| 基于多模式弱分类器的AdaBoost-Bagging车辆检测算法 |
| |
| 引用本文： | 王海,蔡英凤,袁朝春.基于多模式弱分类器的AdaBoost-Bagging车辆检测算法[J].交通运输工程学报,2015(2). |
| |
| 作者姓名： | 王海 蔡英凤 袁朝春 |
| |
| 作者单位： | 江苏大学 汽车与交通工程学院,江苏 镇江,212013 |
| |
| 基金项目： | 国家自然科学基金项目(61403172，51305167，61203244)；交通运输部科技项目(2013364836900)；中国博士后科学基金项目(2014M561592)；江苏省六大人才高峰项目(DZXX-040)；江苏省自然科学基金项目(BK20140555)；江苏省博士后科研计划项目(1402097C)；江苏大学高级专业人才科研启动基金项目 |
| |
| 摘 要： | 针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。
|
| 关 键 词： | 车辆检测 判别式模型 生成式模型 多模式弱分类器 AdaBoost-Bagging分类器 |
AdaBoost-Bagging vehicle detection algorithm based on multi-mode weak classifier |
| |
| WANG Hai,CAI Ying-feng,YUAN Chao-chun.AdaBoost-Bagging vehicle detection algorithm based on multi-mode weak classifier[J].Journal of Traffic and Transportation Engineering,2015(2). |
| |
| Authors: | WANG Hai CAI Ying-feng YUAN Chao-chun |
| |
| Abstract: | |
| |
| Keywords: | vehicle detection discriminative model generative model multi-mode weak classifier AdaBoost-Bagging classifier |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
