基于HOG特征和机器学习的工程车辆检测

被引：85

作者：

张全发 ^{[1
,2
]}

蒲宝明 ^{[2
]}

李天然 ^{[3
]}

孙宏国 ^{[1
,2
]}

机构：

[1] 中国科学院研究生院

[2] 中国科学院沈阳计算技术研究所

[3] 南京师范大学地理科学学院

来源：

计算机系统应用 | 2013年 / 22卷 / 07期

关键词：

车辆检测; 梯度方向直方图; 支持向量机; Hough变换; 智能监控;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

针对智能监控在露天矿区中的应用,提出了一种在大场景、远距离、多角度的环境下自动识别工程车辆的算法.该算法利用梯度方向直方图特征(HOG)作为图像描述,并结合支持向量机(SVM)训练分类器的方法,实现图像中工程车辆的检测.为提高检测效率和准确度,采用Hough变换直线检测的方法提取包含目标的区域.实验表明,算法能够在较大分辨率的复杂图像中识别出检测目标,有较高的准确度,对于实验中不同的环境具有较强的鲁棒性.

引用

页码：104 / 107

页数：4

共 7 条

[1]

基于局部特征的车辆识别 [D].