论文部分内容阅读
车辆检测是物体检测领域的重要研究方向之一。针对车辆检测的方法存在着对不同环境适应性差,易受到外界因素影响等问题,本文从人工提取特征和深度卷积网自动提取特征两个方面对车辆检测进行了研究。同时,为了提高系统的实用性和便携性,本文建立了基于Android的车辆检测系统。具体研究工作如下:1.建立图像库。利用互联网搜索以及从德国交通标志库中选取的方式,建立一个1500张含有车辆图片的图像库,选取的图像要尽量包含不同光照强度、不同视角所拍摄的车辆图像。2.基于人工提取特征的车辆检测。车辆作为一种人工景致,其外形具有明显特征,本文选取HOG和Haar-like两种典型的形状特征提取算法,分别结合SVM、Adaboost学习算法,同时利用滑动窗口的方式生成候选区域,完成车辆检测实验。经测试,两种方法的平均准确率分别为60.76%、74.31%。3.基于深度卷积网的车辆检测。在深度卷积网中,本文选取基于候选区域算法中具有代表性的检测框架——Faster-rcnn检测框架,采用VGG+RPN、ZF+RPN两种方式进行训练。经测试,两种方法的平均准确率为86.33%、85.83%。4.基于Android的车辆检测系统。本文利用Android Studio以及eclipse开发平台结合Http通信协议,实现手机应用端与服务器的异步通信传输。手机应用端通过拍照或者相册获取图像后,将图像上传至服务器;服务器对接受到的图像进行车辆检测并将检测结果传回手机。系统经过对300张不同图像的传输测试,平均的传输速度在1秒左右。