东南大学学报（自然科学版）
東南大學學報（自然科學版）
동남대학학보（자연과학판）
JOURNAL OF SOUTHEAST UNIVERSITY
2012年
z1期
74-77
,共4页
车牌检测%AdaBoost%权值调整%非最大抑制
車牌檢測%AdaBoost%權值調整%非最大抑製
차패검측%AdaBoost%권치조정%비최대억제
针对传统AdaBoost算法中训练耗时及权值扭曲现象,提出了一种融合Haar和MB-LBP特征的车牌检测算法.首先,分别计算使得分类误差最小的Haar与MB-LBP特征,经比较2种特征的误差,选择最优的特征构成弱分类器,并利用AdaBoost算法将各弱分类器进行有效的级联;其次加入了权重阈值,调整了样本权值的更新规则,避免了训练过程中权值扭曲现象.该算法用于检测图像中的数字0～9,利用非最大抑制合并检测到的数字区域,通过车牌的灰度跳变特征过滤候选区域,更精确地定位车牌.实验表明,该方法有效地缩短了训练时间、减少了特征的个数、避免了训练中出现的权值扭曲现象、检测率较高且误检率较低.
針對傳統AdaBoost算法中訓練耗時及權值扭麯現象,提齣瞭一種融閤Haar和MB-LBP特徵的車牌檢測算法.首先,分彆計算使得分類誤差最小的Haar與MB-LBP特徵,經比較2種特徵的誤差,選擇最優的特徵構成弱分類器,併利用AdaBoost算法將各弱分類器進行有效的級聯;其次加入瞭權重閾值,調整瞭樣本權值的更新規則,避免瞭訓練過程中權值扭麯現象.該算法用于檢測圖像中的數字0～9,利用非最大抑製閤併檢測到的數字區域,通過車牌的灰度跳變特徵過濾候選區域,更精確地定位車牌.實驗錶明,該方法有效地縮短瞭訓練時間、減少瞭特徵的箇數、避免瞭訓練中齣現的權值扭麯現象、檢測率較高且誤檢率較低.
침대전통AdaBoost산법중훈련모시급권치뉴곡현상,제출료일충융합Haar화MB-LBP특정적차패검측산법.수선,분별계산사득분류오차최소적Haar여MB-LBP특정,경비교2충특정적오차,선택최우적특정구성약분류기,병이용AdaBoost산법장각약분류기진행유효적급련;기차가입료권중역치,조정료양본권치적경신규칙,피면료훈련과정중권치뉴곡현상.해산법용우검측도상중적수자0～9,이용비최대억제합병검측도적수자구역,통과차패적회도도변특정과려후선구역,경정학지정위차패.실험표명,해방법유효지축단료훈련시간、감소료특정적개수、피면료훈련중출현적권치뉴곡현상、검측솔교고차오검솔교저.
