融合 SIFT 和级联分类器的特种车辆自动检测识别

来源：计算机技术与发展杂志2023年第09期北京时间：

作者：唐海涛;';吴果林;';范广义;陈迪三

单位：1. 桂林航天工业学院 理学院,广西 桂林 541004;2. 桂航大数据技术应用研究中心,广西 桂林 541004;3. 南京高精齿轮集团有限公司,江苏 南京 210000

摘要：针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换( Scale-Invariant Feature Transform,SIFT) 和级联分类器的特种车辆自动检测及识别预测方法。 首先,图像预处理后运用 SIFT 特征提取图像主体区域特征点及特征描述子;其次,结合 SIFT 特征点的密度调整优化算法实现目标车辆检测;最后,运用 KMeans 聚类算法获得目标检测框中 SIFT 特征描述子的中心聚类点,生成表征目标主体图像的 128 维特征描述子,并最终输入 RF-RBF( Random Forest-Radial Basis Function) 级联分类器进行学习并识别预测。该文均采用 K 折交叉验证方法保证模型的稳定性和可靠性。实验结果表明,在特定场景下特种车辆目标检测获得了 75.47% 平均交并比,级联分类器在特种车辆识别的综合准确率、精确率、召回率、F1 -Score 值以及 FPS 值分别为 87.35% 、88.17% 、97.27% 、92. 38% 以及 21。 进一步验证融合 SIFT 和级联分类器模型具有较好的自动化检测准确性和识别分类能力。

关键词：尺度不变特征变换;KMeans;RF-RBF 级联分类器;K 折交叉验证;特种车辆