基于Haar-like和Adaboost的車輛檢測算法研究
關(guān)鍵詞：哈爾特征 車輛檢測 級聯(lián)分類器 adaboost算法
摘要：為了提高運用普通哈爾特征的Adaboost算法檢測車輛的識別率,解決計算復(fù)雜等問題,提出了基于差異化較大的車輛特征區(qū)域的擴展哈爾特征,利用積分圖計算特征值,通過Adaboost算法在車輛正面、背面以及側(cè)面的樣本集上分別訓(xùn)練出各自的分類器,并將它們組成多通道級聯(lián)強分類器。通過OpenCV實現(xiàn)車輛檢測的實驗,結(jié)果證明:通過該方法能夠有效地減少弱分類器數(shù)量,提高計算速度和識別率,對于實時檢測視頻中不同狀態(tài)的車輛有較強的魯棒性。
汽車零部件雜志要求:
{1}參考文獻的引用應(yīng)嚴格遵循“著錄直接引用文獻，最必要、最主要、最新的和正式出版的文獻”的原則，未公開發(fā)表的資料一律不得引用。
{2}作者若有抄襲、模仿他人作品等侵犯他人知識產(chǎn)權(quán)的；或者稿件內(nèi)容侵犯他人名譽權(quán)、隱私權(quán)、人格權(quán)的，由作者承擔(dān)相應(yīng)法律責(zé)任，本刊概不負責(zé)。
{3}文稿中的小標(biāo)題請依次使用：一、二、三、……；（一）（二）（三）……；1.2.3.……；（1）（2）（3）……；①②③……。
{4}關(guān)鍵詞：3-5個，以空格號相隔。關(guān)鍵詞請按照《CYT173-2019學(xué)術(shù)出版規(guī)范關(guān)鍵詞編寫規(guī)則》編寫。
{5}獲國家及部、省、直轄市級科學(xué)基金資助的稿件請在首頁左下方注明基金來源及編號，并上傳基金項目相關(guān)證明附件，可優(yōu)先發(fā)表。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
