基于机器视觉的交通视频监控目标检测快速适应方法

摘要

本发明属于机器视觉与智能控制领域，用于实现交通视频监控目标检测的快速自适应。首先建立初始训练样本库，接下来分别训练基于Haar特征的AdaBoost分类器和基于HOG特征的SVM分类器，利用训练好的两个分类器对监控图像逐帧检测，检测过程为分别利用两类分类器对检测框中的子图像进行预测，并对预测结果进行置信度判断，将大置信度对应的预测标签以及子图像加入到小置信度对应的分类器的附加训练样本库中，直到检测框大小达到被检测图像大小一半时结束，此时利用更新后的训练样本库重新训练两类分类器，并进行下一帧图像的检测，直到检测完所有图像，此时可将最终分类器用于实际的交通场景中进行车辆、行人等目标的检测。