发明名称 |
基于多特征融合级联分类器的消防通道车辆检测方法 |
摘要 |
本发明提出了一种基于多特征融合级联分类器的消防通道车辆检测方法,属于图像处理和机器学领域;利用显著性检测方法提取消防通道图像中的道路区域,从而消除非车道区域中的物体对检测结果的影响;基于道路区域的灰度值服从正态分布的特点,采用自适应阈值分割车辆底部阴影的方法,提取车辆底部阴影区域;采用基于像素变化率的阴影边缘提取方法得到车辆底部阴影的下边缘,进而根据提取的车辆底部阴影下边缘构建出车辆的感兴趣区域;分别提取车辆感兴趣区域的Haar特征,利用Adaboost算法对融合后的特征值和“积分图”计算的HOG特征值进行训练生成强分类器,最终用训练得到的级联分类器验证车辆感兴趣区域是否为车辆。 |
申请公布号 |
CN106295636A |
申请公布日期 |
2017.01.04 |
申请号 |
CN201610579605.X |
申请日期 |
2016.07.21 |
申请人 |
重庆大学 |
发明人 |
唐朝伟;陈瀚;杨险峰 |
分类号 |
G06K9/32(2006.01)I;G06K9/46(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/32(2006.01)I |
代理机构 |
重庆市前沿专利事务所(普通合伙) 50211 |
代理人 |
路宁 |
主权项 |
一种基于多特征融合级联分类器的消防通道车辆检测方法,其特征在于,包括如下步骤:步骤1,利用显著性检测方法提取消防通道道路区域图像;步骤2,采用自适应阈值分割车辆底部阴影的方法,提取车辆底部阴影区域;步骤3,采用基于像素变化率的阴影边缘提取方法得到车辆底部阴影的下边缘;步骤4,在提取的车辆底部阴影下边缘的基础上,构建出车辆的感兴趣区域;步骤5,分别提取车辆感兴趣区域的特征包括:Haar‑like特征、HOG特征、LBP特征;步骤6,利用基于Fisher准则的多特征融合方法对车辆感兴趣区域的Haar‑like特征和LBP特征进行融合;步骤7,采用Adaboost算法对融合后的特征值和HOG特征值进行训练生成级联分类器,最终用训练得到的级联分类器验证车辆感兴趣区域。 |
地址 |
400045 重庆市沙坪坝区沙正街174号 |