基于固定場(chǎng)景視頻的運(yùn)動(dòng)車輛檢測(cè)

《基于固定場(chǎng)景視頻的運(yùn)動(dòng)車輛檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、第38卷，第5期公路工程Vo1．38，No．52013年10月HighwayEngineeringOct．，2013基于固定場(chǎng)景視頻的運(yùn)動(dòng)車輛檢測(cè)劉樟偉。，潘曉東，譚華春(1．同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804；2．北京理工大學(xué)機(jī)械與車輛學(xué)院，北京100081)[摘要】為提高智能交通系統(tǒng)中運(yùn)動(dòng)車輛檢測(cè)的效率，在固定場(chǎng)景視頻下基于類Haar特征和AdaBoost算法提出了一種運(yùn)動(dòng)車輛檢測(cè)方法。通過(guò)提取交通監(jiān)控圖像的擴(kuò)展類Haar特征，在OpenCV平臺(tái)上應(yīng)用AdaBoost算法進(jìn)行特征提取及訓(xùn)練得到級(jí)聯(lián)分類器，利用級(jí)聯(lián)分類器進(jìn)行固定場(chǎng)景視頻的運(yùn)動(dòng)車輛檢測(cè)。測(cè)試結(jié)果表

2、明，該方法具有良好的實(shí)時(shí)性和魯棒性，在智能交通領(lǐng)域有廣泛的應(yīng)用前景。[關(guān)鍵詞]智能交通系統(tǒng)；車輛檢測(cè)；類Haar特征；Adaboost算法[中圖分類號(hào)】U491．1l6[文獻(xiàn)標(biāo)識(shí)碼】A[文章編號(hào)】1674—0610(2013)05—0278—04VehicleDetectionBasedonSettledSceneVideoLIUZhangwei，PANXiaodong，TANHuachun(1．KeyLaboratoryofRoadandTrafficEngineeringoftheMinistryofEducation，TongjiUniversity，Shanghai201804

3、，China；2．SchoolofMechanicalEngineering，BeijingInstituteofTechnology，Beijing100081，China)[Abstract]Inordertoimprovetheefficiencyofmovingvehicledetectioninintelligenttransporta-tionsystems，analgorithmofvehicledetectionisproposedbasedonHaar—likefeaturesandAdaBoostalgo—rithminsettledscenevideo．Theex

4、tendedHaar-likefeaturesoftrafficmonitoringimageareextracted，thenselectfeaturesandtraincascadedclassifiersusingAdaBoostalgorithmbasedontheOpenCV，finallydetectmovingvehiclesusingcascadedclassifiers．Experimentalresultsdemonstratethattheproposedap—proacheshasgoodreal-timeandrobustness，andhasabroadap

5、plicationinthefieldofintelligenttrans—portationsystems．[Keywords]ITS；vehicledetection；Haar-likefeatures；Adaboostalgorithm大，因此存在檢測(cè)的實(shí)時(shí)性和精度不高等問(wèn)題。幀1概述差法是目前目標(biāo)檢測(cè)常用的方法，它具有實(shí)現(xiàn)簡(jiǎn)單、智能交通系統(tǒng)?是目前世界各國(guó)交通領(lǐng)域競(jìng)算法復(fù)雜度低等優(yōu)點(diǎn)，但在實(shí)際交通場(chǎng)景中，交通背相研究和開(kāi)發(fā)的前沿課題。其旨在研究如何使人、景往往變化復(fù)雜，易受光線變化的影響，因此該方法車、路和諧統(tǒng)一及密切配合，從而提高交通效率、增在復(fù)雜的交通背景中無(wú)法高效準(zhǔn)確地進(jìn)

6、行運(yùn)動(dòng)車輛長(zhǎng)經(jīng)濟(jì)效益、保障行車安全。運(yùn)動(dòng)車輛檢測(cè)作為交檢測(cè)。支持向量機(jī)(SVM)法是通過(guò)有限信息選擇通自動(dòng)監(jiān)控系統(tǒng)的重要組成部分，是數(shù)量統(tǒng)計(jì)、車輛出基于該條件下的最優(yōu)解決方案，在解決小樣本、非跟蹤等的基礎(chǔ)。高效、快速的車輛檢測(cè)方法的實(shí)現(xiàn)線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出特有的優(yōu)勢(shì)。但對(duì)交通管理和交通安全具有重要的學(xué)術(shù)價(jià)值和實(shí)用由于實(shí)際道路中車輛的大小不～、種類繁多，因此需意義。要大量的訓(xùn)練樣本，然而隨著樣本量的變大，訓(xùn)練時(shí)目前國(guó)內(nèi)外常用的基于視頻的運(yùn)動(dòng)車輛檢測(cè)方間延長(zhǎng)，方法的實(shí)時(shí)性變差。。法主要有光流法、幀差法、支持向量機(jī)法等。鑒于以上所述方法的局限性，在適用性以及運(yùn)光流法可以在不了解當(dāng)前

7、場(chǎng)景任何信息的情況下進(jìn)算效率等方面存在問(wèn)題。針對(duì)固定場(chǎng)景下復(fù)雜道路行運(yùn)動(dòng)目標(biāo)的檢測(cè)，但由于其求解過(guò)程復(fù)雜，運(yùn)算量交通的運(yùn)動(dòng)車輛檢測(cè)，本文提出一種基于類Haar特【收藕日期】2013一Ol—l5【作者簡(jiǎn)介]劉樟偉(1990一)．男，江西上饒人碩士研究生，主要研究方向?yàn)榈缆方煌ò踩c環(huán)境工程。第5期劉樟偉，等：基于固定場(chǎng)景視頻的運(yùn)動(dòng)車輛檢測(cè)279征結(jié)合改進(jìn)的AdaBoost分類器的識(shí)別算法。首先根據(jù)實(shí)際需要，選取包含車輛樣本和非車輛樣獲取一定數(shù)量的