Mar．2011
2010年3月
广西师范学院学报：自然科学版
Teachers Education Science Edition
University：Natural
of
V01．28 No．1
第28卷第l期
Journal
Guangxi
文章编号：1002— 8743(2011)01— 0109— 04
基于Adaboost算法的车牌检测在OpenCV上的研究与实现
邓
育林
、(广西师范学院计算机与信息工程学院，广西南宁530023)
摘要：AdabtxⅪt是一个构建精确分类器的学习算法，在目标
源计算机视 库。该文给出了在OpenCV上利用Adaboost算法，实
建立、训 联分类器、以及利用训好的分类器进行目标 测。
关键词：Adaboost算法；OpenCV；车牌检
中图分类号：TP301．6 文献标 码：A
检
测
领域有着广泛的应用。OpenCV是Intel开
觉
现
车
辆
车牌检测的完整实验过程，包括样本的
练级
检
测
识
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(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。
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。
初始化样本权重(设硼州为第t轮第￡个样本的误差权重)，当Y，=1，T,O。．。=1／(2p)；当Yi=0，叫。，
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=1 7．／2,．J
矿
岛z(z)<岛谚
^。，(z)：j1
otherwise
【0
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 练一个弱分类器，即确定适当的允和只，使其目标函数￡j=
训
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
全部评论(0)