用抗光照效果較好的HOG特征訓(xùn)練出的分類器消除容易區(qū)分的非車輛樣本,第二階段采用融合特征訓(xùn)練出的分類器消除較難分類的非車輛樣本。實驗結(jié)果表明,本文所提方法能夠在不同氣候條件下,自適應(yīng)地完成對消防通道中車輛的檢測,與傳統(tǒng)的車輛檢測方法相比具有更高的檢測率和更低的誤檢率。
【關(guān)鍵詞】：消防通道 車輛檢測 陰影特征 多特征融合 級聯(lián)分類器
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TU998.1;TP391.41
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-16
• 1.1 課題研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.3 本文的主要研究內(nèi)容及技術(shù)路線12-13
• 1.4 本文的結(jié)構(gòu)安排13-16
• 2 車輛感興趣區(qū)域提取方法16-34
• 2.1 圖像預(yù)處理16-22
• 2.1.1 圖像灰度化16-17
• 2.1.2 圖像去噪處理17-20
• 2.1.3 圖像形態(tài)學(xué)處理20-22
• 2.2 基于車輛底部陰影特征的感興趣區(qū)域提取22-32
• 2.2.1 顯著性檢測22-28
• 2.2.2 車輛底部陰影的自適應(yīng)閾值方法28-30
• 2.2.3 車輛底部陰影邊緣特征提取30-31
• 2.2.4 車輛感興趣區(qū)域確定31-32
• 2.3 本章小結(jié)32-34
• 3 車輛多特征融合算法34-48
• 3.1 Haar-like矩形特征34-38
• 3.1.1 Haar-like矩形特征的定義35-37
• 3.1.2 計算子窗口中Haar-like矩形特征數(shù)量37
• 3.1.3 積分圖像計算Haar-like特征37-38
• 3.2 HOG特征38-41
• 3.2.1 HOG算法流程38-40
• 3.2.2 積分直方圖計算HOG特征40-41
• 3.3 LBP紋理特征41-42
• 3.3.1 LBP紋理特征41
• 3.3.2 LBP特征算法流程41-42
• 3.4 基于Fisher準(zhǔn)則的車輛多特征融合算法42-46
• 3.4.1 Fisher準(zhǔn)則算法描述43-44
• 3.4.2 多特征融合算法驗證44-46
• 3.5 本章小結(jié)46-48
• 4 基于多特征融合級聯(lián)分類器的車輛檢測方法48-64
• 4.1 Adaboost算法48-51
• 4.1.1 Adaboost算法介紹48-50
• 4.1.2 Discrete Adaboost算法50
• 4.1.3 Gentle Adaboost算法50-51
• 4.2 多特征融合級聯(lián)分類器設(shè)計51-56
• 4.2.1 弱分類器設(shè)計52-53
• 4.2.2 多特征融合級聯(lián)分類器的生成53-56
• 4.3 仿真與實驗結(jié)果分析56-63
• 4.3.1 實驗平臺56-57
• 4.3.2 訓(xùn)練樣本集的建立57-58
• 4.3.3 分類器的訓(xùn)練58-59
• 4.3.4 實驗結(jié)果及分析59-63
• 4.4 本章小結(jié)63-64
• 5 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 致謝66-68
• 參考文獻68-74
• 附錄74
• A. 作者在攻讀學(xué)位期間發(fā)表的論文（和專利）目錄74
• B. 作者在攻讀學(xué)位期間參與的科研項目74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳剛,戚飛虎;多分類器結(jié)合的人臉識別[J];上海交通大學(xué)學(xué)報;2001年02期

2 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2002年01期

3 趙誼虹,程國華,史習(xí)智;多分類器融合中一種新的加權(quán)算法[J];上海交通大學(xué)學(xué)報;2002年06期

4 王衛(wèi)東;鄭宇杰;楊靜宇;;智能分類器方法[J];江蘇科技大學(xué)學(xué)報(自然科學(xué)版);2007年01期

5 鐘將;馮永;李志國;葉春曉;;基于自適應(yīng)免疫分類器的入侵檢測[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2007年07期

6 葉云龍;楊明;;基于隨機子空間的多分類器集成[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2008年04期

7 趙洋;冀俊忠;李文斌;;基于復(fù)雜網(wǎng)絡(luò)的分類器融合[J];科學(xué)技術(shù)與工程;2008年14期

8 夏俊;劉金梅;;不同分類器在遙感數(shù)據(jù)分類中的性能比較[J];價值工程;2013年04期

9 ;邏輯設(shè)計講座——第八講 標(biāo)志信號和標(biāo)志分類器[J];貴州機械;1979年04期

10 N.B.Venkateswarlu ,P.S.V.S.K.Raju ,艾東;一種新的遙感影象快速分類器[J];干旱區(qū)地理;1993年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓(xùn)練演進[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學(xué)習(xí)方法[A];黑龍江省計算機學(xué)會2009年學(xué)術(shù)交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認(rèn)證[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認(rèn)[A];第四屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評估的動態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學(xué)會第七屆學(xué)術(shù)交流會論文集（上卷）[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學(xué);2014年

3 許勁松;智能交通中目標(biāo)檢測與分類關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

4 余家林;普通場景視頻人臉檢測與識別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹種類識別研究[D];北京林業(yè)大學(xué);2015年

6 任亞峰;基于標(biāo)注和未標(biāo)注數(shù)椐的虛假評論識別研究[D];武漢大學(xué);2015年

7 曹鵬;不均衡數(shù)據(jù)分類方法的研究[D];東北大學(xué);2014年

8 劉明;分類器組合技術(shù)研究及其在人機交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

9 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學(xué);2011年

10 王U，

本文編號：633794