首页|基于SIFT和HOG特征融合的视频车辆检测算法

基于SIFT和HOG特征融合的视频车辆检测算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数.最后将训练的模型使用到视频文件进行车辆的预测.最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38％.处理视频文件时车辆检测效果良好,但是模型仍不够稳定,希望日后完善训练集继续改进算法.
Vehicle Detection Algorithm Based on Video SIFT and HOG Feature Fusion

关晓斌、李战明

展开 >

兰州理工大学电气工程与信息工程学院 兰州 730050

视频车辆检测 SIFT特征 HOG特征 支持向量机

2021

10.3969/j.issn.1672-9722.2021.06.015

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(6)
  • 1
  • 7