发明名称 |
一种基于Haar和HoG特征的前车检测方法 |
摘要 |
本发明公开了一种基于Haar和HoG特征的前车检测方法:1)人工选取出大量车辆图片和非车辆图片作为训练集的正、负样本,并将正、负样本规格化到24×24像素下;2)使用Haar特征和HoG特征分别对规格化后的每一幅正、负样本进行表征,形成特征向量;3)针对Haar特征和HoG特征形成的两种特征向量分别构建弱分类器;4)利用级联的Adaboost算法对弱分类器进行训练,得到级联车辆强分类器;5)针对车载摄像头获得的前方道路视频图像,将其中各种尺寸、各种位置的子图像输入级联车辆强分类器中进行判断,将判断为车辆的子图像所在判断为前方车辆。本发明是一种实时性好、鲁棒性高的道路前车检测方法,对保障车辆安全行驶,保护人身和财产的安全有着积极的影响。 |
申请公布号 |
CN102855500A |
申请公布日期 |
2013.01.02 |
申请号 |
CN201110175167.8 |
申请日期 |
2011.06.27 |
申请人 |
东南大学 |
发明人 |
张为公;蔡英凤;王海;林国余;王东 |
分类号 |
G06K9/66(2006.01)I;G06K9/00(2006.01)I |
主分类号 |
G06K9/66(2006.01)I |
代理机构 |
南京经纬专利商标代理有限公司 32200 |
代理人 |
楼高潮 |
主权项 |
一种基于Haar和HoG特征的前车检测方法,其特征在于,包括以下步骤:步骤1) 人工选取出大量车辆图片和非车辆图片作为训练集的正、负样本,并将正、负样本规格化到24×24像素下;步骤2) 使用Haar特征和HoG特征分别对规格化后的每一幅正、负样本进行表征,形成特征向量;步骤3) 针对Haar特征和HoG特征形成的两种特征向量分别构建弱分类器;步骤4) 利用级联的Adaboost算法对弱分类器进行训练,得到级联车辆强分类器;步骤5) 针对车载摄像头获得的前方道路视频图像,将其中各种尺寸、各种位置的子图像输入级联车辆强分类器中进行判断,将判断为车辆的子图像所在判断为前方车辆。 |
地址 |
215000 江苏省苏州市州工业园区独墅湖高教区林泉路399号东南大学苏州研究院文昌院507 |