移动视觉平台下基于特征融合和SOMPNN的车辆检测算法
为提升视觉车辆检测能力,本文提出了一种应用于单目视觉平台的基于特征融合和自组织映射概率神经网络(Self Organized Mapping Probability Neural Network,SOMPNN)的车辆检测算法.首先用类Haar特征和HoG特征相融合构成样本特征向量.然后将其导入自组织映射网络,竞争并形成低维原型向量,并用概率神经网络对该原型向量进行训练形成车辆检测器.最后,采用基于复杂度和空间信息的时序分析方法对少数漏检误检进行修正,进一步提高车辆检测的鲁棒性.多组视频图像中的测试结果表明,所提算法具有94.6％的检测率及0.47每帧的误检率.和多种已有主流算法的比较表明,本方法的检测能力优于已有算法.
车辆检测 机器视觉 特征融合 自组织映射概率神经网络
王海 蔡英凤 陈小波 陈龙 江浩斌
江苏大学 汽车与交通工程学院,江苏省镇江市 212013 江苏大学 汽车工程研究院,江苏省镇江市 212013
国内会议
无锡
中文
18-25
2015-11-04（万方平台首次上网日期，不代表论文的发表时间）