数字图像处理实验演示 - 57. 实时路面车辆检测

在前面的实验中，我们讨论了 Haar 级联分类器并利用它实现了人脸检测。在该算法中，haar 类特征提取是通过考虑大量不同尺度的相邻矩形区域，然后在图像上移动。在任何特定的区域，像素在相邻窗口和这些和的差异，然后用于分类该区域的图像。一般来说，眼睛周围的颜色比脸颊要深。譬如：在人脸检测中眼睛区域和脸颊区域的一组矩形窗口，便组成一个 Haar 特征。通过这种方法，可以生成许多 Haar 特性。但并不是所有的特征都是相关的。因此，一个著名的推理技术：AdaBoost 就出现了，它可以在很大程度上减少特征的数量，从一个巨大的特征池中产生相关的特征。我们还是先以人脸检测为例，了解 Haar 级联分类器的基本工作原理。 在本实验中，我们将使用基于 haar 的特征来执行目标检测。此前，我们使用了 LBPH 特征来训练支持向量分类器，然后用于目标检测。我们将使用预先训练好的 Haar 级联分类器进行目标检测，对一个实时路面交通监控视频中的车辆，进行识别与检测。