基于HOG特征提取的车辆检测方法研究

发布时间：2019-09-29 18:39

【摘要】：近年来,随着我国经济实力的提升,汽车制造业飞速发展。越来越多的汽车使得道路交通的正常运行变得越发艰难,交通事故频发。为了改善当下的交通环境,智能交通系统备受人们青睐。车辆检测作为智能交通的重要部分,已经变成了当下研究的热点。本文深入研究了基于特征提取的车辆检测方法。从特征提取、分类器分类两方面入手。常用特征有HOG特征、SIFT特征、Haar特征、Harris特征等;常用分类器有SVM分类器、Adaboost分类器等。传统车辆检测方法误检率较高,复杂环境下检测率较低,无法满足实际检测要求,需要进行改进。为了克服HOG特征描述力不足的缺点,将关键通道、放大系数引入到传统HOG特征提取方法中。首先,利用样本集图片的平均梯度差值提取车辆图片的关键通道,其次,利用放大系数放大HOG特征的关键通道,最终得到了局部放大的HOG特征。为了增强特征对车辆纹理信息的表达,在局部放大的HOG特征基础上,融合LBP特征,融合特征的描述能力更强。能够提高检测率,降低样本集的误识别率。针对融合特征的特征维数较高,计算时间较长的问题,选择了加性交叉核SVM进行分类和检测,该分类器能够有效的降低分类和检测的时间,利用滑动窗口进行检测。选择UIUC车辆数据集对本文检测方法进行测试。实验结果表明本文的方法能够很好的完成检测任务,且比传统HOG+SVM的方法误检率更低,检测率更高。
【图文】：

文献[30]提出了一种快速 HOG 检测算法，该方法将待检图像整体输入到一检测窗口，提取到梯度值后，将不同细胞的相同方向的向量串联，，得到了代九个方向的九种通道向量，再将不同通道的梯度向量进行组合，Bin 组合如 1-1 所示。然后实验测试不同通道组合后向量的检测效果。找出最好的通道合来进行检测，实现了一种快速且高效的检测算法。

不同颜色，角度的车辆2)气候的影响，阳光强烈时，车辆会有较多反光，下雨下雪，大雾天时，
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】

相关期刊论文 前10条

1 董天阳;阮体洪;吴佳敏;范菁;;一种Haar-like和HOG特征结合的交通视频车辆识别方法研究[J];浙江工业大学学报;2015年05期

2 陈锐;王敏;陈肖;;基于PCA降维的HOG与LBP融合的行人检测[J];信息技术;2015年02期

3 孙锐;王晶晶;;一种基于核K-SVD和稀疏表示的车辆识别方法[J];模式识别与人工智能;2014年05期

4 周书仁;殷建平;;基于Haar特性的LBP纹理特征[J];软件学报;2013年08期

5 许庆;高峰;徐国艳;;基于Haar特征的前车识别算法[J];汽车工程;2013年04期

6 黄炜;赵险峰;冯登国;盛任农;;基于主成分分析进行特征融合的JPEG隐写分析[J];软件学报;2012年07期

7 汪成亮;周佳;黄晟;;基于高斯混合模型与PCA-HOG的快速运动人体检测[J];计算机应用研究;2012年06期

8 石志强;赵向东;李文军;张挺;;基于HOG和block权重的快速人体检测方法[J];微型机与应用;2012年11期

9 万小红;;一种基于中值滤波和小波变换的图像去噪算法研究[J];北华大学学报(自然科学版);2012年03期

10 钱叶魁;陈鸣;叶立新;刘凤荣;朱少卫;张晗;;基于多尺度主成分分析的全网络异常检测方法[J];软件学报;2012年02期

相关硕士学位论文 前2条

1 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年

2 顾幸方;基于随机森林的视觉跟踪算法研究及应用[D];南京理工大学;2013年

本文编号：2544075