關鍵詞：哈爾特征 車輛檢測 級聯分類器 adaboost算法 

摘要：為了提高運用普通哈爾特征的Adaboost算法檢測車輛的識別率,解決計算復雜等問題,提出了基于差異化較大的車輛特征區域的擴展哈爾特征,利用積分圖計算特征值,通過Adaboost算法在車輛正面、背面以及側面的樣本集上分別訓練出各自的分類器,并將它們組成多通道級聯強分類器。通過OpenCV實現車輛檢測的實驗,結果證明:通過該方法能夠有效地減少弱分類器數量,提高計算速度和識別率,對于實時檢測視頻中不同狀態的車輛有較強的魯棒性。

汽車零部件雜志要求:

{1}參考文獻的引用應嚴格遵循“著錄直接引用文獻，最必要、最主要、最新的和正式出版的文獻”的原則，未公開發表的資料一律不得引用。

{2}作者若有抄襲、模仿他人作品等侵犯他人知識產權的；或者稿件內容侵犯他人名譽權、隱私權、人格權的，由作者承擔相應法律責任，本刊概不負責。

{3}文稿中的小標題請依次使用：一、二、三、……；（一）（二）（三）……；1.2.3.……；（1）（2）（3）……；①②③……。

{4}關鍵詞：3-5個，以空格號相隔。關鍵詞請按照《CYT173-2019學術出版規范關鍵詞編寫規則》編寫。

{5}獲國家及部、省、直轄市級科學基金資助的稿件請在首頁左下方注明基金來源及編號，并上傳基金項目相關證明附件，可優先發表。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社