[发明专利]基于模板匹配和SVM的工业视频小数字识别方法

摘要

本发明公开了一种基于模板匹配和SVM的工业视频小数字识别方法。用于解决工业生产多场景模式下，识别方法无法保证鲁棒性及识别率低的难题。实现步骤是：将采集的视频图像经过gamma反矫正回到原始状态；样本采用RGB最小分量二值化并依照水平垂直投影进行切割；采用基于结构特征的模板匹配和基于HOG特征的SVM级联识别对数字样本识别；根据生产现场输出条件将符合需求的识别结果通过串口输出。应用本发明进行工业领域监控视频中小数字识别具有：自适应行强、识别率高、识别速度快、操作简单等优点。相比于现有的识别方法，本发明在满足同等工业速度要求下对小数字的识别率提高了30％，并可根据不同的输出条件，应用于多种工业场景。

主权项

一种基于模板匹配和支持向量机的工业视频小数字识别监控方法，其特征在于，包括有如下步骤：(1)工业自动化场景图像数据初始化：创建样本结构特征数组strFeature，样本训练文件svm.xml，切割数字样本集VecImg；读取工业自动化场景的初始化文件param.xml，获得自动化场景的模板样本和自动化场景图像二值化的默认灰度阈值threshold，获取输出条件end、待识别的数字总数num、各数字矩形框的位置recti,其中i为0,1,...,num‑1；根据以上各参数计算模板样本的结构特征保存到数组strFeature中；对特殊数字(‘3’‘5’‘6’‘8’‘9’)模板的梯度直方图(HOG)特征进行SVM训练，并将训练结果保存到svm.xml文件中；(2)对输入视频进行反gamma矫正：根据工业场景初始化的数字矩形框参数，获取输入当前帧中所有数字区域样本Mati,其中i为0,1,...,num‑1；对所有待识别区域recti的图像进行gamma反矫正，使其还原到显示设备之前的效果，称作反gamma矫正后的数字样本；(3)对反gamma矫正后的数字样本进行切割：首先针对当前帧所有数字区域样本Mati,调用minGray()函数进行图像二值化处理，其中minGray()函数是选取RGB分量的最小值作为其灰度值并对图像二值处理；其次创建ImgCut类调用preCut()方法获得水平、垂直方向的投影结果；最后调用Cut()方法根据投影结果对数字切割和归一化并把切割结果保存到VecImg中；(4)对VecImg中的样本进行数字级联识别：对VecImg中的样本调用TemplateRec()方法进行基于7维结构特征的模板匹配，得到初级结果；若初级结果为特殊数字，则样本作为次级分类的输入，反之以初级结果作为数字的识别结果；次级分类对输入样本进行基于HOG特征的SVM分类；若次级分类结果与初级结果相同，则该结果为样本数字的识别结果；若两次识别结果不同则参考数字的“洞特性”，如果数字存在‘上洞’或者‘下洞’特征，则以初级结果作为样本的识别结果，反之以次级结果作为样本识别结果；最后将所有数字Mati的识别结果组合得到其结果值result；(5)设置输出条件并做判断：根据工业生产现场需求输出条件包括：end＝1输出各组数的周期峰值，end＝2间隔一定时间输出所有数字，end＝3当标志位变化时输出，end＝4当数字信息全部显示时输出，end＝5当温度值变动超过30℃时输出，end＝6实时输出；满足以上任意一组条件执行步骤(6)，否则返回步骤(2)，对下一帧的样本进行反gamma矫正并继续之后的步骤；(6)对识别结果进行串口输出：对步骤(5)的识别结果通过串口输出保存到后台数据库并参与工业过程的实时自动控制，之后返回步骤(2)，进行下一帧识别过程，反复执行步骤(2)～(6)，完成整个基于模板匹配和SVM分类的工业视频数字监控识别。