-
题名基于级联微型神经网络的多角度车辆检测方法
被引量：5
- 1
-
-
作者
李浩
连捷
王辛岩
-
机构
西安文理学院西安市物联网应用工程重点实验室
东南大学交通学院
中国电子科技集团公司第三十八研究所
西藏大学工学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第22期233-238,共6页
-
基金
国家自然科学基金(No.51768063)
陕西省自然科学基金(No.2018JM6100)
陕西省教育厅科学研究计划项目(No.18JK1149)
-
文摘
车辆检测是智能交通系统建设的关键步骤,但在光照变化、遮挡等复杂交通场景下,单一角度视频检测的方法无法准确地获取车辆特定特征。为了提高交通监控图像中车辆检测的准确性,将AdaBoost算法嵌入微型的神经网络模型,并结合局部归一化像素差值特征(LNPD),提出了基于级联微型神经网络的多角度车辆检测方法。该方法首先提取检测图像的局部归一化像素差值特征,然后使用多层感知器学习最优的特征子集及其组合特征,最后使用AdaBoost算法筛选最具区分力的特征构建强分类器。以不同复杂程度的真实交通场景中包含有正面、侧面及背面三个角度的样本集作为测试集,并与NPD、DPM-V5、ACF和RCNN等方法进行了定性与定量对比。实验结果表明,该车辆检测方法在三种数据集上的平均检测率和检测时间分别为82.28%和125 ms,优于传统车辆检测方法。
-
关键词
智能交通
车辆检测
微型神经网
lnpd特征
级联分类器
-
Keywords
intelligent transportation
vehicle detection
micro neural networks
lnpd feature
cascade classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
