带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

matlab的lbp+phog特征融合，再利用SVM进行训练得到分类器。修改样本路径就可以运行。

matlab程序实现的Adaboost算法，得到最终分类器，并得到训练误差和实验误差。

本篇文章的目的主要是介绍如何利用OpenCV自己训练分类器，实现特定物体的识别，这里以人手识别为例，对整个分类器训练及识别测试过程进行详细说明，并附有程序代码。

这是基于opencv的人脸识别+人脸检测的软件，经过修正可直接用vs运行。程序通过电脑摄像头直接采集人脸信息并储存，用户可自动训练分类器，有光照滤波等归一化处理。人脸识别主要通过gabor特征比对。

如何利用opencv训练自己的分类器，内有多篇资料

人脸识别库包括Yale，ORL，MIT，AT&T人脸库以及想要训练人头分类器所需要的正负样本。

Robust Real-time Object Detection 论文& 整理ppt &及一篇相关中文论文 关于利用opencv训练分类器的原理的~~~

包含正样本图片18578张，图片大小为20*20，负样本图片10925张，图片大小为50*50

opencv_traincascade训练分类器，手势识别