基于改进PBAS算法的级联特征行车检测

摘要: 随着车辆迅速增加，智能交通系统中的监控系统需要在复杂环境中快速、准确地检测车辆。因此，在现有研究的基础上，一种高效的车辆检测方案被提出。该方法首先选取像素自适应分割算法（pixel based adaptive segmenter），对其背景模型线性优化，减少运算复杂度，提取前景斑点为定义区域（defined range approach）；然后通过设定阈值确定感兴趣区域（Region of Interest）；在感兴趣区域里，选取哈尔（Haar-like）特征和方向梯度直方图特征（histogram of oriented gradient），输入到优化后的AdaBoost+支持向量机（support vector machine）级联分类器中进行车辆检测。这些算法保证检测实时性，使用OpenCV库进行实现。大量的实验证明了线性化像素自适应分割算法的优越点，AdaBoost+SVM级联分类器快速性，整体车辆检测算法在检测车辆时的实时性和光照鲁棒性。