基于固定场景视频的运动车辆检测

《基于固定场景视频的运动车辆检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第38卷，第5期公路工程Vo1．38，No．52013年10月HighwayEngineeringOct．，2013基于固定场景视频的运动车辆检测刘樟伟。，潘晓东，谭华春(1．同济大学道路与交通工程教育部重点实验室，上海201804；2．北京理工大学机械与车辆学院，北京100081)[摘要】为提高智能交通系统中运动车辆检测的效率，在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法。通过提取交通监控图像的扩展类Haar特征，在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器，利用级联分类器进行固定场景视频的运动车辆检测。测试结果表

2、明，该方法具有良好的实时性和鲁棒性，在智能交通领域有广泛的应用前景。[关键词]智能交通系统；车辆检测；类Haar特征；Adaboost算法[中图分类号】U491．1l6[文献标识码】A[文章编号】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，因此存在检测的实时性和精度不高等问题。帧1概述差法是目前目标检测常用的方法，它具有实现简单、智能交通系统⋯是目前世界各国交通领域竞算法复杂度低等优点，但在实际交通场景中，交通背相研究和开发的前沿课题。其旨在研究如何使人、景往往变化复杂，易受光线变化的影响，因此该方法车、路和谐统一及密切配合，从而提高交通效率、增在复杂的交通背景中无法高效准确地进

6、行运动车辆长经济效益、保障行车安全。运动车辆检测作为交检测。支持向量机(SVM)法是通过有限信息选择通自动监控系统的重要组成部分，是数量统计、车辆出基于该条件下的最优解决方案，在解决小样本、非跟踪等的基础。高效、快速的车辆检测方法的实现线性及高维模式识别问题中表现出特有的优势。但对交通管理和交通安全具有重要的学术价值和实用由于实际道路中车辆的大小不～、种类繁多，因此需意义。要大量的训练样本，然而随着样本量的变大，训练时目前国内外常用的基于视频的运动车辆检测方间延长，方法的实时性变差。。法主要有光流法、帧差法、支持向量机法等。鉴于以上所述方法的局限性，在适用性以及运光流法可以在不了解当前

7、场景任何信息的情况下进算效率等方面存在问题。针对固定场景下复杂道路行运动目标的检测，但由于其求解过程复杂，运算量交通的运动车辆检测，本文提出一种基于类Haar特【收藕日期】2013一Ol—l5【作者简介]刘樟伟(1990一)．男，江西上饶人硕士研究生，主要研究方向为道路交通安全与环境工程。第5期刘樟伟，等：基于固定场景视频的运动车辆检测279征结合改进的AdaBoost分类器的识别算法。首先根据实际需要，选取包含车辆样本和非车辆样获取一定数量的