基于改进的几何约束算法与卷积神经网络的车辆检测

摘要：

论文提出了一种基于改进的几何约束算法有效结合卷积神经网络(CNN)的车辆检测方法.首先对几何约束算法进行改进,避免该算法重复的矩阵运算,从而进一步提高该算法效率.根据改进的几何约束算法计算出车辆的感兴趣区域,然后在该区域内提取Haar-like特征,通过Adaboost分类器初步检测得到候选框.之后用训练好的卷积神经网络模型对目标候选框进行分类.实验结果表明,该方法能够有效地减少车辆检测时间,提高车辆检测的精度,并且对多种光照条件,部分遮挡,姿态变化等具有一定的鲁棒性.

关键词：车辆检测、几何约束、Adaboost、卷积神经网络

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金："核高基"国家重点专项2015ZX01041101

在线出版日期：2019-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2406-2412