基于改進Adaboost算法的視頻車輛輪廓檢測算法研究.pdf

1、視頻車輛輪廓檢測技術(shù)作為智能交通中的關(guān)鍵技術(shù)，在日常生活中有著廣泛的應(yīng)用前景。而智能交通對于視頻車輛輪廓檢測技術(shù)也有著實時性和準確性等嚴苛的要求。而在檢測時，視頻圖像中復雜的背景以及各式各樣的干擾，是目前視頻車輛輪廓檢測技術(shù)面臨的問題。而隨著國內(nèi)外學者的不斷努力，各式各樣的檢測算法層出不窮。Adaboost算法是近些年來比較流行的機器學習算法，在人臉識別領(lǐng)域有著出色的表現(xiàn)。同樣，adaboost算法可以應(yīng)用于視頻車輛輪廓檢測領(lǐng)域。本文根

2、據(jù)經(jīng)典的adaboost算法，在其基礎(chǔ)上做出了一些改進，研究工作如下：
　?。?）介紹視頻車輛輪廓檢測技術(shù)研究的背景意義，了解其中面臨的問題。
　?。?）介紹分析幾種現(xiàn)有的視頻車輛輪廓檢測算法，了解其原理，并總結(jié)出存在的問題。
　　（3）詳細了解 adaboost算法，理解其原理和實現(xiàn)過程，依次介紹 haar特征、積分圖以及分類器的訓練及選取過程。
　　（4）提出一種改進的adaboost算法進行視頻車輛輪廓檢測

3、。首先，針對算法學習過程中，haar特征計算量過于龐大且耗時的現(xiàn)象，提出了對訓練樣本進行裁剪，去除樣本邊緣像素，有效減少特征數(shù)量，從而降低了計算量。
　?。?）Adaboost算法檢測在對視頻圖像進行檢測時，滑動子窗口會在待檢圖像上依次滑過，圖像中無關(guān)信息都需要被檢測一遍，相當耗時。提出了使用光流法來獲取視頻圖像中的運動區(qū)域作為感興趣區(qū)域，在感興趣區(qū)域中使用 canny算子進行邊緣檢測，通過邊緣能量篩選感興趣區(qū)域，排除非感興趣區(qū)域