基于SIFT和HOG特征融合的视频车辆检测算法
关晓斌
李战明
兰州理工大学电气工程与信息工程学院 兰州 730050
摘要：为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数.最后将训练的模型使用到视频文件进行车辆的预测.最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38％.处理视频文件时车辆检测效果良好,但是模型仍不够稳定,希望日后完善训练集继续改进算法.
关键词：视频车辆检测SIFT特征HOG特征支持向量机
分类号：TP391.9(计算技术、计算机技术)
论文发表日期：2021-06-20
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：5( 1113-1117 )
英文信息