答辩ppt-祁新宇修改2

1、基于视觉信息处理的智能微缩车定位及控制指导教师：周越学生：祁新宇提纲研究背景功能目标算法实现演示视频研究总结研究背景数字识别应用 门牌检测 车牌识别：探索复杂环境：交通信息管理：户籍信息管理识别 邮政编码识别：邮件快速分拣数字识别难点 没有上下文，每个数字都很关键 识别效率与准确性的冲突 手写体书写习惯不同提纲研究背景功能目标算法实现演示视频研究总结功能目标路面自主行进门牌数字分割多种数字识别进门距离识别提纲研究背景功能目标算法实现演示视频研究总结路面自主行进门牌数字分割多种数字识别进门距离检测路面自主行进路面自主行进 关键技术 自适应二值化 Canny算子提取边缘 Hough变换提取直线 多

2、档位防丢线算法 遇到难点 瓷砖特征少、反光 光照条件变化大 两侧阴影干扰多提纲研究背景功能目标算法实现演示视频研究总结路面自主行进门牌数字分割多种数字识别进门距离检测门牌数字分割门牌数字分割 关键技术 HSV空间颜色分割 中值滤波 外轮廓提取 轮廓坐标计算 遇到难点 运动模糊 光照条件变化大 相近颜色干扰提纲研究背景功能目标算法实现演示视频研究总结路面自主行进门牌数字分割多种数字识别进门距离检测提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配模板匹配特点 简单、直接、准确性高 计算量正比于原图和目标图像素个

3、数 不具有旋转不变性和尺度不变性门牌帧数处理数字数错误数拒识数正确率391175095.73%模板匹配模板匹配识别结果提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配归一化轮廓匹配关键步骤 提取数字轮廓 轮廓坐标平移、归一化 补全轮廓点，定义查找起始点 计算相同次序轮廓点间距离特点 算法思想简单，准确率高 不具有旋转不变性，具备尺度不变性 计算量较大归一化轮廓匹配归一化轮廓匹配识别结果门牌帧数数字数错误数拒识数正确率341025194.12%提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号

4、数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配傅里叶描述子特征匹配关键步骤 图像线性变换为复图像实部，虚部赋零 复图像离散傅里叶变换 选择归一化参数 每个像素点两个通道值计算傅里叶系数 两个轮廓取前八个系数计算欧式距离特点 算法理论深厚，简单高效，准确率较高 具有旋转不变性和尺度不变性傅里叶描述子特征匹配归一化轮廓匹配识别结果门牌帧数数字数错误数拒识数正确率339919278.78%提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配Hu不变矩匹配特点 只能计算到三阶，准确率不高 具有旋

5、转不变性和尺度不变性错误分析 运动模糊导致细节信息更重要 数字分割后较小，算法不适合门牌帧数数字数错误数拒识数正确率113325024.24%提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配多级分类器识别关键步骤 归一化轮廓法识别 傅里叶描述子法识别 模板匹配法识别 算法可靠性评估 输出策略选择特点 算法简单高效，准确率很高 额外计算量小多级分类器识别多级分类器识别结果方法名称识别次数错误数错误率作废数作废率正确率归一化轮廓10254.90%0095.10%傅里叶描述子12541.67%0058.33%模板

6、匹配7114.29%0085.71%多级分类器10210.98%10.98%98.04%提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配小号数字识别出现问题 识别率不高 使用分类器没有明显改善问题分析 子算法不具有放缩不变性 运动模糊对于识别影响增大提纲数字识别 多级分类器联合手写体数字识别HOG+SVM分类器小号数字识别Hu不变矩法傅里叶描述子法印刷体数字识别归一化轮廓匹配模板匹配手写体数字识别读入训练样本关键技术 方向梯度直方图(HOG)特征 支撑向量机(SVM)分类器特点 HOG特征对光学和几何形变有

7、很好不变性 识别准确，速度慢图片？标签？标签图片预测图片输出预测结果用训练好的分类器进行预测训练SVM分类器保存为xml格式储存检测图片的HOG特征储存HOG特征对检测图片进行HOG特征处理计算标签转为整型处理计算HOG特征手写体数字识别手写体数字识别结果提纲研究背景功能目标算法实现演示视频研究总结路面自主行进门牌数字分割多种数字识别进门距离检测进门距离检测问题引入 初始化时在其他瓷砖线上，或者不在瓷砖线上怎么办？ 初始化在其他线上： 路面自主行进没有影响 使得门牌数字或大或小，识别精度稍有下降 进门程序需要重新考虑 初始化不在线上： 路面行进时前期按丢线算法走，最终识别到瓷砖线， 其余同上重点在进门时更详细的考虑！进门距离检测进门距离检测 关键步骤： 根据门牌长度和瓷砖长度，计算摄像头视场角 根据当前帧中门牌像素长度，推导出整个帧表示区域的实际长度 根据视场角，推导出智能车到门牌的距离 根据智能车到门牌的距离和门牌到门中心距离，计算需要转过的角度进门距离检测门框识别 HSV颜色分割+外轮廓提取进门距离检测进门距离检测策略和结果 进门策略： 按照计算角度控制舵机 当前方有门框影响时，向左倒车，再直行提纲研究背景功能目标算法实现演示视频研究总结路面行进视频印刷体数字识别视频手写体数字识别视频提纲研究背景功能目标算法实现演示视频