·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