首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 其他 > 使用Adaboost算法实现车牌检测在OpenCV上实现的研究分析

使用Adaboost算法实现车牌检测在OpenCV上实现的研究分析

  • 资源大小:0.54 MB
  • 上传时间:2021-12-04
  • 下载次数:0次
  • 浏览次数:41次
  • 资源积分:1积分
  • 标      签: opencv 计算机视觉

资 源 简 介

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。
VIP VIP