基于自適應(yīng)推進(jìn)算法的多視角機動車檢測技術(shù).pdf

1、機動車檢測是模式識別、圖像處理和計算機視覺領(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、機動車輛識別以及人工智能等都有著十分廣泛的應(yīng)用前景和實用價值。
　　 機動車檢測(即車輛檢測),指對于給定的任意一幅圖像,采用一定的算法和策略對其進(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,為了實現(xiàn)檢測方法的魯棒性,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)出來的不同表象,即進(jìn)行多視角檢測。本文的主要工作如下:
　　 (1)在特征提取與檢測方面,為提高特征的計算速度,采用Harr-like特征表示圖像,并引入“積分圖”的概念；同時,為提高檢測速度,采用自適應(yīng)推進(jìn)算法來選擇特征組成強分類器,并采用“Cascade”策略進(jìn)行檢測。自適應(yīng)推進(jìn)算法是Viola等人提出的一種在人臉檢測中應(yīng)用的技術(shù),在取得較好檢測性能的同時,實現(xiàn)人臉的實時檢測,已基本達(dá)到實時

3、效果,可用于多視角的車輛檢測及實際應(yīng)用。
　　 (2)在多視角的車輛檢測器構(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)合來構(gòu)造各個視角的車輛檢測器,并在訓(xùn)練各個視角的車輛檢測器中采用Cascade方法將強分類器級聯(lián)構(gòu)成各個視角的最終分類器,最后在檢測階段引入視角估計進(jìn)行五個不同視角的預(yù)估計,綜合檢測結(jié)果,得出實驗結(jié)果。
　　 (3)在增加訓(xùn)練樣本方面,為解決訓(xùn)練樣本不足時的情況,本文引入增加訓(xùn)練樣本機

4、制。通過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)練樣本不足的問題,實驗結(jié)果表明增加訓(xùn)練樣本可以提高檢測效果。
　　 本文通過采用Haar-Like特征表示圖像,和采用自適應(yīng)推進(jìn)算法構(gòu)建強分類器,并采用Cascade方法級聯(lián)分類器,最后在檢測階段引入視角估計進(jìn)行檢測并得出檢測結(jié)果。實驗結(jié)果表明,采用基于Haar-Like特征和自適應(yīng)推進(jìn)算法能解決機動車多視角的問題,并達(dá)到檢測的