使用opencv的SVM实现车牌区域识别
来源:互联网 发布:一周休三天 知乎 编辑:程序博客网 时间:2024/06/05 06:35
一、前言
本文仅仅演示使用opencv2.4.6中已经定义好的SVM函数实现对车牌区域正负样本的训练,然后使用训练好的SVM模型对测试样本进行预测。
二、所使用的正负样本
首先我将一系列图片进行图像预处理、分割等一系列步骤,这部分内容可以参看《深入理解opencv 使用计算机视觉项目解析》,这样从中挑选出100个正样本(车牌区域)和70个负样本(非车牌区域),大小均为144*33,分别存放于目录F:\SVM_data\posdata与F:\SVM_data\negdata,如下所示:上图中图片文件的命名是为了方便读入数据,按ctrl+A全选,按F2即可快捷统一地修改名字,当然用一个txt文件保存这些图片的路径到时再读取也是可以的,但这里就不这么做了。
取另外6张图片作为测试样本,其中包含3个车牌区域与3个非车牌区域,测试样本与前面训练样本无关系,为另外选取的。存放于目录F:\SVM_data\testdata
三、代码简介
其实思路很简单,对于100张正样本图和70张负样本图片,首先每张图片都会转换为1维数组,该数组长度为4752(也即144乘33),也即将图片中所有的像素点值均作为特征,当然也可以选取图像的其他特征值,这样每张图片可得到1*4752矩阵,则将所有这些矩阵保存于一个170*4752的训练矩阵中;其次创建相应标签矩阵,为170*1大小,前100个数为1.0,后70个数为-1.0,也就是标记出训练矩阵中数据的正负性。设置好SVM训练参数,使用CvSVM::train()函数进行训练,然后使用训练得的模型对测试数据进行预测。代码如下:
四、结果分析
程序运行结果如下:
可从结果看出,前3个测试样本为正样本,后3个样本为负样本,所训练的模型可以正确地预测测试样本是否为车牌区域
阅读全文
1 0
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM和神经网络实现车牌识别
- 使用opencv的SVM和神经网络实现车牌识别
- 使用opencv的SVM和神经网络实现车牌识别
- 使用opencv的SVM和神经网络实现车牌识别(高质量的文章******)
- Opencv SVM车牌识别
- OPENCV中使用SVM训练并识别车牌的初步应用
- 【opencv机器学习】基于SVM和神经网络的车牌识别
- python+opencv 车牌识别实现
- 从零使用OpenCV快速实现简单车牌识别系统
- 从零使用OpenCV快速实现简单车牌识别系统
- 从零使用OpenCV快速实现简单车牌识别系统
- opencv实现车牌识别之字符识别
- 使用easyPR调用openCV动态库,实现java版的中文车牌识别
- 基于SVM和神经网络的车牌识别
- 基于SVM和神经网络的车牌识别
- ImageMagick popen_utf8 命令注入漏洞分析报告
- spring之注解开发
- 前端常识篇--CSS
- Oracle表空间管理查看,扩充
- 配置ubuntu16.10无线网络dns
- 使用opencv的SVM实现车牌区域识别
- linux之体系结构
- redis字符串类型操作命令
- miniui给列添加链接
- POJ 1089 不要62
- 【Echo的继承和多态】
- axios基本用法
- js的判断以及图片的点击切换效果
- OAuth 2.0 . 第三方 登录 (新浪微博、腾讯QQ)