吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (05): 1235-1238.

• 论文 • 上一篇    下一篇

基于视频的自行车检测算法

李志慧1,赵永华2,魏巍1,谢孔峰3,曲昭伟1,王殿海1   

  1. 1.吉林大学 交通学院,长春 130022 ;2.吉林大学 |计算机公共教学中心,长春 |130012;3.防化指挥工程学院,北京 102205
  • 收稿日期:2009-08-21 出版日期:2010-09-01 发布日期:2010-09-01
  • 通讯作者: 赵永华(1979-),女,讲师.研究方向:车辆安全,视频检测.E-mail:zhaoyonghua@jlu.edu.cn E-mail:zhaoyonghua@jlu.edu.cn
  • 作者简介:李志慧(1977-),男,讲师.研究方向:交通控制|视频检测.E-mail:lizhih@jlu.edu.cn
  • 基金资助:

    国家自然科学基金项目(50808092);“863”国家高技术研究发展计划项目(2009AA11Z210);吉林省科技厅发展计划项目(20080432);国家博士后面上项目(20090461035)

Bicycle detection algorithm in videos

LI Zhi-hui1, ZHAO Yong-hua2,WEI Wei1, XIE Kong-feng3,QU Zhao-wei1,WANG Dian-hai1   

  1. 1.College of Transportation, Jilin University, Changchun 130022,China;2.Center of Computer Teaching and Research, Jilin University, Changchun 130012,China;3.Command and Engineering Institute of Chemical Defence,Beijing 102205,China
  • Received:2009-08-21 Online:2010-09-01 Published:2010-09-01

摘要:

提出一种新的自行车检测方法,该方法无需在传统视频检测框架下进行背景更新和前景获取处理,而是直接利用局部方向梯度直方图描述符和支持向量机分类器构建一种窗口分类器,利用不同尺度的窗口分类器直接探测图像空间是否存在自行车,该方法可满足动态和静态背景下自行车检测的双重需要。实验中,利用700个自行车样本和500个非自行车样本训练学习获取自行车分类器模型,并利用该分类模式对不同交通状态下的自行车视频序列进行测试,获得了良好的实验效果。

关键词: 视频检测, 局部方向梯度直方图描述符, 自行车检测, 支持向量机

Abstract:

A new method for bicycle detection is presented. This method is different from the traditional video detection framework of background model with background update and foreground detection. A window classifier is constructed by histograms of oriented gradients and support vector machine classifier to explore that whether a bicycle exists in the window space or not. The classifier is trained by bicycle and nonbicycle samples to get the classify mode. Accordingly, the method can satisfy the need to detect bicycle under fixing and moving camera conditions. In experiment, 700 bicycle samples and 500 nonbicycle samples were trained to get the classify mode of the window classifier. Bicycle videos include different traffic conditions were tested and results validate the proposed method.

Key words: video detection, histograms of oriented gradients, bicycle detection, support vector machine

中图分类号: 

  • U121
[1] 隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[2] 耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[3] 蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[4] 袁哲明, 张弘杨, 陈渊. 基于特征选择和支持向量机的HIV-1型蛋白酶剪切位点预测[J]. 吉林大学学报(工学版), 2017, 47(2): 639-646.
[5] 梁士利, 魏莹, 潘迪, 张玲, 许廷发, 王双维. 基于语谱图行投影的特定人二字汉语词汇识别[J]. 吉林大学学报(工学版), 2017, 47(1): 294-300.
[6] 商强, 杨兆升, 张伟, 邴其春, 周熙阳. 基于奇异谱分析和CKF-LSSVM的短时交通流量预测[J]. 吉林大学学报(工学版), 2016, 46(6): 1792-1798.
[7] 赵云鹏, 于天来, 焦峪波, 宫亚峰, 宋刚. 异形桥梁损伤识别方法及参数影响分析[J]. 吉林大学学报(工学版), 2016, 46(6): 1858-1866.
[8] 周炳海, 徐佳惠. 基于支持向量机的多载量小车实时调度[J]. 吉林大学学报(工学版), 2016, 46(6): 2027-2033.
[9] 卢英, 王慧琴, 秦立科. 高大空间建筑火灾精确定位方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2067-2073.
[10] 马知行, 赵琦, 张浩. 基于傅立叶分析的持家基因预测模型[J]. 吉林大学学报(工学版), 2016, 46(5): 1639-1643.
[11] 王品, 何璇, 吕洋, 李勇明, 邱明国, 刘书君. 基于多特征支持向量机和弹性区域生长的膝软骨自动分割[J]. 吉林大学学报(工学版), 2016, 46(5): 1688-1696.
[12] 张静, 刘向东. 混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测[J]. 吉林大学学报(工学版), 2016, 46(4): 1097-1102.
[13] 申铉京, 翟玉杰, 卢禹彤, 王玉, 陈海鹏. 基于信道补偿的说话人识别算法[J]. 吉林大学学报(工学版), 2016, 46(3): 870-875.
[14] 宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨. 基于支持向量机的通勤日活动-出行持续时间预测[J]. 吉林大学学报(工学版), 2016, 46(2): 406-411.
[15] 张浩, 刘海明, 吴春国, 张艳梅, 赵天明, 李寿涛. 基于多特征融合的绿色通道车辆检测判定[J]. 吉林大学学报(工学版), 2016, 46(1): 271-276.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!