基于支持向量机的条烟包装外观缺陷检测

针对卷烟生产过程中条烟包装外观缺陷问题,提出一种基于支持向量机(SVM)的条烟包装缺陷图像检测方法。该方法首先采用模板匹配法定位条烟检测区域;然后利用Haar小波变换进行频域分解,并通过灰度共生矩阵算法对频域图提取纹理特征;最后结合纹理特征建立条烟支持向量机分类模型,对待测样本进行分类识别。结果表明:基于SVM分类模型的识别率为96.1%,该方法通用性强,实时性好,满足条烟异常情况检测要求。与BP神经网络测试性能相比,分类性能优于BP神经网络。     

基于自适应差分进化极限学习机的车牌识别算法

针对目前车牌识别算法中存在的模型训练慢、字符识别准确率低等问题,研究了一种基于自适应差分进化极限学习机的车牌识别算法。综合利用边缘检测和颜色定位的优点来检测车牌区域,然后用改进后的垂直投影法对车牌区域进行分割,最后将自适应差分进化极限学习机用于字符识别。研究结果表明,所提出算法具有训练速度快、字符识别率高等优点,可以应用于复杂的交通场景。     

基于Lab色彩空间和ANN神经网络的车牌识别系统

针对目前车牌识别中车牌区域定位处理过程复杂、车牌字符准确率低等问题,本文采用Lab色彩空间识别结合传统sobel算子边缘检测的方法对车牌区域进行粗定位,再利用SVM模型进行精确定位。而在字符识别方面,本文利用ANN人工神经网络进行车牌字符识别,提高字符识别精度,经测试,该车牌系统对车牌区域识别定位准确,速度较快,字符识别准确度较高,具有较强的鲁棒性和实用性。     

基于机器视觉的轴承压印字符识别

目前许多轴承生产线上利用人工肉眼识别轴承工件号,这样不仅识别效果不好且效率低.在本文设计了一种基于机器视觉的轴承压印字符识别算法,该算法有利于轴承的生产以及后续的管理工作.首先对采集到的图像进行高斯滤波降噪,减少噪声对后续操作的影响;然后利用最小二乘法对ROI圆环进行提取,确定要进行操作的图像区域;接着使用八分之一圆扫描方法将圆环图像展开,使得字符识别操作更加简洁;随后对字符进行切分、归一化;最后使用SVM对字符进行识别.实验表明,该方法能够实现轴承压印字符识别,识别准确率在98%以上,并且具有良好的鲁棒性,系统响应速度快,能够满足工业需求.     

基于深度学习的车牌定位和识别方法

针对现有的基于车牌字符分割的车牌识别方法,在光照,阴暗等特定自然场景下存在无法定位且车牌字符无法正确分割,直接影响车牌字符识别效果的问题,提出一种基于深度学习的车牌定位和识别方法.首先采用深度学习FasterR-CNN算法进行车牌定位,利用k-means++算法来选择最佳车牌区域尺寸,解决现有车牌定位方法在某些自然场景下无法正确定位车牌的问题;然后在AlexNet网络模型的基础上进行改进和重新构建,提出一种增强的卷积神经网络模型AlexNet-L,该模型是一种针对车牌字符识别的端对端网络模型,可提高车牌识别准确率,避免现有的基于车牌字符分割的车牌识别方法中因无法正确分割车牌字符对车牌字符识别的影响.实验结果表明,该方法可以更有效地提高车牌定位和车牌字符识别的准确度和效率.     

基于多分辨率的水表用户码定位与识别

本文对数码相机拍摄的水表图像中的用户码进行定位与识别,以获得用户编号信息.采用基于多分辨率的方法,并结合边缘检测、区域分析与hough变换,定位用户码区域,然后识别用户码中的信息.本文的方法实现了条码区域的快速定位,能有效识别复杂水表背景中的条码.     

局部HOG和分层LBP特征融合的车牌字符识别

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,提出了一种局部HOG和分层LBP特征融合的车牌字符识别方法. 首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的卡方距离来度量车牌字符和模板字符的相似性,进而完成二次识别. 通过实验比较了11种算法的识别性能,结果表明本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高,达到99.52%.     

