一种基于分类器投票的车牌定位方法
为解决类似车牌和失真车牌的定位难题,提出一种基于分类器投票的车牌定位方法.方法从两个方面提升车牌定位精度;首先,针对类似车牌和失真车牌的图像特点,提出两种新的车牌图像描述子,针对性地提升两类车牌的定位效果;其次,使用多种描述子分别训练SVM分类器,采用分类器投票融合的方式决定最终分类结果,进一步提升定位准确度.实验结果证明:1、相比传统的小波和LBP车牌图像描述子,有效地提高了失真车牌的定位精度,降低了类似车牌的识别错误率.2、构建的投票融合分类器方法使车牌图像的分类错误率从单个描述子最优的3.05％下降到了08％.
车牌定位 图像识别 分类器投票 准确度
王钦民 李宽 杨灿群
国防科学技术大学计算机学院,湖南长沙410073
国内会议
金华
中文
1-8
2015-10-30（万方平台首次上网日期，不代表论文的发表时间）