基于多特征与多帧融合的低分辨率交通视频自行车检测
计算机视觉与模式识别
2017-06-13 v1
摘要
作为一种主要的交通工具，自行车（包括电动自行车）几乎遍布中国各地。由自行车引发的事故已成为对公共安全的严重威胁。因此，自行车检测是中国交通视频监控系统的主要任务之一。在本文中，提出了一种基于多特征和多帧融合的方法，用于低分辨率交通视频中的自行车检测。该方法首先从每帧图像中提取目标的一些几何特征，然后将多个特征拼接成一个特征向量，并使用线性支持向量机 (SVM) 学习一个分类器，或将这些特征输入级联分类器，以产生关于目标是否为自行车的初步检测结果。它进一步融合来自多帧的这些初步检测结果，以提供更可靠的检测决策以及该决策的置信度。实验结果表明，这种基于多特征和多帧融合的方法能够以高精度和低计算复杂度识别自行车。因此，它适用于实时交通视频监控系统。
引用
@article{arxiv.1706.03309,
title = {Bicycle Detection Based On Multi-feature and Multi-frame Fusion in low-resolution traffic videos},
author = {Yicheng Zhang and Qiang Ling},
journal= {arXiv preprint arXiv:1706.03309},
year = {2017}
}