基于形状特征及边缘候选区域的车辆检索技术

来源：计算机工程与应用杂志2017年第19期北京时间：

作者：李 浩1，2，连 捷3，张 俊3

单位：1.西安文理学院 物联网关键技术及应用重点实验室，西安 710065；2.东南大学 交通学院，南京 210000；3.中国电子科技集团公司 第三十八研究所，合肥 230088

摘要：为了快速定位监控场景中不同姿态的车辆位置，结合车辆外形特征、目标候选区域和级联Boosting分类器进行多角度车辆检测。对不同角度和纵横比的车辆进行聚类，然后对每种姿态的车辆提取候选区域的累积通道特征（ACF），使用AdaBoost学习分类器用于车辆检测，此外，检测时用边缘框计算可能存在物体的区域代替滑动窗法进行提速。以含有较难、中等、较易3种难度水平超过3?500个样本为测试集进行了快速车辆检测测试，并与ACF、DPM、NPD和HOG-Haar等4种方法进行了对比，实验结果表明基于候选区域的车辆检测方法性能最优，在3种测试集上平均达到了85%以上的检测率。

关键词：车辆检测,形状聚类,目标候选区域,级联分类器