- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于Adaboost算法的车牌检测在OpenCV上的研究与实现精选
2010年3月 广西师范学院学报:自然科学版 Mar.2011
of TeachersEducation ScienceEditionV01.28No.1
第28卷第l期 JournalGuangxi University:Natural
文章编号:1002—8743(2011)01—0109—04
邓 育林
、(广西师范学院计算机与信息工程学院,广西南宁530023)
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。
关键词:Adaboost算法;OpenCV;车牌检测
中图分类号:TP301.6文献标识码:A
引 言
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(AdaptiveBoosting)是1997
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,PaulViola幢儿副等提出了一
出的算法基础,本文的研究也是基于此。
2 Adaboost算法
Adaboost算法本身是通过改变数据分布来实现的,它根据每次训练集中每个样本的分类是否正确,
以及上次的总体分类准确率,来确定样本的权值,将每次训练得到的弱分类器融合起来,作为最后的决
策分类器。
算法描述
给定训练样本集{(z,,Y。),(z:,Y:),……,(z。,Y。)},其中:Y;=1,0分别对应正样本和负样本。
i=1/(2m)。其中,P、m分别为正、负样本的数目。
FD,.t=1,2,……,T(经过T轮迭代)
1)权重归一化:叫州=i≠生一2)对每一个特征.『(即Haar—like特征),训练一个弱分类器:
/,j=17./2,.J
^,(z):j1。 矿岛z(z)岛谚
【0 otherwise
其中,岛=1或一1称为偏置,决定不等式的方向;Z(z)为第J个特征的特征值(即用积分图方式计算
的Haar—like特征值);只是阈值。所谓训练一个弱分类器,即确定适当的允和只,使其目标函数£j=
收藕日期:2010—12~04
作者简介:邓育林(1975一),女,讲师,研究:模式识别
万方数据
·110· 广西师范学院学报:自然科学版 第28卷
∑名。叫¨Ih(z;)一y;I达到最小。
3)从第2)步获得的弱分类器中选择出最优的h,(z),即具有最小的e。。
4)更新样本的权重:∞。。.。=叫“∥一气其中,若样本zi被h。正确分类,则ei=0,反之e;=1,尼=
e。/1一£。。这使得正确分类样本的权重降低而错分样本的权重增加,从而使下一轮迭代更关注于错分样
本。
最后得到的强分类器由T个弱分类器线性叠加:
1∑■蛐啦)≥o.5∑■
H(z):j 其中口。=log麦
lo o£^已r叫i卵
3车牌检测的OpenCV实验
车牌检测,是指从含有车辆的图像文件或视频中检测定位出车辆的牌照,是智能交通系统的一项重
处理和计算机视觉方面的很多通用算法b】,拥有包括300多个C函数的跨平台的中、高层API。因此,
是进行计算机视觉相关系统开发和研究实验的有利工具。
本实验实现了在VS2008+OpenCV2.1平台上进行车牌检测的完整过程。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。
3.1样本的建立
训练分类器需要分别建立正样本集和负样本集描述文件。
建。
步骤
a)先建立一个正样本描述文件(.dat/.txt),用于描述样本图片文件名(含路径)、
您可能关注的文档
最近下载
- 《厂区道路安全》课件.pptx VIP
- 人教版道德与法治八年级下册《第三单元 人民当家作主》大单元整体教学设计[2022课标].docx
- 2025年驻马店职业技术学院单招职业适应性测试题库必考题.docx VIP
- 电子采矿许可证样式、编目要求.docx VIP
- 第5章大数据促进医疗和健康.pptx VIP
- 2024年深圳市高三年级第二次调研(二模) 英语试卷(含答案)原卷.pdf
- 2024年国家安全知识竞赛试题及答案(1-250题).doc
- 食醋生产卫生规范.pptx
- 历史论述题常见观点及论述范例2023~2024学年统编版七年级历史下册.docx VIP
- 2025铁岭师范高等专科学校单招数学模拟试题(附答案解析) 完整版2025.pdf VIP
文档评论(0)