融合SIFT和级联分类器的特种车辆自动检测识别

Automatic Detection and Recognition of Special Vehicles Incorporating SIFT and Cascade Classifier

唐海涛 ¹吴果林 ¹范广义 ²陈迪三³

扫码查看

作者信息

1. 桂林航天工业学院理学院,广西桂林 541004;桂航大数据技术应用研究中心,广西桂林 541004
2. 南京高精齿轮集团有限公司,江苏南京 210000
3. 桂林航天工业学院理学院,广西桂林 541004
折叠

摘要

针对特定场景中特种车辆因多环境影响因素下数据不均衡、检测精度和识别准确率低的问题,提出一种融合尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)和级联分类器的特种车辆自动检测及识别预测方法.首先,图像预处理后运用SIFT特征提取图像主体区域特征点及特征描述子;其次,结合SIFT特征点的密度调整优化算法实现目标车辆检测;最后,运用KMeans聚类算法获得目标检测框中SIFT特征描述子的中心聚类点,生成表征目标主体图像的128 维特征描述子,并最终输入RF-RBF(Random Forest-Radial Basis Function)级联分类器进行学习并识别预测.该文均采用K折交叉验证方法保证模型的稳定性和可靠性.实验结果表明,在特定场景下特种车辆目标检测获得了75.47%平均交并比,级联分类器在特种车辆识别的综合准确率、精确率、召回率、F1-Score值以及FPS值分别为 87.35%、88.17%、97.27%、92.38%以及21.进一步验证融合SIFT和级联分类器模型具有较好的自动化检测准确性和识别分类能力.

关键词

尺度不变特征变换/KMeans/RF-RBF级联分类器/K折交叉验证/特种车辆

Key words

scale invariant feature transformation/KMeans/RF-RBF cascade classifier/K-fold cross-validation/special vehicle

引用本文复制引用

基金项目

国家自然科学基金(62001134)

广西高校中青年教师科研基础能力提升项目(2019KY0992)

桂林航天工业学院校级基金(XJ21KT28)

出版年

2023

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

参考文献量5

段落导航