基于SIFT和HOG特征融合的视频车辆检测算法 | |
关晓斌; 李战明 | |
刊名 | 计算机与数字工程 |
2021-06-20 | |
卷号 | 49期号:06页码:1113-1117 |
关键词 | 视频车辆检测 SIFT特征 HOG特征 支持向量机 |
英文摘要 | 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。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/149251] |
专题 | 电气工程与信息工程学院 |
作者单位 | 兰州理工大学电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 关晓斌,李战明. 基于SIFT和HOG特征融合的视频车辆检测算法[J]. 计算机与数字工程,2021,49(06):1113-1117. |
APA | 关晓斌,&李战明.(2021).基于SIFT和HOG特征融合的视频车辆检测算法.计算机与数字工程,49(06),1113-1117. |
MLA | 关晓斌,et al."基于SIFT和HOG特征融合的视频车辆检测算法".计算机与数字工程 49.06(2021):1113-1117. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论