针对高速公路前车检测中单一特征易受光照、天气等环境因素影响的问题,提出一种基于多特征融合和信息熵优化的检测算法。首先,利用自适应大津算法对路面进行阈值分割,生成若干车辆假设区域;其次在方向梯度直方图(histogram of gradient,...针对高速公路前车检测中单一特征易受光照、天气等环境因素影响的问题,提出一种基于多特征融合和信息熵优化的检测算法。首先,利用自适应大津算法对路面进行阈值分割,生成若干车辆假设区域;其次在方向梯度直方图(histogram of gradient,HOG)特征的基础上,引入几何特征、纹理特征和幅值特征构造特征向量,并根据信息熵对特征向量进行优化;最后,训练支持向量机(support vector machine,SVM)验证假设区域。实验结果表明,该算法提高了前车检测的准确率,扩大了前车检测的适用范围。展开更多
文摘针对高速公路前车检测中单一特征易受光照、天气等环境因素影响的问题,提出一种基于多特征融合和信息熵优化的检测算法。首先,利用自适应大津算法对路面进行阈值分割,生成若干车辆假设区域;其次在方向梯度直方图(histogram of gradient,HOG)特征的基础上,引入几何特征、纹理特征和幅值特征构造特征向量,并根据信息熵对特征向量进行优化;最后,训练支持向量机(support vector machine,SVM)验证假设区域。实验结果表明,该算法提高了前车检测的准确率,扩大了前车检测的适用范围。
