在自然场景下,由于车型种类繁多,而且车辆所处环境受光照、背景、天气等因素的影响,车辆检测一直是目标检测中的难点问题。针对这种自然场景下的车辆检测,提出一种融合稀疏自编码特征和方向梯度直方图(Histogram of Oriented Gradients,HOG)特征的多特征描述子的车辆检测算法。实验结果表明,提出的方法对复杂自然场景下的车辆具有较好的分类效果。
针对QR(Quick Response)码解码,提出了一种在运动视频图像中进行有特定边框的QR码分割与识别的方法。先通过训练C4.5决策树实现对图像中QR码ROI Region of Interest)的自动提取和图像分割,再经自动QR码图像畸变校正后,对QR码进行解码。验证结果表明,该方法能有效地增强解码器对环境、背景及图形畸变的鲁棒性,提高了QR码的解码正确率。
