一种基于像素差值特征的车辆检测方法

摘要

为了快速定位监控场景中的车辆位置,提出了一种基于像素差值特征的车辆检测方法。首先提取图像的归一化像素差值特征(NPD),之后使用深度二次树(DQT)学习最优的特征子集,最后使用Ada Boost算法筛选最具区分力的特征构建强分类器。以含有正面、侧面及背面三个角度超过3 500个样本为测试集进行了快速车辆检测测试,并与梯度方向直方图(HOG)和Haar的组合特征进行了对比。对比实验表明,基于NPD的车辆检测方法最优,其检测率和检测时间分别为85.47%和200 ms。