基于Adaboost的轿车尾部检测方法

随着经济的发展和社会的进步,交通问题变得突出。为降低交通事故造成的损失和危害,防碰撞研究成为热门研究课题。为此,需要提供情境探测,以便提醒司机关于驾驶周边的环境以及可能与其它车辆碰撞的一些情况。在以往的方法中,大多采用基于SVM的检测方法,虽然能检测出目标,但检测速度慢,达不到实时检测的目的。本文主要采用级联分类器(cascade of classifiers)技术来检测轿车尾部(Vehicle-rear),采用haar-like特征来训练弱分类器,利用Adaboost算法选择最优弱分类器,最后采用级联结构,组合一系列强分类器进行训练和检测。实验结果表明该方法能有效检测出轿车尾部形体,能够实时检测目标,为探测路况和防碰撞提供了依据。