基于深度和局部 HOG 的交通车流监测研究
针对交通车流监测问题,提出一种基于深度和局部 HOG 的交通车流监测算法,该算法首先将车辆的划分为9个特征区域,利用 HOG 算法对特征区域的图像进行数据化,构建一个车辆局部特征区域数据库;再利用 KPCA 算法对其进行降维,从而降低计算复杂度;最后利用随机森林对特征数据进行分类,从而得到分类器,完成车辆检测过程。结合 Kinect 的深度摄像功能,计算车辆特征区域距离交通信号灯的距离,进而完成车辆的监测。实验结果表明:算法较传统算法有更好的检测率,在交通车辆监测中有较高的监测准确率。
车流监测、局部梯度方向直方图、降维、车辆检测、深度
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61301232
2015-10-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
996-1000