基于轮廓检测的第二代身份证字符识别

针对第二代身份证图像字符识别,提出了一种基于字符串轮廓检测的方法。该方法采用对图像字符区域先进行纹理分割,获取字符区域后对其上下轮廓凹凸特征近似检测单个字符的宽度,从中选出稳定的局部特征,利用结构语句识别的方法进行字符识别。通过对自然场景下拍摄的10幅第二代身份证图像的字符识别实验,证明了该方法的有效性。     

基于高斯概率模型的字符识别算法的研究

提出了一种新的基于高斯概率模型的字符识别算法,该算法根据模式识别的样本分布特征与高斯分布的一致性,构建了一个高斯概率模型.在模型中存储概率为P的训练样本,分类识别时,将测试样本与模型进行相关计算得出概率值,进行判断.结果表明,该算法识别速度快,准确率高,与其他字符识别算法(KNN)相比有更好的实用性.     

基于多层感知机模型的车牌识别技术

车牌识别是对实时图像中的车牌区域进行感知和截取,进行光学字符识别的过程。针对人工检测效率低的弊端,设计了一种应用于Android移动平台的车牌识别检测系统,利用OpenCV视觉开发库进行二次开发,使用支持向量机对图像进行判断,截取有效车牌区,并使用人工神经网络中的多层感知机模型实现字符的识别。测试结果表明,该系统检测速度快,准确性能高,对硬件设备要求低,实现了在移动环境下对车牌信息的有效检测和采集。     

基于Qt与Arm NN的嵌入式喷码检测系统设计与实现

现存的喷码检测系统大多基于工控PC电脑实现,其在价格、体积、功耗、灵活性等方面存在着较大的局限性。为此,设计了一种基于Qt与Arm NN的嵌入式喷码检测系统,该系统的核心处理器采用Arm cortex-a9,搭载配置有相关软件工具的嵌入式linux操作系统,采用位置检测算法来实现软件检测待测目标的位置,通过由图像预处理、喷码区域提取、条形码识别、字符子串分割、基于卷积神经网络及caffe框架的喷码字符识别模型训练、利用Arm NN将识别模型引入到ARM端实现喷码字符识别、识别结果处理等过程组成的喷码检测算法来实现对喷码内容的检测。该系统还基于Qt多线程技术开发了具有完善系统功能的图形应用程序,便于现场生产人员使用。经相关测试表明该系统有效可行、正检率高,能够满足包装生产流水线喷码检测的实际需求。     

面向联机手写数学表达式的实时识别方法

数学表达式识别一般分为字符识别和结构分析两部分,而且大多数现有的方法是先进行字符识别然后将字符识别的结果作为结构分析的输入再进行结构分析,在这种分步识别的过程中,字符识别的错误会被继承到结构分析阶段,最终导致识别错误。关于数学表达式结构分析的问题,现有的方法大多是在假设所有的符号已经识别的基础上进行的。为了解决上述问题,提出了一种实时识别联机手写数学表达式的方法。该方法基于字符识别和结构分析的结合,动态地构建一棵数学表达式结构树来识别该数学表达式。在构建数学表达式树的过程中,采用了影响区域定位的方法,免去了其他不受影响区域的重复识别过程,因而提高了再次识别的效率,同时还弥补了现有实时识别方法不能乱序输入的缺陷。实验结果表明提出的方法可以得到比较满意的识别结果。     

一种视频中字符的集成型切分与识别算法

视频文本行图像识别的技术难点主要来源于两个方面: 1)粘连字符的切分与识别问题; 2)复杂背景中字符的切分与识别问题. 为了能够同时切分和识别这两种情况中的字符, 提出了一种集成型的字符切分与识别算法. 该集成型算法首先对文本行图像二值化, 基于二值化的文本行图像的水平投影估计文本行高度. 其次根据字符笔划粘连的程度, 基于图像分析或字符识别对二值图像中的宽连通域进行切分. 然后基于字符识别组合连通域得到候选识别结果, 最后根据候选识别结果构造词图, 基于语言模型从词图中选出字符识别结果. 实验表明该集成型算法大大降低了粘连字符及复杂背景中字符的识别错误率.     

