程　全 ,樊　宇，刘玉春 ，程　朋

(1.周口师范学院 a.机械与电气工程学院；b.网络工程学院，河南 周口 466001；2.国机精工有限公司，河南 郑州 450000)



特征显著性的车辆目标检测算法

程全1a,樊宇1b，刘玉春1a，程朋2

(1.周口师范学院 a.机械与电气工程学院；b.网络工程学院，河南 周口 466001；2.国机精工有限公司，河南 郑州 450000)

针对运动目标检测不适合实时性应用场合的问题，提出了一种将无监督特征学习和显著性检测相结合的地面车辆目标检测算法。通过学习得到表示车辆目标的局部特征并进行编码，根据这些特征对整个图像进行显著性检测，获得候选目标区域。通过相关分析去除那些高度相关的特征，有效抑制背景，突出显著对象。

特征学习；视觉字典；特征提取

0　引言

近年来，机载视觉监视系统正逐步应用于地面车辆活动监视、高速公路车辆流量统计和战场情报数据提取等方面。这些系统所具有的各类功能中，地面车辆目标检测是最基本和最重要的。由于背景变化、高杂波、视角变化以及计算资源有限等，使得某些问题变得难以处理。

目前，最为常规的目标检测方法是基于Viola和Jones提出的滑动窗口检测框架[1]。这类方法通常需要提取大量特征，并综合这些特征通过机器学习形成集成分类器，采用级联结构来减少计算量。对一般视觉目标的检测，通常采用尺度不变特征转换(scale-invariant feature transform,SIFT)、方向梯度直方图(histogram of oriented gradient,HOG)、局部二值模式(local binary pattern,LBP)和Gabor滤波器等人工特征表示目标[2]，而通过无监督学习方法，则能从数据中习得具有更强表示能力的特征[3-4]，相比于传统特征，这类特征的提取要耗费更多的时间和资源，而传统特征如Harr特征可用积分图像方法获得很高的计算效率[5-6]。……