摘要: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。
关键词:智能交通系统 车牌定位 adaboost算法 主动学习 边缘颜色对
单位:江苏大学汽车与交通工程学院; 江苏镇江212013
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社