-
公开(公告)号：CN108985197A
公开(公告)日：2018-12-11
申请号：CN201810705187.3
申请日：2018-07-01
Applicant: 北京工业大学
Abstract: 本发明公开了基于多算法融合的出租车驾驶员吸烟行为的自动检测方法，首先基于数据样本集建立用于前挡风玻璃区域检测的标准数据集。考虑到实际应用中速度的重要性，本方法利用实时性优异的Haar特征和Adaboost算法进行特征提取和训练，并加载检测数据和训练完成的分类器，实现对前挡风玻璃区域的初步检测。加载训练好的分类器进行检测的结果；接着基于二次检测后的前挡风玻璃区域划定右延伸区域。利用运动前景检测和烟雾在HSV颜色空间的颜色特征，提取疑似烟雾区域。利用疑似烟雾区域的平均质心运动距离和烟雾面积的扩散以及每帧运动距离和面积扩散的范围限定来降低误检。在保证实时性的前提下，实现对出租车驾驶员吸烟行为的高效检测。
-
公开(公告)号：CN108985197B
公开(公告)日：2021-07-30
申请号：CN201810705187.3
申请日：2018-07-01
Applicant: 北京工业大学
Abstract: 本发明公开了基于多算法融合的出租车驾驶员吸烟行为的自动检测方法，首先基于数据样本集建立用于前挡风玻璃区域检测的标准数据集。考虑到实际应用中速度的重要性，本方法利用实时性优异的Haar特征和Adaboost算法进行特征提取和训练，并加载检测数据和训练完成的分类器，实现对前挡风玻璃区域的初步检测。加载训练好的分类器进行检测的结果；接着基于二次检测后的前挡风玻璃区域划定右延伸区域。利用运动前景检测和烟雾在HSV颜色空间的颜色特征，提取疑似烟雾区域。利用疑似烟雾区域的平均质心运动距离和烟雾面积的扩散以及每帧运动距离和面积扩散的范围限定来降低误检。在保证实时性的前提下，实现对出租车驾驶员吸烟行为的高效检测。
-
公开(公告)号：CN108388884A
公开(公告)日：2018-08-10
申请号：CN201810221392.2
申请日：2018-03-17
Applicant: 北京工业大学
Abstract: 本发明公开了基于Haar-Adaboost算法和直方图对比的出租车检测方法，首先采集车窗区域的正负样本，提取正负样本的Haar特征；然后，基于Adaboost算法的级联分类器训练对正负样本进行处理，将待测图像和视频与基于Adaboost算法的级联分类器训练后的样本输入至加载级联分类器中，显示出租车检测结果，检测到的区域定位车顶灯区域，车顶灯区域颜色空间转换，最后进行直方图对比。考虑到实际环境中极易发生出租车相互遮挡的情况，因此选取出租车不易被遮挡的车窗区域为Haar特征提取区域。考虑到非现场执法过程中需要对复杂环境下的出租车实现实时检测，选取经典算法中实时性和鲁棒性好的Haar-Adaboost算法训练出租车的车窗特定区域。通过该方法对出租车进行二次检测，减小出租车误检率。
-
公开(公告)号：CN108388884B
公开(公告)日：2022-05-17
申请号：CN201810221392.2
申请日：2018-03-17
Applicant: 北京工业大学
IPC: G06V20/58 , G06V20/40 , G06K9/62 , G06V10/56 , G06V10/50 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了基于Haar‑Adaboost算法和直方图对比的出租车检测方法，首先采集车窗区域的正负样本，提取正负样本的Haar特征；然后，基于Adaboost算法的级联分类器训练对正负样本进行处理，将待测图像和视频与基于Adaboost算法的级联分类器训练后的样本输入至加载级联分类器中，显示出租车检测结果，检测到的区域定位车顶灯区域，车顶灯区域颜色空间转换，最后进行直方图对比。考虑到实际环境中极易发生出租车相互遮挡的情况，因此选取出租车不易被遮挡的车窗区域为Haar特征提取区域。考虑到非现场执法过程中需要对复杂环境下的出租车实现实时检测，选取经典算法中实时性和鲁棒性好的Haar‑Adaboost算法训练出租车的车窗特定区域。通过该方法对出租车进行二次检测，减小出租车误检率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
