×

使用Adaboost算法实现车牌检测在OpenCV上实现的研究分析

消耗积分:0 | 格式:rar | 大小:0.54 MB | 2019-09-27

分享资料个

  Adaboost是一个构建精确分类器的学习算法,在目标检测领域有着广泛的应用。OpenCV是Intel开源计算机视觉库。该文给出了在OpenCV上利用Adaboost算法,实现车辆车牌检测的完整实验过程,包括样本的建立、训练级联分类器、以及利用训好的分类器进行目标检测。

  目标检测是近年来计算机视觉、图像处理、模式识别等领域的一个重点研究课题。其中,人脸检测、车牌检测定位与识别在区域安防、视频监控、智能交通等多项系统中有重要应用。目前在目标检测中以Adaboost算法的运用较为成熟,检测的速度及识别的效果较好。AdaBoost(Adaptive Boosting)是1997年由Freund和Schapire⋯提出的一种自适应的Boosting算法。它的基本思想是将一组分类能力较弱的弱分类器通过一定方法叠加,构成一个分类能力较强的强分类器。2001年,Paul Viola幢儿副等提出了一种基于AdaBoost和级联分类器的人脸检测算法,该算法使用Haar—like特征描述图像,引入“积分图”概念,提高了特征的计算速度。现阶段许多利用AdaBoost进行目标检测的算法研究多是基于Viola提出的算法基础,本文的研究也是基于此。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !