基于改進(jìn)Adaboost算法的視頻車輛輪廓檢測(cè)算法研究.pdf

1、視頻車輛輪廓檢測(cè)技術(shù)作為智能交通中的關(guān)鍵技術(shù)，在日常生活中有著廣泛的應(yīng)用前景。而智能交通對(duì)于視頻車輛輪廓檢測(cè)技術(shù)也有著實(shí)時(shí)性和準(zhǔn)確性等嚴(yán)苛的要求。而在檢測(cè)時(shí)，視頻圖像中復(fù)雜的背景以及各式各樣的干擾，是目前視頻車輛輪廓檢測(cè)技術(shù)面臨的問題。而隨著國內(nèi)外學(xué)者的不斷努力，各式各樣的檢測(cè)算法層出不窮。Adaboost算法是近些年來比較流行的機(jī)器學(xué)習(xí)算法，在人臉識(shí)別領(lǐng)域有著出色的表現(xiàn)。同樣，adaboost算法可以應(yīng)用于視頻車輛輪廓檢測(cè)領(lǐng)域。本文根

2、據(jù)經(jīng)典的adaboost算法，在其基礎(chǔ)上做出了一些改進(jìn)，研究工作如下：
　?。?）介紹視頻車輛輪廓檢測(cè)技術(shù)研究的背景意義，了解其中面臨的問題。
　?。?）介紹分析幾種現(xiàn)有的視頻車輛輪廓檢測(cè)算法，了解其原理，并總結(jié)出存在的問題。
　?。?）詳細(xì)了解 adaboost算法，理解其原理和實(shí)現(xiàn)過程，依次介紹 haar特征、積分圖以及分類器的訓(xùn)練及選取過程。
　?。?）提出一種改進(jìn)的adaboost算法進(jìn)行視頻車輛輪廓檢測(cè)

3、。首先，針對(duì)算法學(xué)習(xí)過程中，haar特征計(jì)算量過于龐大且耗時(shí)的現(xiàn)象，提出了對(duì)訓(xùn)練樣本進(jìn)行裁剪，去除樣本邊緣像素，有效減少特征數(shù)量，從而降低了計(jì)算量。
　?。?）Adaboost算法檢測(cè)在對(duì)視頻圖像進(jìn)行檢測(cè)時(shí)，滑動(dòng)子窗口會(huì)在待檢圖像上依次滑過，圖像中無關(guān)信息都需要被檢測(cè)一遍，相當(dāng)耗時(shí)。提出了使用光流法來獲取視頻圖像中的運(yùn)動(dòng)區(qū)域作為感興趣區(qū)域，在感興趣區(qū)域中使用 canny算子進(jìn)行邊緣檢測(cè)，通過邊緣能量篩選感興趣區(qū)域，排除非感興趣區(qū)域