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確率的同時降