1. 全栈程序员必看首页

视频中的车牌特征识别[通俗易懂]

全栈程序员-站长 • • 未分类 • 阅读 47

视频中的车牌特征识别[通俗易懂]这里，没有直接采用之前的方案，是因为在设计的时候，发现直接采用颜色等直接特征提取然后进行二值化处理的方法，如果视频中出现颜色类似的区域，则很有可能错误的定位，例如在公交车中车牌区域范围和前窗以及部分的背景比较相似，直接采用这种方法会出错。这里，定位的算法，我们使用的是HOG特征提取和Adaboost的算法进行定位。对应的程序为：具体的原理如下所示：adaboost：http://www.doc88.com/p-211656392…

大家好，又见面了，我是你们的朋友全栈君。

        这里，没有直接采用之前的方案，是因为在设计的时候，发现直接采用颜色等直接特征提取然后进行二值化处理的方法，如果视频中出现颜色类似的区域，则很有可能错误的定位，例如在公交车中车牌区域范围和前窗以及部分的背景比较相似，直接采用这种方法会出错。

        这里，定位的算法，我们使用的是HOG特征提取和Adaboost的算法进行定位。对应的程序为：

       视频中的车牌特征识别[通俗易懂]

       具体的原理如下所示：

adaboost：

http://www.doc88.com/p-211656392146.html

http://www.doc88.com/p-908977169291.html

 

hog：

http://www.doc88.com/p-938477812496.html

 

       上面的几个论文，是我们参考的几个比较好的资料。定位的仿真效果如下所示：

视频中的车牌特征识别[通俗易懂]

 

视频中的车牌特征识别[通俗易懂]

 

       通过上面的步骤，我们能够对车牌整体范围进行定位，采用这种方法的缺点就是需要大量的样本进行训练才能够获得精度较大的训练结果。样本越多，精度越高。

步骤二：训练识别

       之前给你的方案是使用SVM进行训练识别，后来考虑了一下，这里稍微变了下，采用BP神经网络进行训练识别，因为采用SVM只针对2分类识别，所以效果不佳，所以采用BP神经网络进行训练识别。

运行视频中的车牌特征识别[通俗易懂]

 

得到如下结果：

视频中的车牌特征识别[通俗易懂]

 

 

视频中的车牌特征识别[通俗易懂]

 

 

步骤三：整体的车牌识别

        通过上面的分析，我们所这里的整个算法流程如下所示：

视频中的车牌特征识别[通俗易懂]

 

      最后仿真结果如下所示：

视频中的车牌特征识别[通俗易懂]

视频中的车牌特征识别[通俗易懂]

 

视频中的车牌特征识别[通俗易懂]

 

视频中的车牌特征识别[通俗易懂]

 

视频中的车牌特征识别[通俗易懂]

 

 

 

 

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/146218.html原文链接：https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长
0 0


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号