最近项目需要，搞起了车牌，先大概做了下调研：
检测的基本方法有：
1 用边缘检测+轮廓提取+车牌特征进行车牌的检测
2 用Harr-like特征或者LBP特征+Adaboost来训练模板用于车牌的检测；还有用神经网络训练的
3 两者结合
识别的基本方法有：
1 用Tesseract.来进行训练
2 用车牌上的字符直接训练识别器
用到的库是网上的一个开源项目 ...
分类：
其他好文 时间：
2014-12-28 18:15:24
阅读次数：
413
// 得到 LBP纹理特征值图
// 参数：
// src 为单通道灰度图
// dst 为目标图
// 返回值：
// 返回ture 表示运行正常
// 返回false 表示运行出错
bool GetLBPFeatureImage(IplImage *src, IplImage *dst)
{
if (! src || ! dst) return false;
// 获取图像信息
con...
分类：
其他好文 时间：
2014-12-20 22:10:25
阅读次数：
377
特征提取SURF特征:http://www.vision.ee.ethz.ch/software/index.de.html(当然这只是其中之一)LBP特征(一种纹理特征)：http://www.comp.hkbu.edu.hk/~icpr06/tutorials/Pietikainen.htmlF...
分类：
其他好文 时间：
2014-12-02 22:05:30
阅读次数：
318
今天师兄给了我一个博士写的LBP特征源码。上网搜索了一些资料，并结合代码，大致有了思路。
原始LBP特征是根据相邻的像素点与中间相邻点相比的大小确定置为1或0，然后对每个像素点的领域信息进行整合，变为领域个位的数的编码。然后对一个块中所有像素的编码进行直方图的统计，得到LBP特征。
圆形LBP特征就是在每一个像素点周围用圆形区域进行编码采样，其余和原始LBP特征相同。
这里有图，说的更加明白...
分类：
其他好文 时间：
2014-10-13 23:09:07
阅读次数：
373
OpenCV支持的目标检測的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。注意，新版本号的C++接口除了Haar特征以外也能够使用LBP特征。先介绍一下相关的结构，级联分类器的计算特征值的基础类FeatureEvalua...
分类：
其他好文 时间：
2014-08-22 21:05:49
阅读次数：
981
1996年，Ojala老大爷搞出了LBP特征，也即参考文献1。当时好像并未引发什么波澜。到了2002年的时候，老大爷又对LBP的特性进行了总结，产生了参考文献2，这篇文献目前为止引用数目4600+，足见其分量之重了。
到了2004年的时候，Ahonen将LBP特征首次用于人脸检测，即参考文献3。由于该特征的简单易算性，虽然其总体效果不如Haar特征，但速度则快于Haar，所以也得到了广泛的使用。
2007年的时候，中科院的一帮大神将Haar特征计算的积分图方法引入进来，产生了多尺度的LBP特征，也即参考文献...
分类：
其他好文 时间：
2014-07-08 17:51:41
阅读次数：
521
OpenCV支持的目标检测的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。注意，新版本的C++接口除了Haar特征以外也可以使用LBP特征。
先介绍一下相关的结构，级联分类器的计算特征值的基础类FeatureEvaluator，功能包括读操作read、复制clone、获得特征类型getFeatureType，分配图片...
分类：
其他好文 时间：
2014-07-08 15:38:11
阅读次数：
315
