新闻中心

EEPW首页 > 消费电子 > 设计应用 > 一种基于SVM的数字仪表显示值识别方法

一种基于SVM的数字仪表显示值识别方法

作者:时间:2011-04-15来源:网络收藏

若ai>0,称相应的xi为支持向量(Support Vector)。更进一步,若OaiC,称xi为边缘(Margin)支持向量;若ai=C,称xi为偏差(Bias)支持向量。非线性支持向量机的工作原理是通过非线性变换φ(x),将输入空间变换到一个高维空间,在这个新空间中求取最优线性分类面,并引入核函数(如RBF核函数)计算内积。在可分的情况下求解:

找出的支持向量充分描述了整个训练数据集的特征,使得对SV集的线性分类等价于对整个数据集的分类,检测流程图如图6。所示。

本文引用地址:http://www.eepw.com.cn/article/166179.htm


1.5 实验结果与分析
实验中选取了3组典型的样本,每组样本数200个,在PC机上进行了试验,结果如表1所示。每个样本有6或5个,其中3或4个是表示小时和分钟,2个表示秒钟。


从表1可以看出,在二值化较好,清晰的情况下,率达到了100%,对有轻微点状噪声和轻微断痕的样本,率也很高,但对存在残缺的样本,率有所下降。就识别时间而言,整屏数字(6或5个数字)的识跗时间小于200 ms,明显低于数字的最快变化时间1 000 ms。

2 结语
主要研究了数字式的自动判读,为盘上的仪表实现自动识别打下基础。首先对采集到的数字式仪表进行预处理,主要包括图像灰度化、二值化、噪声消除等。参考现有的数字识别算法,本文主要采用垂直投影法来分割各个字符,然后对分割后的每个字符提取分块统计特征。最后用训练样本实现相应数字字符识别,最终判读出数字仪表的读数。该算法简单,实时性高,可靠性好,是一种比较理想且具有一定应用价值的识别算法。


上一页 1 2 3 下一页

评论


相关推荐

技术专区

关闭