【摘要】：近年來,隨著我國經濟實力的提升,汽車制造業(yè)飛速發(fā)展。越來越多的汽車使得道路交通的正常運行變得越發(fā)艱難,交通事故頻發(fā)。為了改善當下的交通環(huán)境,智能交通系統(tǒng)備受人們青睞。車輛檢測作為智能交通的重要部分,已經變成了當下研究的熱點。本文深入研究了基于特征提取的車輛檢測方法。從特征提取、分類器分類兩方面入手。常用特征有HOG特征、SIFT特征、Haar特征、Harris特征等;常用分類器有SVM分類器、Adaboost分類器等。傳統(tǒng)車輛檢測方法誤檢率較高,復雜環(huán)境下檢測率較低,無法滿足實際檢測要求,需要進行改進。為了克服HOG特征描述力不足的缺點,將關鍵通道、放大系數引入到傳統(tǒng)HOG特征提取方法中。首先,利用樣本集圖片的平均梯度差值提取車輛圖片的關鍵通道,其次,利用放大系數放大HOG特征的關鍵通道,最終得到了局部放大的HOG特征。為了增強特征對車輛紋理信息的表達,在局部放大的HOG特征基礎上,融合LBP特征,融合特征的描述能力更強。能夠提高檢測率,降低樣本集的誤識別率。針對融合特征的特征維數較高,計算時間較長的問題,選擇了加性交叉核SVM進行分類和檢測,該分類器能夠有效的降低分類和檢測的時間,利用滑動窗口進行檢測。選擇UIUC車輛數據集對本文檢測方法進行測試。實驗結果表明本文的方法能夠很好的完成檢測任務,且比傳統(tǒng)HOG+SVM的方法誤檢率更低,檢測率更高。
【圖文】：

文獻[30]提出了一種快速 HOG 檢測算法，該方法將待檢圖像整體輸入到一檢測窗口，提取到梯度值后，將不同細胞的相同方向的向量串聯，，得到了代九個方向的九種通道向量，再將不同通道的梯度向量進行組合，Bin 組合如 1-1 所示。然后實驗測試不同通道組合后向量的檢測效果。找出最好的通道合來進行檢測，實現了一種快速且高效的檢測算法。

不同顏色，角度的車輛2)氣候的影響，陽光強烈時，車輛會有較多反光，下雨下雪，大霧天時，
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 董天陽;阮體洪;吳佳敏;范菁;;一種Haar-like和HOG特征結合的交通視頻車輛識別方法研究[J];浙江工業(yè)大學學報;2015年05期

2 陳銳;王敏;陳肖;;基于PCA降維的HOG與LBP融合的行人檢測[J];信息技術;2015年02期

3 孫銳;王晶晶;;一種基于核K-SVD和稀疏表示的車輛識別方法[J];模式識別與人工智能;2014年05期

4 周書仁;殷建平;;基于Haar特性的LBP紋理特征[J];軟件學報;2013年08期

5 許慶;高峰;徐國艷;;基于Haar特征的前車識別算法[J];汽車工程;2013年04期

6 黃煒;趙險峰;馮登國;盛任農;;基于主成分分析進行特征融合的JPEG隱寫分析[J];軟件學報;2012年07期

7 汪成亮;周佳;黃晟;;基于高斯混合模型與PCA-HOG的快速運動人體檢測[J];計算機應用研究;2012年06期

8 石志強;趙向東;李文軍;張挺;;基于HOG和block權重的快速人體檢測方法[J];微型機與應用;2012年11期

9 萬小紅;;一種基于中值濾波和小波變換的圖像去噪算法研究[J];北華大學學報(自然科學版);2012年03期

10 錢葉魁;陳鳴;葉立新;劉鳳榮;朱少衛(wèi);張晗;;基于多尺度主成分分析的全網絡異常檢測方法[J];軟件學報;2012年02期

相關碩士學位論文 前2條

1 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

2 顧幸方;基于隨機森林的視覺跟蹤算法研究及應用[D];南京理工大學;2013年

本文編號：2544075