答辯ppt-祁新宇修改2

1、基于視覺信息處理的智能微縮車定位及控制指導教師：周越學生：祁新宇提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)研究背景數(shù)字識別應用 門牌檢測 車牌識別：探索復雜環(huán)境：交通信息管理：戶籍信息管理識別 郵政編碼識別：郵件快速分揀數(shù)字識別難點 沒有上下文，每個數(shù)字都很關(guān)鍵 識別效率與準確性的沖突 手寫體書寫習慣不同提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)功能目標路面自主行進門牌數(shù)字分割多種數(shù)字識別進門距離識別提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)路面自主行進門牌數(shù)字分割多種數(shù)字識別進門距離檢測路面自主行進路面自主行進 關(guān)鍵技術(shù) 自適應二值化 Canny算子提取邊緣 Hough變換提取直線 多

2、檔位防丟線算法 遇到難點 瓷磚特征少、反光 光照條件變化大 兩側(cè)陰影干擾多提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)路面自主行進門牌數(shù)字分割多種數(shù)字識別進門距離檢測門牌數(shù)字分割門牌數(shù)字分割 關(guān)鍵技術(shù) HSV空間顏色分割 中值濾波 外輪廓提取 輪廓坐標計算 遇到難點 運動模糊 光照條件變化大 相近顏色干擾提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)路面自主行進門牌數(shù)字分割多種數(shù)字識別進門距離檢測提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配模板匹配特點 簡單、直接、準確性高 計算量正比于原圖和目標圖像素個

3、數(shù) 不具有旋轉(zhuǎn)不變性和尺度不變性門牌幀數(shù)處理數(shù)字數(shù)錯誤數(shù)拒識數(shù)正確率391175095.73%模板匹配模板匹配識別結(jié)果提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配歸一化輪廓匹配關(guān)鍵步驟 提取數(shù)字輪廓 輪廓坐標平移、歸一化 補全輪廓點，定義查找起始點 計算相同次序輪廓點間距離特點 算法思想簡單，準確率高 不具有旋轉(zhuǎn)不變性，具備尺度不變性 計算量較大歸一化輪廓匹配歸一化輪廓匹配識別結(jié)果門牌幀數(shù)數(shù)字數(shù)錯誤數(shù)拒識數(shù)正確率341025194.12%提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號

4、數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配傅里葉描述子特征匹配關(guān)鍵步驟 圖像線性變換為復圖像實部，虛部賦零 復圖像離散傅里葉變換 選擇歸一化參數(shù) 每個像素點兩個通道值計算傅里葉系數(shù) 兩個輪廓取前八個系數(shù)計算歐式距離特點 算法理論深厚，簡單高效，準確率較高 具有旋轉(zhuǎn)不變性和尺度不變性傅里葉描述子特征匹配歸一化輪廓匹配識別結(jié)果門牌幀數(shù)數(shù)字數(shù)錯誤數(shù)拒識數(shù)正確率339919278.78%提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配Hu不變矩匹配特點 只能計算到三階，準確率不高 具有旋

5、轉(zhuǎn)不變性和尺度不變性錯誤分析 運動模糊導致細節(jié)信息更重要 數(shù)字分割后較小，算法不適合門牌幀數(shù)數(shù)字數(shù)錯誤數(shù)拒識數(shù)正確率113325024.24%提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配多級分類器識別關(guān)鍵步驟 歸一化輪廓法識別 傅里葉描述子法識別 模板匹配法識別 算法可靠性評估 輸出策略選擇特點 算法簡單高效，準確率很高 額外計算量小多級分類器識別多級分類器識別結(jié)果方法名稱識別次數(shù)錯誤數(shù)錯誤率作廢數(shù)作廢率正確率歸一化輪廓10254.90%0095.10%傅里葉描述子12541.67%0058.33%模板

6、匹配7114.29%0085.71%多級分類器10210.98%10.98%98.04%提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配小號數(shù)字識別出現(xiàn)問題 識別率不高 使用分類器沒有明顯改善問題分析 子算法不具有放縮不變性 運動模糊對于識別影響增大提綱數(shù)字識別 多級分類器聯(lián)合手寫體數(shù)字識別HOG+SVM分類器小號數(shù)字識別Hu不變矩法傅里葉描述子法印刷體數(shù)字識別歸一化輪廓匹配模板匹配手寫體數(shù)字識別讀入訓練樣本關(guān)鍵技術(shù) 方向梯度直方圖(HOG)特征 支撐向量機(SVM)分類器特點 HOG特征對光學和幾何形變有

7、很好不變性 識別準確，速度慢圖片？標簽？標簽圖片預測圖片輸出預測結(jié)果用訓練好的分類器進行預測訓練SVM分類器保存為xml格式儲存檢測圖片的HOG特征儲存HOG特征對檢測圖片進行HOG特征處理計算標簽轉(zhuǎn)為整型處理計算HOG特征手寫體數(shù)字識別手寫體數(shù)字識別結(jié)果提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)路面自主行進門牌數(shù)字分割多種數(shù)字識別進門距離檢測進門距離檢測問題引入 初始化時在其他瓷磚線上，或者不在瓷磚線上怎么辦？ 初始化在其他線上： 路面自主行進沒有影響 使得門牌數(shù)字或大或小，識別精度稍有下降 進門程序需要重新考慮 初始化不在線上： 路面行進時前期按丟線算法走，最終識別到瓷磚線， 其余同上重點在進門時更詳細的考慮！進門距離檢測進門距離檢測 關(guān)鍵步驟： 根據(jù)門牌長度和瓷磚長度，計算攝像頭視場角 根據(jù)當前幀中門牌像素長度，推導出整個幀表示區(qū)域的實際長度 根據(jù)視場角，推導出智能車到門牌的距離 根據(jù)智能車到門牌的距離和門牌到門中心距離，計算需要轉(zhuǎn)過的角度進門距離檢測門框識別 HSV顏色分割+外輪廓提取進門距離檢測進門距離檢測策略和結(jié)果 進門策略： 按照計算角度控制舵機 當前方有門框影響時，向左倒車，再直行提綱研究背景功能目標算法實現(xiàn)演示視頻研究總結(jié)路面行進視頻印刷體數(shù)字識別視頻手寫體數(shù)字識別視頻提綱研究背景功能目標算法實現(xiàn)演示視頻