基于 Haar-NMF 特征和改进 SOMPNN 的车辆检测算法

摘要：

为解决传统基于 Haar 特征和自组织映射概率神经网络（SOMPNN）的车辆检测算法中存在当 Haar 特征向量维数过大时决策时间缓慢和因平滑因子σ单一易导致分类错误的2个不足，提出了一种用低维的 Haar-NMF 特征代替 Haar 特征和平滑因子自适应修正的改进 SOMPNN （ISOMPNN）车辆检测算法。首先用非负矩阵分解对 Haar 特征进行降维，生成低维 Haar-NMF 特征；其次，以 SOM 输出层神经元的原型向量数作为修正因子，构建了指数函数形式的平滑因子修正函数，并以修正后的平滑因子训练 SOMPNN 分类器。实验结果表明，与传统的 Haar ＋SOMPNN 算法相比，采用 Haar-NMF 和 ISOMPNN 构建的车辆检测分类器在检测率、误检率和检测时间等性能指标上都获得明显提升。

关键词：车辆工程、车辆检测、Haar 特征、非负矩阵分解、改进 SOMPNN、高级驾驶辅助系统

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61573171，61403172，51305167;江苏省自然科学基金资助项目BK20140555;中国博士后基金特别资助项目2015T80511;中国博士后基金资助项目2014M561592;江苏省六大人才高峰资助项目2014-DZXX-040，2015-JXQC-012．

在线出版日期：2016-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：499-504