基于HOG與SVM的車(chē)輛識(shí)別方法研究.pdf

1、智能交通的理念是二十世紀(jì)早期被人們所提出的，隨著城市建設(shè)日益發(fā)展，智能化的交通監(jiān)控越來(lái)越被人們所需要，可以說(shuō)它是科技發(fā)展所帶來(lái)的必然產(chǎn)物。車(chē)輛檢測(cè)系統(tǒng)智能交通的非常重要構(gòu)成部分，它是利用圖像處理的一些技術(shù)來(lái)獲取信息并做出進(jìn)一步分析從而進(jìn)行判斷的，對(duì)交通檢測(cè)的自動(dòng)化管理起到很大作用。它首先通過(guò)架設(shè)在交通路面上的監(jiān)控設(shè)備實(shí)時(shí)的拍攝路面信息，然后將這些所拍攝的畫(huà)面?zhèn)魉徒o車(chē)輛檢測(cè)系統(tǒng)，系統(tǒng)對(duì)其進(jìn)行分析并得出結(jié)果，再把結(jié)果送給交通管理中心，管理中

2、心通過(guò)這些分析結(jié)果對(duì)交通進(jìn)行實(shí)時(shí)的控制與管理。與其相關(guān)的技術(shù)主要包括圖像處理，模式識(shí)別，機(jī)器學(xué)習(xí)，視頻處理等計(jì)算機(jī)視覺(jué)知識(shí)。
　　本文使用了HOG+SVM的視頻車(chē)輛檢測(cè)方法，首先利用直方圖均衡結(jié)合差分高斯濾波和對(duì)比度均衡化的預(yù)處理方法，去除了強(qiáng)光及光照不均勻?qū)D像質(zhì)量的影響;再引用了全局和局部特征的融合辦法去獲取車(chē)輛特征。然后對(duì)大量車(chē)輛HOG特征訓(xùn)練SVM分類(lèi)器，然后從這些特征分類(lèi)器中選出分類(lèi)效果較好的。再隨后用各個(gè)分類(lèi)器對(duì)訓(xùn)練樣

3、本的分類(lèi)結(jié)果組合成新的特征向量，接著對(duì)那些向量再次用SVM得出最后的分類(lèi)器用以檢測(cè)車(chē)輛。最后在提取矩形檢測(cè)范圍時(shí)做一些形態(tài)上的處理和優(yōu)化，用以為隨后的跟蹤算法做準(zhǔn)備，畢竟當(dāng)車(chē)輛在視頻中某一幀被檢測(cè)出來(lái)時(shí)，無(wú)需對(duì)隨后的每一幀進(jìn)行同樣復(fù)雜的檢測(cè)操作，只需利用跟蹤算法求出相應(yīng)的位置變化即可。
　　本文實(shí)驗(yàn)部分給出并展示了一些相關(guān)的檢測(cè)結(jié)果，從這些結(jié)果可以看出本文算法在針對(duì)大部分車(chē)輛復(fù)雜場(chǎng)景都能很好應(yīng)對(duì)，對(duì)于某些極端情況，本文也給出了分析