基于HOG與SVM的車輛識別方法研究.pdf

1、智能交通的理念是二十世紀早期被人們所提出的，隨著城市建設(shè)日益發(fā)展，智能化的交通監(jiān)控越來越被人們所需要，可以說它是科技發(fā)展所帶來的必然產(chǎn)物。車輛檢測系統(tǒng)智能交通的非常重要構(gòu)成部分，它是利用圖像處理的一些技術(shù)來獲取信息并做出進一步分析從而進行判斷的，對交通檢測的自動化管理起到很大作用。它首先通過架設(shè)在交通路面上的監(jiān)控設(shè)備實時的拍攝路面信息，然后將這些所拍攝的畫面?zhèn)魉徒o車輛檢測系統(tǒng)，系統(tǒng)對其進行分析并得出結(jié)果，再把結(jié)果送給交通管理中心，管理中

2、心通過這些分析結(jié)果對交通進行實時的控制與管理。與其相關(guān)的技術(shù)主要包括圖像處理，模式識別，機器學習，視頻處理等計算機視覺知識。
　　本文使用了HOG+SVM的視頻車輛檢測方法，首先利用直方圖均衡結(jié)合差分高斯濾波和對比度均衡化的預處理方法，去除了強光及光照不均勻?qū)D像質(zhì)量的影響;再引用了全局和局部特征的融合辦法去獲取車輛特征。然后對大量車輛HOG特征訓練SVM分類器，然后從這些特征分類器中選出分類效果較好的。再隨后用各個分類器對訓練樣

3、本的分類結(jié)果組合成新的特征向量，接著對那些向量再次用SVM得出最后的分類器用以檢測車輛。最后在提取矩形檢測范圍時做一些形態(tài)上的處理和優(yōu)化，用以為隨后的跟蹤算法做準備，畢竟當車輛在視頻中某一幀被檢測出來時，無需對隨后的每一幀進行同樣復雜的檢測操作，只需利用跟蹤算法求出相應(yīng)的位置變化即可。
　　本文實驗部分給出并展示了一些相關(guān)的檢測結(jié)果，從這些結(jié)果可以看出本文算法在針對大部分車輛復雜場景都能很好應(yīng)對，對于某些極端情況，本文也給出了分析