Adaboost是一個(gè)構(gòu)建精確分類器的學(xué)習(xí)算法，在目標(biāo)檢測(cè)領(lǐng)域有著廣泛的應(yīng)用。OpenCV是Intel開源計(jì)算機(jī)視覺(jué)庫(kù)。該文給出了在OpenCV上利用Adaboost算法，實(shí)現(xiàn)車輛車牌檢測(cè)的完整實(shí)驗(yàn)過(guò)程，包括樣本的建立、訓(xùn)練級(jí)聯(lián)分類器、以及利用訓(xùn)好的分類器進(jìn)行目標(biāo)檢測(cè)。

　　目標(biāo)檢測(cè)是近年來(lái)計(jì)算機(jī)視覺(jué)、圖像處理、模式識(shí)別等領(lǐng)域的一個(gè)重點(diǎn)研究課題。其中，人臉檢測(cè)、車牌檢測(cè)定位與識(shí)別在區(qū)域安防、視頻監(jiān)控、智能交通等多項(xiàng)系統(tǒng)中有重要應(yīng)用。目前在目標(biāo)檢測(cè)中以Adaboost算法的運(yùn)用較為成熟，檢測(cè)的速度及識(shí)別的效果較好。AdaBoost（Adaptive Boosting）是1997年由Freund和Schapire?提出的一種自適應(yīng)的Boosting算法。它的基本思想是將一組分類能力較弱的弱分類器通過(guò)一定方法疊加，構(gòu)成一個(gè)分類能力較強(qiáng)的強(qiáng)分類器。2001年，Paul Viola幢兒副等提出了一種基于AdaBoost和級(jí)聯(lián)分類器的人臉檢測(cè)算法，該算法使用Haar—like特征描述圖像，引入“積分圖”概念，提高了特征的計(jì)算速度?，F(xiàn)階段許多利用AdaBoost進(jìn)行目標(biāo)檢測(cè)的算法研究多是基于Viola提出的算法基礎(chǔ)，本文的研究也是基于此。