改进Haar-like特征联合CamShift算法用于车辆跟踪

改进Haar-like特征联合CamShift算法用于车辆跟踪

论文摘要

提出一种改进的Haar特征获取方法,并结合CamShift算法提取车辆检测信号实现特定车辆实时跟踪。首先利用倾斜45°特征与像素和的商计算信号的Haar特征值;其次利用AdaBoost算法训练样本得到特征信号分类器,构建特征信号样本级联分类器,利用获得的级联分类器对视频信号进行检测;最后将检测结果中的特定车辆外切矩形作为CamShift算法的初始窗口,并对CamShift算法后续跟踪窗口进行检测,以提高检测效率和跟踪实时性。实验表明,该方法对车辆图像信号具有较好的检测效果,对特定车辆跟踪具有较高的实时性。

论文目录

  • 0 引言
  • 1 改进的图像信号Haar特征提取
  •   1.1 改进的Haar-like特征
  •   1.2 改进Haar特征的积分图计算
  • 2 AdaBoost算法
  •   2.1 信号分类算法原理
  •   2.2 级联分类器检测
  • 3 分类器检测的目标跟踪
  •   3.1 色彩反向投影
  •   3.2 MeanShift算法
  •   3.3 CamShift算法
  • 4 目标检测结果与分析
  • 5 结语
  • 文章来源

    类型: 期刊论文

    作者: 张晓青,马牧燕,燕必希,朱立夫

    关键词: 特征,算法,级联分类器,车辆检测跟踪

    来源: 实验室研究与探索 2019年09期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 汽车工业,计算机软件及计算机应用

    单位: 北京信息科技大学仪器科学与光电工程学院

    基金: 北京信息科技大学教学改革项目(2016JGZD05)

    分类号: TP391.41;TP301.6;U463.6

    页码: 86-91

    总页数: 6

    文件大小: 523K

    下载量: 153

    相关论文文献

    标签:;  ;  ;  ;  

    改进Haar-like特征联合CamShift算法用于车辆跟踪
    下载Doc文档

    猜你喜欢