基于改进的几何约束算法与卷积神经网络的车辆检测
周马莉
张重阳
1.南京理工大学计算机科学与工程学院 南京 2100942.南京理工大学计算机科学与工程学院 南京 210094
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
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)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2406-2412 )
英文信息