轻量级柱面线杆标识牌字符识别算法

为全面、准确、快速地提取柱面电线杆标识牌信息，提出一种轻量级柱面电线杆标识牌字符识别算法Tiny-DBNet-CRNN。对柱面图像进行反投影矫正展平；融合注意力机制，利用深度可分离卷积残差块，构建轻量级文本检测网络分割出文本区域；构建字符识别模型CRNN输出标识牌字符信息。采用真实场景数据和ICDAR 2015数据进行实验，结果与当前流行模型相比，Tiny-DBNet-CRNN字符识别正确率提升了40.3%,达95.11%;在精度下降0.60%的微小损失下，检测速度提升3倍，参数规模上总体下降45.15%。     

多尺度特征融合的残缺卷烟编码识别

针对背景紊乱、字符残缺的卷烟图像,提出多尺度特征融合的残缺卷烟编码识别方法,以进行端到端的训练与应用.首先使用特征提取网络从图像中提取多尺度融合特征;然后提出区域优化模块,对提取到的融合特征进一步优化,识别与定位网络学习这些优化后的特征能更加鲁棒地完成识别与定位任务;最后使用匹配算法对识别与定位结果进行匹配,得到最终结果.在完整卷烟编码数据集中进行实验,与现有方法相比,所提方法在识别精度与效率上均有全面的提升.在残缺卷烟编码数据的识别转录实验中,所提方法的识别效率与人工相比有较大提升.     

基于单高斯模型的森林火灾烟图像目标检测

单高斯模型森林火灾烟图像目标检测方法是根据烟目标内部灰度分布不均匀,且形状和面积会随着时间不停变化等特点,首先,通过火灾烟的动态数据累积图像得到烟目标出现的大致区域,再通过构造单高斯背景统计模型,对目标区域内部进行逐帧分割,最后,统计烟目标面积的变化趋势.经过对森林火灾烟序列图像进行实验和分析,结果表明这种方法对早期火灾产生的烟能够实时检测和识别,并有效提高了火灾烟图像检测的可靠性.     

BP神经网络在车牌字符识别中的应用研究

研究车牌字符识别问题,针对传统神经网络在车牌字符识别存在识别准确率低、效率低的问题,提出了一种基于改进神经网络的车牌字符识别方法.该方法首先采用Gabor滤波器提取车牌字符的特征,PCA降维处理消除车牌字符特征之间的冗余信息,然后采用改进的神经网络对提取特征进行训练得到最优识别模型,最后利用最优模型对车牌字符进行识别.仿真实验表明,数字及字母的识别准确率达95.0%以上,汉字的识别准确率达93.1%,与传统识别方法相比,识别准确率和识别速度都有了较大的改进,该方法在车牌识别的应用有着广泛的前景.     

基于SVM模型的车牌识别应用研究

车牌识别是目前道路交通智能化管理的重要一环,提出了一种基于支持向量机(SVM)的车牌识别方法,通过边缘检测算法与颜色再定位相结合,实现车牌的定位;进行字符分割时将阈值选取推广到多阈值,提高分割的准确性;利用SVM模型进行车牌字符的识别,并且在检测到为易混淆字符时进行二次SVM分类.模型对中文字符、字母字符、数字字符识别率分别为93.2％、96.3％、95％,识别率较高且识别速度符合实时要求.     

适合特定水表表型的字符识别方法

根据特定水表走字的特点,提出了一种基于模板和神经网络的水表数字字符识别的方法.该方法利用特定表型中待识别区域宽高比例相同的特点,提出用特征模板缩放法来进行待识别区域的定位和字符分割.采用三灰度值加权系数进行模板匹配,提高了特征的利用率;采用自适应学习的BP神经网络训练全字符和半字符样本,用户直接使用训练好的神经网络联结权值进行字符识别.结果表明,充分利用待识别区域的特征有助于提高识别区域定位和字符分割的准确性,在此基础上,采用经典的识别算法能够取得较好的效果.     

QR码导航的室内目标搜寻机器人研究

针对室内的目标搜寻问题, 开发研制了一套使用Android手机作为主要处理设备、可远程操控和使用语音控制的机器人系统。介绍了该系统的结构组成, 提出了一套基于人工路标的导航方案。该方案应用QR码作为人工路标引导机器人运动到指定区域, 然后识别出目标位置, 最后通过判断目标区域面积是否达到阈值的方法停在目标附近位置, 基于有限状态机实现机器人的模式切换。对目标检测和人工路标识别分别进行了实验, 结果验证了该方案的有效性和实用性。