基于主动学习AdaBoost算法与颜色特征的车牌定位
人工选取少量的车牌区域和非车牌区域,采用积分图法快速提取Haar-like扩展特征,构成初始训练样本.使用AdaBoost算法训练样本产生一个初始分类器,经过主动学习过程,产生一个用于车牌检测的强分类器.利用Cascade结构检测法进行车牌的粗定位,通过提取边缘颜色对,对候选区域进行验证,实现车牌区域的精确定位.对不同光照条件及车牌污损等复杂情况下的车牌图像进行了定位测试.测试结果表明:车牌的粗定位率和精确定位率分别为98.3%、97.1%,平均定位时间小于0.1s,因此,该方法有较好的车牌定位效果和定位准确率.
智能交通系统、车牌定位、AdaBoost算法、主动学习、边缘颜色对、分类器
13
U495(交通工程与公路运输技术管理)
国家自然科学基金项目50805066;江苏省博士研究生创新基金项目CX09B-205Z
2013-05-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
121-126