（二）十分简易快速 自己训练样本 opencv级联lbp分类器 车牌识别
🍂强烈建议先阅读上一篇博文，此篇博文是上一篇的拓展
目录
🍂1、haar与lbp分类器的对比
🍂 2、使用工具对LBP特征类型进行训练
🍂 3、LBP分类器现象展示
🍂4、完整代码贴出
🍂5、更新后的工程贴出
🔚6、结语
🍂1、haar与lbp分类器的对比
🍃Haar特征分类器的优缺点：
优点：
- 准确性： 在训练数据充足且质量高的情况下，Haar分类器可以达到很高的检测准确率。
- 成熟稳定： Haar特征分类器是较早使用的特征检测方法之一，经过多年发展，已经非常成熟和稳定。
- 广泛的应用： 由于其较早出现，Haar分类器在学术和工业界都有广泛的应用，尤其是在人脸和眼睛检测方面。
缺点：
- 训练时间长： Haar分类器的训练过程可能需要较长时间，尤其是在处理大量数据时。
- 资源消耗大： 训练和检测过程中可能需要较多的计算资源。
- 误报率： 在某些情况下，可能会有较高的误报率，尤其是在复杂背景或多变光照条件下。
🍃LBP特征分类器的优缺点：
优点：
- 计算速度快：