摘要：为提升车辆检测算法中字典学习的有效性,提出一种新的基于多目标聚类的车辆检测方法。同时考虑聚类检测中的全局偏差和连接性2个重要的指标,并引入提出的新多目标优化方法,期望获得1组同时符合全局偏差和连接性的平衡解。针对字典学习和多目标聚类解的特性,设计了一种新的模型选取算法,用于选出有利于提高检测性能的最终聚类解。对5个车辆部件的聚类任务进行聚类,以验证所提算法的有效性与卓越性。将该方法与5种其他方法（不仅包含2类常用单目标聚类方法,也覆盖了其他多目标聚类方法）对2类车辆检测问题进行检测,以全面检验该方法的性能。结果表明：双目标聚类在车辆检测应用中,对聚类效果有较好促进作用,且该方法的整体性能相比于其他聚类算法,颇具竞争性。

关键词：交通工程 多目标聚类 字典学习 车辆检测 词袋特征 

单位：西北工业大学自动化学院; 陕西西安710012