基于LeNet-5的机器人足球和球门识别

近几年,卷积神经网络(CNN)作为一种新兴技术,因较高的容错性和预测正确率成为机器视觉领域的重要工具。机器人世界杯(RoboCup)规定,类人型机器人只能依靠机器视觉识别足球场上的物体,为了提高机器人在复杂环境中对足球和球门的识别率,本文通过TensorFlow开源软件库设计了一种基于LeNet-5 CNN模型的算法,用来识别足球和球门,并选取足球、球门的训练集图片各3000张、校验集图片各1000张,对该算法进行模型训练。实验结果表明,与传统的霍夫变换、HOG特征提取与颜色识别相结合的视觉识别算法相比,该算法具有很高的识别率,同时召回率(经算法识别后符合定义的样本中真实样本的占比)也大幅提高。