基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.

基于OpenCV的实时人脸检测算法研究

为了解决传统基于Open CV的人脸检测算法的训练时间和检测时间过长的问题,采用MB_LBP特征代替Haar特征进行提取人脸图像特征并构成人脸检测分类器,并采用图像金字塔法来减少待测图像的数据量和动态肤色提取来限定分类器滑动窗口的滑动范围。实验结果证明,训练分类器时间大大减少,人脸检测的正确率也得到提高,可以达到实时人脸检测。