特征提取是模式识别中的一个关键问题.为解决现有的基于灰度空间和梯度方向的小波特征用于目标物分类检测时对光照及背景噪声敏感的问题,提出一种改进的小波特征提取算法,即对感兴趣区域(Region of Interest,ROI)基于HSV颜色模型的V通...特征提取是模式识别中的一个关键问题.为解决现有的基于灰度空间和梯度方向的小波特征用于目标物分类检测时对光照及背景噪声敏感的问题,提出一种改进的小波特征提取算法,即对感兴趣区域(Region of Interest,ROI)基于HSV颜色模型的V通道分量进行小波金字塔式分解,然后取塔式分解得到的小波系数幅值,对其进行归一化处理,最后进行阈值化处理.将改进的算法应用于基于单目视觉的静态图像后方车辆检测系统中,实验结果表明其能显著提高车辆识别效果,增强系统的鲁棒型.展开更多
单独应用基于知识的方法或者单独应用基于外观方法检测是否存在车辆有一定的局限性,因此提出将二者结合起来用于静态图像后方车辆的检测.首先,利用分割算法获得感兴趣的区域(region of interest,ROI),利用基于知识(如车底阴影、颜色等信...单独应用基于知识的方法或者单独应用基于外观方法检测是否存在车辆有一定的局限性,因此提出将二者结合起来用于静态图像后方车辆的检测.首先,利用分割算法获得感兴趣的区域(region of interest,ROI),利用基于知识(如车底阴影、颜色等信息)的方法,将被确认为是非车辆(背景)的ROI过滤掉,然后再对过滤后的结果应用基于外观的方法进行车辆检测.在不同的道路(高速公路、城市普通道路和城市窄道)条件以及白天不同光照条件下对车辆进行检测,结果表明,该算法的识别可靠性更高,适应性更好.展开更多
文摘特征提取是模式识别中的一个关键问题.为解决现有的基于灰度空间和梯度方向的小波特征用于目标物分类检测时对光照及背景噪声敏感的问题,提出一种改进的小波特征提取算法,即对感兴趣区域(Region of Interest,ROI)基于HSV颜色模型的V通道分量进行小波金字塔式分解,然后取塔式分解得到的小波系数幅值,对其进行归一化处理,最后进行阈值化处理.将改进的算法应用于基于单目视觉的静态图像后方车辆检测系统中,实验结果表明其能显著提高车辆识别效果,增强系统的鲁棒型.
文摘单独应用基于知识的方法或者单独应用基于外观方法检测是否存在车辆有一定的局限性,因此提出将二者结合起来用于静态图像后方车辆的检测.首先,利用分割算法获得感兴趣的区域(region of interest,ROI),利用基于知识(如车底阴影、颜色等信息)的方法,将被确认为是非车辆(背景)的ROI过滤掉,然后再对过滤后的结果应用基于外观的方法进行车辆检测.在不同的道路(高速公路、城市普通道路和城市窄道)条件以及白天不同光照条件下对车辆进行检测,结果表明,该算法的识别可靠性更高,适应性更好.