基于改进HOG-LBP特征车前多目标分类仿真

摘要

针对城区复杂交通场景,提出一种基于改进的HOG-LBP融合特征的车辆前方多目标的分类方法.在特征提取阶段,将机器学习中常用的HOG特征和LBP特征结合,并对组合特征进行改进,在不影响检测精度的同时降低特征向量的维数,提高检测速度;分类器使用二叉树支持向量机,并根据各类目标的外形特征及其在车辆前方出现的概率,设计适用于“车辆-行人-非机动车-背景”这一多目标体系的多级分类方法.实验结果表明,上述方法能较好的实现车辆前方多目标分类.