资料下载
×
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
- 相关下载
- 相关文章
