基于深度和局部 HOG 的交通车流监测研究

针对交通车流监测问题，提出一种基于深度和局部 HOG 的交通车流监测算法，该算法首先将车辆的划分为9个特征区域，利用 HOG 算法对特征区域的图像进行数据化，构建一个车辆局部特征区域数据库；再利用 KPCA 算法对其进行降维，从而降低计算复杂度；最后利用随机森林对特征数据进行分类，从而得到分类器，完成车辆检测过程。结合 Kinect 的深度摄像功能，计算车辆特征区域距离交通信号灯的距离，进而完成车辆的监测。实验结果表明：算法较传统算法有更好的检测率，在交通车辆监测中有较高的监测准确率。