张辉

摘 要： 针对实际场景中的车辆检测，提供了一种快速有效的检测方法。首先对检测图像进行拉普拉斯锐化增强图像的边缘，其次进行方向梯度直方图（HOG）特征提取，然后用Gentleboost算法训练的分类器来对目标车辆进行分类。实验结果及正确—召回曲线（Precision- Recall）表明，该方法能在在道路、地下停车场等不同光照环境下进行车辆检测，检测精度较高且算法检测收敛速度较快。

关键词： 车辆检测； HOG特征提取； GentleBoost算法； 正确—召回曲线（Precision- Recall）

中图分类号：TP391.9 文献标志码：A 文章编号：1006-8228（2018）06-81-04

A vehicle detection method with HOG-GentleBoost algorithm

Zhang Hui

（Zhejiang Police College， Hangzhou， Zhejiang 310053， China）

Abstract： This paper provides a fast and effective detection method for vehicle detection in the actual scene. Firstly， filtering the detected image with Laplace sharpening to enhancing the image edge， and then implement Histogram of Oriented Gradient （HOG） for feature extraction， and use Gentleboost algorithm train the classifier which is used to classify the vehicle. The result of the experiment and Precision-Recall curve show that the method can detect vehicles on road and in underground parking which are under different lighting conditions， the detection accuracy is high and the algorithm's convergence speed is fast as well.

Key words： vehicle detection； HOG feature extraction； GentleBoost； Precision- Recall

0 引言

現代城市交通快速发展，道路及停车场上的汽车数量大幅增长。随着计算机技术的进步，车辆的智能检测识别成为交通安全领域的一大研究热点[1]。目前实际应用中对车辆检测的方法主要是在路口铺设感应线圈的方式检测，视频图像车辆检测技术应用尚处于起步阶段。视频车辆检测由监控视频序列中提取出关键帧，通过图像处理与模式识别的方法，检测帧图像内的车辆，而这一方法可归结为单幅静态图像的车辆检测。对于图像内的车辆检测，目前主要利用车辆的形状特征进行检测。如利用方向梯度直方图（HOG）和局部二进制模式进行车辆检测[2]，采用AdaBoost方法对图像中车辆目标进行检测也取得较好效果[3]。

Boosting算法[4]是一种通用的学习算法，可以提高任一给定弱分类算法的分类性能，达到强分类器的效果，对图像中人物、车辆等目标具有很好的分类效果。HOG算子[5]以图像中局部区域的方向梯度直方图来构成特征，对行人、车辆等目标物体的形状具有很好的表述效果。……