基于Adaboost分類器的車輛檢測與跟蹤算法

陳擁權，陳 影，陳學三

(合肥寰景信息技術有限公司，合肥 安徽 230088)

基于Adaboost分類器的車輛檢測與跟蹤算法

陳擁權，陳 影，陳學三

(合肥寰景信息技術有限公司，合肥 安徽 230088)

車輛檢測與跟蹤是智能交通領域的重要研究課題之一。為了促進平安城市的建設，更好地輔助車輛駕駛，提出了一種基于類Haar特征和Adaboost分類器的實時車輛檢測與跟蹤算法。采集大量車輛正負樣本圖像，基于積分圖提取圖像的類Haar特征；利用Adaboost算法對類Haar特征進行選擇及分類器訓練；利用得到的分類器進行模式匹配，實現對車輛的檢測。在相鄰幀中進行車輛的特征匹配，完成車輛的跟蹤。在車輛跟蹤的基礎上，通過場景標定，實現對車輛的測速和車流量的統計。在真實道路場景中的實驗結果表明，所提方法能實時并有效地對車輛進行檢測與跟蹤，在一定程度上緩解了交通壓力；能準確地進行車輛測速和車流量統計，可為超速和道路擁擠的判定提供相關依據，具有較好的應用前景。

車輛檢測與跟蹤；類Haar特征；Adaboost算法；測速；車流量統計

0 引 言

隨著城市化進程的加快，智能交通的重要性越發凸顯。而車輛檢測作為智能交通領域中至關重要的一部分，激發了廣大學者們的研究興趣。車輛檢測方法一般有光流法[1-2]、幀差法[3-4]和背景差分法[5-6]等。其中，光流法的算法復雜度較高，不能在實時系統中得到有效應用；幀差法雖然算法復雜度較低，但是檢測精度達不到應用的需求；背景差分法是最常用的方法，但背景的初始化和維護比較困難，且由于忽視了相鄰像素點之間的關系，因此抗噪聲能力較差，同時算法易受圖像陰影的干擾，也不能很好地解決遮擋問題。……