原文传递
基于HOG与SVM的车辆识别方法研究
| 论文题名： | 基于HOG与SVM的车辆识别方法研究 |
| 关键词： | 车辆识别;方向梯度直方图;支持向量机;监督管理 |
| 摘要： | 智能交通的理念是二十世纪早期被人们所提出的，随着城市建设日益发展，智能化的交通监控越来越被人们所需要，可以说它是科技发展所带来的必然产物。车辆检测系统智能交通的非常重要构成部分，它是利用图像处理的一些技术来获取信息并做出进一步分析从而进行判断的，对交通检测的自动化管理起到很大作用。它首先通过架设在交通路面上的监控设备实时的拍摄路面信息，然后将这些所拍摄的画面传送给车辆检测系统，系统对其进行分析并得出结果，再把结果送给交通管理中心，管理中心通过这些分析结果对交通进行实时的控制与管理。与其相关的技术主要包括图像处理，模式识别，机器学习，视频处理等计算机视觉知识。 本文使用了HOG+SVM的视频车辆检测方法，首先利用直方图均衡结合差分高斯滤波和对比度均衡化的预处理方法，去除了强光及光照不均匀对图像质量的影响;再引用了全局和局部特征的融合办法去获取车辆特征。然后对大量车辆HOG特征训练SVM分类器，然后从这些特征分类器中选出分类效果较好的。再随后用各个分类器对训练样本的分类结果组合成新的特征向量，接着对那些向量再次用SVM得出最后的分类器用以检测车辆。最后在提取矩形检测范围时做一些形态上的处理和优化，用以为随后的跟踪算法做准备，毕竟当车辆在视频中某一帧被检测出来时，无需对随后的每一帧进行同样复杂的检测操作，只需利用跟踪算法求出相应的位置变化即可。 本文实验部分给出并展示了一些相关的检测结果，从这些结果可以看出本文算法在针对大部分车辆复杂场景都能很好应对，对于某些极端情况，本文也给出了分析与说明，总体来说本文的方法还是具有了一定的成效并得到证明。 |
| 作者： | 韩志刚 |
| 专业： | 软件工程 |
| 导师： | 曾文华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 厦门大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
