一種基于SVM的數(shù)字儀表顯示值識別方法
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。非線性支持向量機的工作原理是通過非線性變換φ(x)，將輸入空間變換到一個高維空間，在這個新空間中求取最優(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訓(xùn)練數(shù)據(jù)集的特征，使得對SV集的線性分類等價于對整個數(shù)據(jù)集的分類，檢測流程圖如圖6。所示。本文引用地址：http://www.biyoush.com/article/166179.htm
1．5 實驗結(jié)果與分析
實驗中選取了3組典型的樣本，每組樣本數(shù)200個，在PC機上進行了試驗，結(jié)果如表1所示。每個樣本有6或5個數(shù)字，其中3或4個是表示小時和分鐘，2個表示秒鐘。
從表1可以看出，在二值化較好，數(shù)字清晰的情況下，識別率達(dá)到了100％，對有輕微點狀噪聲和輕微斷痕的樣本，識別率也很高，但對存在數(shù)字殘缺的樣本，識別率有所下降。就識別時間而言，整屏數(shù)字(6或5個數(shù)字)的識跗時間小于200 ms，明顯低于儀表數(shù)字的最快變化時間1 000 ms。
2 結(jié)語
主要研究了數(shù)字式儀表的自動判讀方法，為儀表盤上的儀表實現(xiàn)自動識別打下基礎(chǔ)。首先對采集到的數(shù)字式儀表進行預(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)字識別算法，本文主要采用垂直投影法來分割各個字符，然后對分割后的每個字符提取分塊統(tǒng)計特征。最后用SVM訓(xùn)練樣本實現(xiàn)相應(yīng)數(shù)字字符識別，最終判讀出數(shù)字儀表的讀數(shù)。該方法算法簡單，實時性高，可靠性好，是一種比較理想且具有一定應(yīng)用價值的識別算法。
評論