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)