一种基于HOG-LBP的高效车辆检测方法-论文.pdf

《一种基于HOG-LBP的高效车辆检测方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第40卷第9期计算机工程2014年9月Vo1．40No．9ComputerEngineeringSeptember2014·人工智能及识别技术·文章编号：1000-3428(2014)09-0210-05文献标识码：A中图分类号：TP39一种基于HoG—LBP的高效车辆检测方法杨先凤，杨燕(西南石油大学计算机科学学院，成都610500)摘要：针对形状特征在车辆检测中存在的误检现象，在分析误检原因的基础上，提出一种融合形状和纹理特征的车辆检测方法。对检测窗口中划分的胞元进行方向梯度直方图特征和统一化局部二进制模式算子的求解，统计检测窗口中各胞元的特征情

2、况，在形成浏览窗口的形状和纹理特征过程中，采用主成分分析解决特征的高维度和冗余问题，结合支持向量机进行特征训练和检测实验。实验结果证明，该方法有效兼顾车辆图像的形状和纹理两方面的特征，在不影响检测速度的同时，明显降低了车辆检测的误检率，在时效和精度两方面都取得较好的效果。关键词：车辆检测；误检；方向梯度直方图；局部二进制模式；主成分分析；支持向量机AMethodofEficientVehicleDetectionBasedonHOG-LBPYANGXian-feng，YANGYan(InstituteofComputerScience，Southwe

3、stPetroleumUniversity，Chengdu610500，China)【Abstract】Accordingtothe~amreerroneousinspectionthatconsistsinvehicledetection，thispaperproposesavehicledetectionmethodbasedonthefusionshapeandtexturecharacteristicsinanalysisoftheerrorreason．ItcalculatestheHistogramofOrientedGradient(H

4、OG)featureandtheunifiedLocalBinaryPattern(LBP)operatorforallcellindetectionwindow，solvestheproblemofhighdimensioncharacteristicandredundancybyPrincipalComponentAnalysis(PCA)inthebrowserwindowandtexturecharacteristics—formingprocess．CombinedwiththeSupportVectorMachine(SVM)，itdoe

5、sthefeaturetrainingandtestexperiment．Experimentalresultsshowthatthismethodjugglesbothsidesoftheshapeandtexturecharacteristicsinvehicleimageeffectively，significantlyreducestheerorprobabilityofthevehicledetectionwhenmeetsthedetectionspeed，getsgoodeffectbothineficiencyandaccuracy．

6、【Keywords】vehicledetection；eroneousinspection；HistogramofOrientedGradient(HOG)；LocalBinaryPattern(LBP)；PrincipalComponentAnalysis(PCA)；SupportVectorMachine(SVM)DOI：10．3969／j．issn．1000-3428．2014．09．042检测。文献[5]采用Haar和局部二进制模式(Local1概述BinaryPauern，LBP)特征进行了行人的面部和头部车辆检测主要用于车辆识别和交通安全

7、等领检测，取得了一定的成果。文献[6]结合AdaBoost域，现在已经引起了众多学者广泛的研究¨J，对于车算法，利用HOG—LBP特征对海鸟进行了特征分析，辆的静态检测，目前主要利用基于形状特征的检测并利用支持向量机(Suppo~VectorMachine，SVM)方法，例如，文献[2]采用一种对局部特征进行统计进行了分类实验。文献[7]主要针对遮挡情况下的的方法在车辆检测中取得了较好效果，文献[3]采用检测问题，采用行人的HOG-LBP特征的同时，利用Haar特征联合AdaBoost分类器实现了车辆的检测检测窗口的分块类别标注分析判别遮挡情况，最后

8、和识别。然而，由于检测环境的复杂性和环境光线采用SVM进行训练和检测。文献[9]在文献[7]等因素的影响，类