特征级联在车辆检测中的应用与研究

来源：计算机测量与控制杂志2016年第9期北京时间：

作者：郭克友,王艺伟,郭晓丽

摘要：对现有的采用机器学习算法检测车辆进行研究,分析其存在的不足；表现在特征或者算法单一,对光照等条件变化鲁棒性不够；针对这些问题,提出一种融合LBP特征与HOG特征,并结合Adaboost与SVM的车辆检测算法；借鉴级联的思想,首先采用AdaBoost对训练样本提取LBP特征进行训练,得到的分类器用于初步筛选并将其分类结果作为下一层分类器的输入；然后采用SVM算法对训练样本提取HOG特征进行训练,得到的分类器用于二次筛选上一层分类器的分类结果；实验结果证明Adaboost-SVM相结合的办法检测结果精度高,准确率和召回率均达到95%以上,FPPW与FPPI的值均在5%左右；同时由于算法采用的特征对光照条件具有较强的鲁棒性,因此光照条件的变化对算法的识别结果影响较低；实时性方面,每帧图像的处理时间为75 ms,满足实时性要求。

关键词：LBP;HOG;AdaBoost;SVM;级联

基金资助：交通运输部信息化科技项目(No.2012-364-835-110)。