多模型融合车辆检测算法

针对交通视频监控场景复杂、实时性要求高的特点,提出一种基于"分治"思想的车辆检测算法,能在CPU平台下实时运行.首先通过对场景图像作引导滤波并计算滤波前后的峰值信噪比,检测光照条件.并基于光照检测的结果进行多模型融合,把本身复杂的问题拆分成多个可以用简单模型解决的子问题;然后使用复杂度低的级联Adaboost算法针对各个子问题分别训练检测模型.在15组真实监控视频的测试样本下,与4个基于深度学习的目标检测模型进行对比分析,结果表明,该算法能够适应各种场景,提高检测精度,并且在CPU平台下达到30帧/s的运行速度.