基于HOG和Haar-like融合特征的車輛檢測(cè).pdf

1、　　全世界的汽車數(shù)量急劇增長(zhǎng)，汽車數(shù)量激增引起各種交通問題，因此人們需要智能交通系統(tǒng)來提高交通效率。智能交通系統(tǒng)是以物聯(lián)網(wǎng)為基礎(chǔ)，面向交通管理和運(yùn)輸?shù)姆?wù)體系。而車輛檢測(cè)是智能交通系統(tǒng)中重要的分支之一。本文的主要研究?jī)?nèi)容如下：
　　本文介紹了車輛檢測(cè)的常用方法，包括背景相減法、幀差法和光流法。為了提高車輛檢測(cè)的準(zhǔn)確率。本文采用兩步策略進(jìn)行車輛檢測(cè)：(1)候選區(qū)域產(chǎn)生；(2)候選區(qū)域驗(yàn)證。
　　在候選區(qū)域產(chǎn)生階段，先對(duì)車輛

2、檢測(cè)圖像預(yù)處理，采用中值法去除白噪聲，然后用大津法提取車輛陰影特征，用Canny算子邊緣檢測(cè)提取車輛的對(duì)稱特征，從而產(chǎn)生車輛候選區(qū)域。
　　在候選區(qū)域驗(yàn)證階段，介紹了矩形濾波器Haar-like特征和方向梯度直方圖HOG特征的融合，將提取的特征輸入AdaBoost級(jí)聯(lián)分類器進(jìn)行車輛候選區(qū)域驗(yàn)證。在級(jí)聯(lián)的早期層，它使用比Haar-like特征計(jì)算量小的HOG特征消除容易區(qū)分的非車樣本，在后期層采用Haar-like特征消除難分類的