一种基于局部典型相关分析的分类器集成车牌识别方法

摘要

本发明公开了一种基于局部典型相关分析的分类器集成车牌识别方法，包括1、处理样本集，将样本集分为原始训练样本T_o、测试样本T_s、二次测试样本T_p，并依据样本特点提取样本特征；2、利用提取的样本特征，通过改变训练单分类器时的参数与核函数来训练多种相对独立的单分类器；3、利用类KNN的方法，寻找与测试样本相类似的样本集，并利用典型相关分析的方法考虑局部样本特征与整体分类器分类结果之间的关系，从而调整各个分类器权重得到分类器集成模型；4、待测样本的最终检测结果由经过步骤3集成后的分类器共同决定，判断待测样本所属类别。本发明能够自适性的应对不同的测试样本而改变分类器权重，同时能有效的提高分类器分类准确率。

主权项

一种基于局部典型相关分析的分类器集成车牌识别方法，其特征在于，包括如下步骤：步骤一：处理数据样本集，将数据集分为训练样本T_o、测试样本T_s、二次测试样本T_p，并且依据样本特点提取样本的HOG特征；步骤二：在步骤一的基础上，利用提取的训练样本T_o的特征，通过改变训练单分类器时的参数与核函数来训练多种相对独立的单分类器；步骤三：利用类KNN的方法，寻找与测试样本T_s相类似的样本，并利用典型相关分析的方法考虑局部样本特征与整体分类器分类结果之间的关系，从而调整各个分类器权重得到分类器集成模型；步骤四：待测样本的最终检测结果由经过步骤三集成后的分类器共同决定，判断待测样本所属类别。