基于机器视觉的运动车辆目标检测方法述评
本文先提出了系统的整体模型以及各个硬件模块相互间工作的流程图,然后基于此系统模型总结了目前已有的主要运动车辆目标检测方法以及相应的改进方法,从原理上对其进行了详细的分析说明,对于运动车辆的目标检测，图像分割是一个基础却又起着至关重要的一个基础部分，因为对于是否能够准确检测到运动的车辆，跟图像分割物体区域的精确度有着密切的关联，尤其是对于感兴趣区域(ROI)中对物体的分类，如果能使分类和分割的结果有着很高的精度，那么无论是对于后续步骤的假设区域验证或者目标运动车辆检测都有较好的帮助。在假设验证中，通常采用adaBoost树形分类结构进行目标车辆的学习匹配，由于所产生的假设区域不一定都是目标车辆，所以需要经过机器学习后才能对假设区域进行验证，假设区域中的错误目标可能会导致判决过程中的耗时且减弱整个系统的鲁棒性，因此可以采用快速抛弃错误样本的概率框架系统来提高检测速度，增强实时特性。
运动车辆 目标检测 图像分割 机器视觉
高生扬 唐向宏 姜显扬
杭州电子科技大学通信工程学院,杭州市310018
国内会议
杭州
中文
329-337
2015-11-11（万方平台首次上网日期，不代表论文的发表时间）