一种基于近邻多分类器集成的车牌识别方法及系统

摘要

本发明公开了一种基于近邻多分类器集成的车牌识别方法及系统，采用多分类器集成的方法应用在车牌识别系统中进而提高车牌识别准确率。通过多分类器的训练得到的不同的分类器，然后根据测试样本的近邻送入不同分类器测试分类结果的准确率。以此为基础设置出不同分类器在车牌识别过程中的权重。在对检测样本进行测试时，可以根据不同样本的特征自动设置不同分类器在识别过程中的充当作用大小。本发明利用分类器集中训练在提高车牌检测精度的同时，避免了由分类结果单一化产生的错分问题，具有高度的实用价值，可应用于高速公路收费站自动化识别车辆、智能交通违规检测、城市道路交通监控等领域。

主权项

一种基于近邻多分类器集成的车牌识别方法，其特征在于包括以下步骤：STEP1：处理数据集，提取训练样本的特征，用此来训练多种不同的且相互独立的分类器；STEP2:在STEP1的基础上，通过改变不同的参数、核函数、训练集的大小来训练多种单分类器；STEP3:挑选待测样本的K个近邻，用此来计算单个分类器不同的置信度，调整单个分类器在样本测试中的权重并且进行多分类器的融合；STEP4：待测样本的最终决策由经过STEP3融合后的各个分类器共同决定，判断样本所属类别。