基于SIFT和HOG特征融合的视频车辆检测算法

	基于SIFT和HOG特征融合的视频车辆检测算法
	关晓斌; 李战明
	2021-06-20
发表期刊	计算机与数字工程
ISSN	1672-9722
卷号	49 期号:06 页码:1113-1117
摘要	为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数。最后将训练的模型使用到视频文件进行车辆的预测。最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38%。处理视频文件时车辆检测效果良好,但是模型仍不够稳定,希望日后完善训练集继续改进算法。
关键词	视频车辆检测 SIFT特征 HOG特征支持向量机
URL	查看原文
语种	中文
中图分类号	TP391.41
文献类型	期刊论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/149251
专题	电气工程与信息工程学院
作者单位	兰州理工大学电气工程与信息工程学院
第一作者单位	电气工程与信息工程学院
第一作者的第一单位	电气工程与信息工程学院
推荐引用方式 GB/T 7714	关晓斌,李战明. 基于SIFT和HOG特征融合的视频车辆检测算法[J]. 计算机与数字工程,2021,49(06):1113-1117.
APA	关晓斌,&李战明.(2021).基于SIFT和HOG特征融合的视频车辆检测算法.计算机与数字工程,49(06),1113-1117.
MLA	关晓斌,et al."基于SIFT和HOG特征融合的视频车辆检测算法".计算机与数字工程 49.06(2021):1113-1117.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于SIFT和HOG特征融合的视频车辆检（1109KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载