基于自適應(yīng)推進(jìn)算法的多視角機(jī)動(dòng)車檢測(cè)技術(shù).pdf

1、機(jī)動(dòng)車檢測(cè)是模式識(shí)別、圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中比較重要的研究課題,在視頻監(jiān)控技術(shù)、內(nèi)容的圖像與視頻檢索、機(jī)動(dòng)車輛識(shí)別以及人工智能等都有著十分廣泛的應(yīng)用前景和實(shí)用價(jià)值。
　　 機(jī)動(dòng)車檢測(cè)(即車輛檢測(cè)),指對(duì)于給定的任意一幅圖像,采用一定的算法和策略對(duì)其進(jìn)行搜索判斷其中是否存在車輛,若存在則返回車輛的位置、大小和姿態(tài)等。由于在現(xiàn)實(shí)生活中車輛經(jīng)常以不同視角出現(xiàn)在視頻圖像中,為了實(shí)現(xiàn)檢測(cè)方法的魯棒性,就需要考慮車輛在各種復(fù)雜的背景中、

2、不同方向、角度、尺度等情況下所展現(xiàn)出來(lái)的不同表象,即進(jìn)行多視角檢測(cè)。本文的主要工作如下:
　　 (1)在特征提取與檢測(cè)方面,為提高特征的計(jì)算速度,采用Harr-like特征表示圖像,并引入“積分圖”的概念；同時(shí),為提高檢測(cè)速度,采用自適應(yīng)推進(jìn)算法來(lái)選擇特征組成強(qiáng)分類器,并采用“Cascade”策略進(jìn)行檢測(cè)。自適應(yīng)推進(jìn)算法是Viola等人提出的一種在人臉檢測(cè)中應(yīng)用的技術(shù),在取得較好檢測(cè)性能的同時(shí),實(shí)現(xiàn)人臉的實(shí)時(shí)檢測(cè),已基本達(dá)到實(shí)時(shí)

3、效果,可用于多視角的車輛檢測(cè)及實(shí)際應(yīng)用。
　　 (2)在多視角的車輛檢測(cè)器構(gòu)造方面,本文采用基于Haar-Like特征和自適應(yīng)推進(jìn)算法相結(jié)合來(lái)構(gòu)造各個(gè)視角的車輛檢測(cè)器,并在訓(xùn)練各個(gè)視角的車輛檢測(cè)器中采用Cascade方法將強(qiáng)分類器級(jí)聯(lián)構(gòu)成各個(gè)視角的最終分類器,最后在檢測(cè)階段引入視角估計(jì)進(jìn)行五個(gè)不同視角的預(yù)估計(jì),綜合檢測(cè)結(jié)果,得出實(shí)驗(yàn)結(jié)果。
　　 (3)在增加訓(xùn)練樣本方面,為解決訓(xùn)練樣本不足時(shí)的情況,本文引入增加訓(xùn)練樣本機(jī)

4、制。通過(guò)在一幅正樣本圖像上應(yīng)用扭曲操作,產(chǎn)生數(shù)張訓(xùn)練樣本,再將此過(guò)程迭代,得到上千張訓(xùn)練樣本,解決了訓(xùn)練樣本不足的問(wèn)題,實(shí)驗(yàn)結(jié)果表明增加訓(xùn)練樣本可以提高檢測(cè)效果。
　　 本文通過(guò)采用Haar-Like特征表示圖像,和采用自適應(yīng)推進(jìn)算法構(gòu)建強(qiáng)分類器,并采用Cascade方法級(jí)聯(lián)分類器,最后在檢測(cè)階段引入視角估計(jì)進(jìn)行檢測(cè)并得出檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明,采用基于Haar-Like特征和自適應(yīng)推進(jìn)算法能解決機(jī)動(dòng)車多視角的問(wèn)題,并達(dá)到檢測(cè)的