一種基于SVM的數(shù)字儀表顯示值識(shí)別方法
加入技術(shù)交流群
若ai>0，稱相應(yīng)的xi為支持向量(Support Vector)。更進(jìn)一步，若OaiC，稱xi為邊緣(Margin)支持向量；若ai=C，稱xi為偏差(Bias)支持向量。非線性支持向量機(jī)的工作原理是通過(guò)非線性變換φ(x)，將輸入空間變換到一個(gè)高維空間，在這個(gè)新空間中求取最優(yōu)線性分類面，并引入核函數(shù)(如RBF核函數(shù)
)計(jì)算內(nèi)積。在可分的情況下求解：
找出的支持向量充分描述了整個(gè)訓(xùn)練數(shù)據(jù)集的特征，使得對(duì)SV集的線性分類等價(jià)于對(duì)整個(gè)數(shù)據(jù)集的分類，檢測(cè)流程圖如圖6。所示。本文引用地址：http://butianyuan.cn/article/166179.htm
1．5 實(shí)驗(yàn)結(jié)果與分析
實(shí)驗(yàn)中選取了3組典型的樣本，每組樣本數(shù)200個(gè)，在PC機(jī)上進(jìn)行了試驗(yàn)，結(jié)果如表1所示。每個(gè)樣本有6或5個(gè)數(shù)字，其中3或4個(gè)是表示小時(shí)和分鐘，2個(gè)表示秒鐘。
從表1可以看出，在二值化較好，數(shù)字清晰的情況下，識(shí)別率達(dá)到了100％，對(duì)有輕微點(diǎn)狀噪聲和輕微斷痕的樣本，識(shí)別率也很高，但對(duì)存在數(shù)字殘缺的樣本，識(shí)別率有所下降。就識(shí)別時(shí)間而言，整屏數(shù)字(6或5個(gè)數(shù)字)的識(shí)跗時(shí)間小于200 ms，明顯低于儀表數(shù)字的最快變化時(shí)間1 000 ms。
2 結(jié)語(yǔ)
主要研究了數(shù)字式儀表的自動(dòng)判讀方法，為儀表盤(pán)上的儀表實(shí)現(xiàn)自動(dòng)識(shí)別打下基礎(chǔ)。首先對(duì)采集到的數(shù)字式儀表進(jìn)行預(yù)處理，主要包括圖像灰度化、二值化、噪聲消除等。參考現(xiàn)有的數(shù)字識(shí)別算法，本文主要采用垂直投影法來(lái)分割各個(gè)字符，然后對(duì)分割后的每個(gè)字符提取分塊統(tǒng)計(jì)特征。最后用SVM訓(xùn)練樣本實(shí)現(xiàn)相應(yīng)數(shù)字字符識(shí)別，最終判讀出數(shù)字儀表的讀數(shù)。該方法算法簡(jiǎn)單，實(shí)時(shí)性高，可靠性好，是一種比較理想且具有一定應(yīng)用價(jià)值的識(shí)別算法。
評(píng)論