基于Haar-like特征与Adaboost算法的前方车辆辨识技术研究

来源：电子测量技术杂志2017年第5期北京时间：

作者：朱志明

单位：1. 华东交通大学南昌330013; 2. 长安大学汽车学院西安710064

摘要：为了提高前方车辆的辨识效能，提出一种融合Haarlike特征与Adaboost算法的前方车辆辨识方法，基于海量车辆样本集进行离线训练，提取有效车辆轮廓与纹理特征，以Haarlike特征作为目标描述方法，采用Adaboost机器学习算法训练分类器，并构建特征样本级联分类器，对测试对象进行车辆存在性检测。试验结果表明，提出的融合Haarlike与Adaboost的车辆辨识算法检测准确率为91%以上，平均检测速率28 ms，对车辆类型和环境干扰等非确定因素具有较强的自适应能力，提高了前方车辆纵向检测的鲁棒性，满足了车辆纵向维度的安全行驶应用需求。

关键词：Haar-like特征;Adaboost;训练样本集;辨识

基金资助：国家自然科学基金（51278062）资助项目