8、雨天条件下目标检测的挑战

雨天条件下目标检测的挑战

1. 基于相机的目标检测

在目标检测中，相机是常用的传感器之一。通过结合基于HOG特征的级联目标检测器和预训练的AlexNet模型，可以实现图像中的目标检测与分类。

1.1 检测与分类流程

• 级联目标检测器 ：这是一种机器学习方法，使用HOG特征。训练时，提供233张不同车辆后视图的正样本图像和380张无车辆的负样本图像。训练分50个简单阶段进行，每个阶段视为一个弱学习器，使用所有正样本和部分负样本进行训练，并自动从负样本检测中生成更多负样本，以纠正前一阶段的错误，最终得到一个鲁棒的检测器。
• AlexNet模型分类 ：采用迁移学习方法，预训练的AlexNet模型在超过一百万张图像上训练，可分类1000个目标类别。通过迁移学习，新模型仅对交通场景中的相关目标（如车辆、行人、交通标志）进行分类。模型的最后三层使用初始层提取的特征进行分类，仅调整最后三层的权重值，初始层的权重保持不变。

1.2 晴天检测结果

在晴天条件下，相机输出裁剪为640×480像素，级联目标检测器提供感兴趣区域（ROI）的边界框，AlexNet模型进行分类，最终得到的分类得分可达0.89。

<

检测步骤	具体操作
级联目标检测	训练HOG特征检测器，分50阶段训练，用正、负样本