基于特征融合的車輛檢測算法研究.pdf

1、近年來，隨著交通事業(yè)的迅速發(fā)展，汽車數(shù)量也迅猛增加，道路交通安全問題日益突出，為了解決這一問題，社會各界致力于研究各種交通輔助系統(tǒng)，旨在通過智能交通系統(tǒng)來提高駕駛的安全性。車輛檢測是智能交通系統(tǒng)中的重要組成部分，通過對駕駛環(huán)境的有效分析，對可能發(fā)生的交通事故進行預(yù)警，有效的降低交通事故的發(fā)生率。
　　目前，基于特征的車輛檢測方法被研究者廣泛使用，這種方法主要分為特征提取和分類器訓(xùn)練兩個部分。首先，在特征選取上要選擇能有力表征車輛信

2、息的特征，多層次垂直導(dǎo)向梯度和多層次局部二值模式都能較好的描述車輛的信息。其次，在分類器訓(xùn)練上要選用分類速度快，識別率高的分類器，交叉核SVM分類器具各這些優(yōu)點。根據(jù)上述分析，本文設(shè)計了一種基于特征融合和交叉核SVM的車輛檢測算法。
　　本文設(shè)計了一種融合多層次垂直導(dǎo)向梯度特征和多層次局部二值模式算子的車輛特征，為避免融合后特征維數(shù)過高而造成訓(xùn)練模型時較為耗時，本文將主元分析應(yīng)用到車輛檢測系統(tǒng)中。用主元分析對多層次垂直導(dǎo)向梯度特征

3、降維，然后再和多層次局部二值模式算子串聯(lián)融合。本文使用交叉核SVM對得到的特征訓(xùn)練并分類，有效的縮短了訓(xùn)練生成模型和檢測分類的時間。
　　利用多尺度滑動窗遍歷的方法實現(xiàn)對不同大小車輛的檢測。這樣就可能會導(dǎo)致同一目標(biāo)車輛有多個檢測結(jié)果，本文使用窗口融合的方法對多個檢測結(jié)果進行融合，得到最終的檢測結(jié)果。
　　為驗證本文算法的性能，本文做了對比實驗，實驗結(jié)果表明，本文的基于特征融合的車輛檢測算法在有效的提升了車輛檢測準(zhǔn)確率的同時降