基于多特征融合级联分类器的高速公路交通流检测方法研究.pdfVIP

本文引用,g--L：赵菁，陈峰 ，刘宇 基于多特征融合级联分类器的高速公路交通流检测方法研究 IJl 新型工业化，2014．4(2)：25—32． DIO：10．3969／j．issn．2095-6649．2014．2．01 基于多特征融合级联分类器的高速公路交通 流检测方法研究 赵菁，陈峰 ，刘宇 (清华大学 自动化系，北京 l00084) 摘 要：本文针对复杂的高速公路环境，对鲁棒的交通流检测算法进行研究 ，建立了有效 的基于多特 征融合级联分类器的高速公路交通流检测系统。本算法改善了现有常见交通流检测技术特征单一的劣势 ， 采用了多特征融合的方式 ，利用 目标 的颜色、梯度幅值 、梯度直方图等多种 图像特征 ，并通过级联分类器 的方式建立检测器 ，使算法有较好的时效性 。实验表 明，此算法及系统能够快速准确地检测高速公路场景 下 的交通流，对各种外观 以及角度的车辆均表现出较好的检测效果 ，具有较好的鲁棒性。 关键词：图像处理 ；多特征融合 ；积分通道特征；Adaboost VehicleDetection inHighwayScenesBasedonM ulti-featureCascade Classifier ZHA0Jing，CHENFeng。，LIUYu Abstract：W edemonstratearobustmulti—featurecascadeclassifierdetectorforvehicledetectionon highwayscenesthatimprovesbothinspeedandqualityoverstate—of—the—art．Multiplefeaturesincludecolor channels，gradientmagnitude，andgradienthistogramsareusedtorepresenttheobject．Suchfeatureshave beenusedinrecentliteratureforavarietyoftasksandproventobebeneficialfordifferenttaskenvironments． Weprovethatwhencoupledwithcascadeclassifiers，theseintegralchannelfeaturesareSOeffectivefor vehicledetectionthatthedetectorcanbeappliedinkindsofshootinganglesandvehicleappearances．Andby efficientlyhandlingdifferentscalesandtransferringcomputationwithintegralimages，convertingdetecting timetotrainingtime，efficiencyandrobustnessofthesystem areimproved． Keywords：Imageprocessing；Muti-feature；Integralchannelfeatures；Adaboost 0 引言 随着计算机视觉技术的发展，大量监控设备被广泛运用在交通系统中，智能地检测和分析 交通流成为现代交通系统的迫切诉求 …。交通流检测在现代智能交通系统以及图像处理理论研究 中占有重要的基础地位 ，其技术对提高交通系统的安全性和运输效率等，都有不可替代的促进 作用。在智能交通系统中，公路环境 的开放性，以及交通流组成的多样性是交通流检测问题的 两大主要挑战。随着智能交通的迅速发展 ，基于计算机视觉的交通流检测算法得到了广泛的研究， 基金项 目：国家自然科学基金 (Non、北京市 自然科学基金 (No．4122040)、清华大学 自主科研计划 (No．2012Z01011)和高等学校博士学科点专项科研基金的资助 作者简介 ：赵菁，清华大学 自动化系硕士研究生 ，主要研究方向：计算机视觉 ，目标检测与跟踪 通讯作者 ：陈峰 ，清华大学 自动化系教授，主要研究方向：计算机视觉，图模型 工业~2014 2一 从检测的关注点来看，可 以分为背景差分和前景检测两大类 。 背景差分的方法 ，从最初的背景差法 、帧差法，发展到利用混合高斯模型模拟动态背景的 方法来适应