车辆检测算法

1、有比adaboost还快的车辆检测算法吗

AdaBoost算法里面 要求弱分类器正确率>50%并且各个弱分类器相互独立 可是如果弱分类器错误率均在50%以下，但不完全独立 会造成什么样的后果呢？今天和aa讨论的，弱分类器用最小平方误差，最小平方误差的错误率应该是50%以下的，可是调整权值会使分类器不独立（这个我也不这么认为，因为弱分类器是重新调整权值后重新计算的，跟上一次应该不算线形相关。何况，在AdaBoost算法描述本身，也是用的调整权值来做的~ 说明这样的权值调整，并不会使弱分类器变得相关，不然，AdaBoost算法这么大的漏洞，不可能被广泛应用的）aa说会让组合后的分类器错误率>50%而退出~ 可是我觉得不会，迭代算法应该能保证其越来越优，只是可能一直到不了错误率<0附近的值的状态。btw AdaBoost调不出结果来。。。哭ing

2、国内车牌识别算法做得好的有哪些公司？

不多，比较出名的是火眼臻睛和文通，针对停车场，火眼臻睛要更好一些，还有1-2家不出名小公司做得也还可以，记不得名字了。

3、关于车速检测的BP神经网络算法程序

输入层神经元对应于车速检测的衡量指标，中间层根据实验确定个数，输出层对应于最终车速；
先用已有数据训练神经网络，训练后的神经网络可以用来做车速检测

4、现在很多工程项目都用车牌识别系统，我想问一下车牌识别系统的原理是什么？

核心算法：从六个步骤来提取我们抓拍的车牌信息，第一：图像捕捉采集、第二：车牌定位、第三：预处理、第四：字符分割、第五：字符识别、第六：输出车牌识别一体机抓拍的结果。以上步骤里包含了数字形态学运算法，字符串分割等算法。

对同业兴创停车场的车辆车牌快速抓拍捕捉确定位置，根据车牌颜色，数字，和字母精准识别分割，提取信息并储存到电脑里，方便车辆出场时调用时间信息来计算费用，这样的算法准确，高效避免出入口拥堵现象的发生，300万像素的高清晰CMOS图像传感器，高性能DSP为图像处理核心，内置控制CPU，多项新的技术可对图像编码、处理分析等起到重大作用。

整体结构及设计理念：一体机外形采用枪型机，结构采用嵌入式抓拍机的布局格式，集成度高,专业用于停车场收费车道的工业级车牌识别一体机，整体的设计里面做到了三防，分别是防水、防尘、防震动，即使在恶劣的外界环境下也依然保持很高的识别准确率。

(一体机内部结构)

自动收费软件：界面操作简单易学，格局分布明确、视觉感强，支持多种传输协议：ICP、UDP、FTP、TFTP格式，机身自带64G内存，可存储jpg格式图像高达30000多张。采用H.264视频图像高压技术,对每天，每季度，年收费得出明细方便日后查看、核查，支持软件升级功能实现人脸识别技术。

一体机特点：系统可以全天不间断工作、不会疲劳、错误率极低，自动调节拍摄车牌时照成白平衡，色彩对比度不合理情况，将车牌识别设备安装于出入口，记录车辆的牌照号码、出入时间，并与地感线圈，栏杆机起降的控制完美结合，实现车辆的自动管理。节省人力、提高效率。

一体机工作性能：实现在低照度彩色摄像机的基础上，通过软件的功能，把图像中最亮的部分遮挡。一般可将大灯的强光遮挡，从而将车牌较清晰的抓拍下来，宽动态功能：这是解决车灯对于抓拍影响的最好的办法，当背景光过亮时，能够自动调节白平衡，并且在断电的时候还可以继续上传的功能。

5、车辆检测与跟踪 用Vibe算法提取前景后，再用均值漂移跟踪 行得通吗？

kalman只是一个预测方法(预测物体下一帧的可能位置), 一般后面要有一个其他方法在预测区域内进行搜索验证, 比如先用kalman预测,再用mean-shift在预测区域内搜索, 这两步骤在一起完成跟踪过程.

至于速度问题, mean-shift, KLT, template match都可以很快, 当然效果上各有优缺点, 似乎TLD也早就做到了实时