一种基于Haar-like特征和Adaboost树形分类器的实时车辆识别方法研究

摘要

针对SVM分类器和Adaboost分类器存在识别性能不足和训练时间过长等问题,提出了一种基于Haar-like特征,并结合Adaboost树形分类器的实时车辆识别方法.在训练阶段,提取车辆样本集合中适合描述车辆表现的Haar-like特征,并将这些特征向量引入Adaboost算法中进行最优特征选择和强分类器的训练,最后利用强分类器构建一个决策树(也称为树形分类器).该阶段进行多轮的反馈迭代训练,且不断添加新的样本以提高识别性能.在识别阶段,使用分类器对视频中的每一帧图像作多尺度遍历搜索,以判定车辆可能存在的区域.实验表明,本文提出的方法在识别性能上有所提高,同时可以有效缩短训练时间.