[发明专利]一种基于卷积神经网络特征的弱分类器Adaboost车辆检测方法在审
| 申请号： | 201811500514.8 | 申请日： | 2018-12-07 |
| 公开（公告）号： | CN109685118A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 芮挺;宋小娜;李华兵;杨成松;刘好全;殷勤;陆鸣;赵杰;王燕娜;解文彬;邵发明;周飞 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210014 江苏省南京*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于卷积神经网络特征的弱分类器Adaboost车辆检测方法，针对基于卷积神经网络的车辆检测识别率高，但由于网络结构复杂带来的实时性不好的问题，设计一种高效鲁棒的车辆检测方法，首先建立一个较浅层的卷积神经网络来提取车辆特征，然后利用弱分类器Adaboost在卷积神经网络提取的特征空间中完成分类，最终完成车辆检测。本发明方法有效利用CNN强大的特征提取能力和弱分类器Adaboost的快速分类能力，同时又避免了深度的CNN训练与使用中运算量大的缺陷。通过自建数据数据集上与已有传统的CNN算法、Gabor+SVM算法、HOG+SVM算法进行了比对实验，本文提出的算法表现最好，实时性更好，准确率也高达98.1％，较好地解决了车辆检测问题。 | ||
| 搜索关键词： | 车辆检测 卷积神经网络 弱分类器 实时性 算法 车辆特征 快速分类 数据数据 特征空间 特征提取 网络结构 传统的 识别率 运算量 准确率 比对 鲁棒 浅层 分类 表现 | ||
【主权项】：
1.一种基于卷积神经网络特征的弱分类器Adaboost方法的车辆检测方法，其特征是用于主动辅助驾驶或无人驾驶车辆对环境中的车辆检测，首先建立一个较浅层的卷积神经网络来提取车辆特征，然后利用弱分类器Adaboost方法在卷积神经网络提取的特征空间中完成车辆检测，包括以下步骤：1)利用训练样本建立一个卷积神经网络特征提取器，完成对车辆高维特征的提取；2)利用卷积神经网络提取训练样本的特征向量建立一个弱分类器Adaboost决策分类器；3)将测试样本添加到步骤1中训练的CNN模型中，得到测试样本所对应的特征向量，进入步骤2训练好的决策分类器中，最终得到检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811500514.8/，转载请声明来源钻瓜专利网。
