正在加载图片...
·696 智能系统学报 第10卷 SVM分类器,对同一段时长为5min的交通视频(福 ◆特定区域SEMI-SVM+SEMI-SVM 州市五四路治山路南路段,2014年4月13日, GOA-SVM一多项式核函数SVM 14:30~14:35)进行检测,并对单向车道进行车流量 100 ◆ 统计(如图7所示)。 7 60 ×10 4 6 812 累计帧数 图8不同算法检测准确率 Fig.8 Detection accuracy of different algorithms 图7和8的实验结果表明,半监督学习提高了 分类器的检测准确率,基于特定区域的SEMI-SVM 优化算法误检率大大降低,得到了较好的检测效果。 在视频检测中,基于特定区域的SEMI-SVM车 辆检测,小轿车、面包车以及公交车的检测准确率能 达到90%以上,其他车型复杂的汽车检测准确率能 达到85%以上,能够保持较低的误检率。 本文算法提取交通视频样本的HOG特征训练 径向基核函数GOA-SVM分类器,提取LBP特征训 练多项式核函数SVM分类器,将2种分类器协同训 练作为最终分类器SEMI-SVM在特定区域进行车辆 图6半监督学习后分类器的车辆检测结果 检测。现采用单一的HOG特征训练2种分类器进 Fig.6 Vehicle detect results after semi-supervised 行实验,其最终分类器记为HOG-SVM:然后采用单 learning 一的LBP特征训练2种分类器进行检测,其最终分 类器记为LBP-SVM。将本文算法、HOG-SVM分类 器与LBP-SVM分类器分别对同一段交通视频(福 州市五四路冶山路南路段,2014年4月13日)做单 向车道车流量统计,实验结果如图9所示。 100 70 60 +本文算法+HOG-SVM+LBP-SVM 50 2 4682×10 累计顿数 图93种方法检测准确率 Fig.9 Detection accuracy of three algorithms 从图9可以看出,采用不同特征空间数据 (HOG特征与LBP特征)进行分类器的训练,其检 测准确率较同一特征空间的数据有明显提升,本文 所采用的方法在车辆检测中取得了较理想的效果与 图7特定运动区域的SEMⅡSVM车辆检测结果 准确率。 Fig.7 Vehicle detect results of specific motion region 将本文算法与平均背景法、帧差法、灰度等级法 based on SIMⅡ-SVM 和边缘检测法分别对同一段交通视频(福州市五四 路冶山路南路段,2014年4月13日)做单向车道车SVM 分类器,对同一段时长为 5 min 的交通视频(福 州市五四路冶山路南路段, 2014 年 4 月 13 日, 14:30~14:35)进行检测,并对单向车道进行车流量 统计(如图 7 所示)。 图 6 半监督学习后分类器的车辆检测结果 Fig. 6 Vehicle detect results after semi⁃supervised learning 图 7 特定运动区域的 SEMI⁃SVM 车辆检测结果 Fig.7 Vehicle detect results of specific motion region based on SIMI⁃SVM 图 8 不同算法检测准确率 Fig.8 Detection accuracy of different algorithms 图 7 和 8 的实验结果表明,半监督学习提高了 分类器的检测准确率,基于特定区域的 SEMI⁃SVM 优化算法误检率大大降低,得到了较好的检测效果。 在视频检测中,基于特定区域的 SEMI⁃SVM 车 辆检测,小轿车、面包车以及公交车的检测准确率能 达到 90%以上,其他车型复杂的汽车检测准确率能 达到 85%以上,能够保持较低的误检率。 本文算法提取交通视频样本的 HOG 特征训练 径向基核函数 GOA⁃SVM 分类器,提取 LBP 特征训 练多项式核函数 SVM 分类器,将 2 种分类器协同训 练作为最终分类器 SEMI⁃SVM 在特定区域进行车辆 检测。 现采用单一的 HOG 特征训练 2 种分类器进 行实验,其最终分类器记为 HOG⁃SVM;然后采用单 一的 LBP 特征训练 2 种分类器进行检测,其最终分 类器记为 LBP⁃SVM。 将本文算法、HOG⁃SVM 分类 器与 LBP⁃SVM 分类器分别对同一段交通视频(福 州市五四路冶山路南路段,2014 年 4 月 13 日)做单 向车道车流量统计,实验结果如图 9 所示。 图 9 3 种方法检测准确率 Fig.9 Detection accuracy of three algorithms 从图 9 可 以 看 出, 采 用 不 同 特 征 空 间 数 据 (HOG 特征与 LBP 特征) 进行分类器的训练,其检 测准确率较同一特征空间的数据有明显提升,本文 所采用的方法在车辆检测中取得了较理想的效果与 准确率。 将本文算法与平均背景法、帧差法、灰度等级法 和边缘检测法分别对同一段交通视频(福州市五四 路冶山路南路段,2014 年 4 月 13 日)做单向车道车 ·696· 智 能 系 统 学 报 第 10 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有