南京大学学报(自然科学版) ›› 2019, Vol. 55 ›› Issue (1): 117124.doi: 10.13232/j.cnki.jnju.2019.01.012
李 巍1,王 鸥1,刚毅凝1,周杨浩2*,郝跃冬3
Li Wei1,Wang Ou1,Gang Yining1,Zhou Yanghao2*,Hao Yuedong3
摘要: 介绍一种基于机器学习和图像处理算法,针对自然场景中的指针仪表图片进行仪表检测和读数识别. 首先,检测并提取出图像中恰好包含仪表的部分,再针对不同的图像中仪表存在大小的多尺度特点,使用图像金字塔方法对原图进行多次的缩小和放大操作. 再使用固定大小的滑动窗口对缩放后的图像进行遍历,提取每个窗口图像HOG(Histogram of Oriented Gradient)特征,使用线性SVM(Support Vector Machine)分类器对窗口是否含有仪表进行判断. 然后对检测得到的仪表图像,通过图像处理的方法进行图像预处理,减少阴影的干扰,获取梯度、边缘等信息,再结合改进的霍夫变换,结合仪表图像的灰度信息检测指针的位置,以计算指针的角度. 最后,根据指针的角度以及量程信息,计算当前指针的读数. 实验证明,该方法具有较好的稳定性与准确性.
中图分类号:
[1] 陶冰洁,韩佳乐,李 恩. 一种实用的指针式仪表读数识别方法. 光电工程,2011,38(4):145-150.(Tao B J,Han J L,Li E. An applied method for reading recognition of index-instrument. Opto-Electronic Engineering,2011,38(4):145-150.) [2] 蒋 薇. 基于图像识别的指针式仪表数据处理终端研究. 硕士学位论文. 青岛:青岛大学,2014.(Jiang W. Research on pointer instrument data processing terminal based on image recognition. Master Dissertation. Qingdao:Qingdao Univer-sity,2014.) [3] 赵 菁. 基于图像处理的指针式仪表识别设计. 硕士学位论文. 西安:西安电子科技大学,2011.(Zhao J. Pointer instrument recognition design based on image processing. Master Dissertation. Xi’an:Xidian University,2011.) [4] 孙 琳,王永东. 指针式仪表自动检定系统图像识别技术. 现代电子技术,2011,34(8):101-104.(Sun L,Wang Y D. Image recognition technology of index meter automatic verification system. Modern Electronics Technique,2011,34(8):101-104.) [5] 徐 洋,张清蓉. 基于图像处理的汽车指针仪表检测研究. 计算机应用与软件,2014,31(8):219-221,252.(Xu Y,Zhang Q R. Research on image processing-based automotive pointer instruments detection. Computer Applications and Software,2014,31(8):219-221,252.) [6] 何智杰,张 彬,金连文. 高精度指针仪表自动读数识别方法. 计算机辅助工程,2006,15(3):9-12,18.(He Z J,Zhang B,Jin L W. Highly accurate automatic dial recognition. Computer Aided Engineering,2006,15(3):9-12,18.) [7] 王 瑞,李 琦,方彦军. 一种基于改进角度法的指针式仪表图像自动读数方法. 电测与仪表,2013,50(11):115-118.(Wang R,Li Q,Fang Y J. An automatic reading method of pointer instrumen’s image based on improved angle method. Electrical Measurement & Instrument,2013,50(11):115-118.) [8] 王 欣,孙 鹏. 智能变电站中指针式仪表图像自动识别方法. 电气技术,2016,17(5):7-10.(Wang X,Sun P. Automatic identification method of the pointer instrument in intelligent substation. Electrical Engineering,2016,17(5):7-10.) [9] 朱海霞. 基于改进Hough变换和BP网络的指针仪表识别. 电测与仪表,2015,52(5):11-14.(Zhu H X. Pointer instrument recognition based on BP network and improved Hough transform. Electrical Measurement & Instrument,2015,52(5):11-14.) [10] 石 伟,王朝立,陈建帅等. 基于图像处理的变电站指针式仪表读数研究. 电子科技,2016,29(1):118-120,127.(Shi W,Wang C L,Chen J S,et al. Substation pointer instrument reading based on image processing. Electronic Science and Technology,2016,29(1):118-120,127.) [11] 王东灿. 一种智能变电站指针式仪表读数识别方法. 电脑知识与技术,2018(14):191-192.(Wang D C. Intelligent substation pointer type meter reading recognition method. Computer Knowledge and Technology,2018(14):191-192.) [12] 张文杰,熊庆宇,张家齐等. 基于视觉显著性的指针式仪表读数识别算法. 计算机辅助设计与图形学学报,2015,27(12):2282-2295.(Zhang W J,Xiong Q Y,Zhang J Q,et al. Pointer type meter reading recognition based on visual saliency. Journal of Computer-Aided Design & Computer Graphics,2015,27(12):2282-2295.) [13] Liu W,Anguelov D,Erhan D,et al. SSD:Single shot MultiBox detector ∥ European Conference on Computer Vision(ECCV 2016). Amsterdam,the Nertherlands:Springer Cham,2016:21-37. [14] Ren S Q,He K M,Girshick R,et al. Faster R-CNN:Towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(6):1137-1149. [15] Dalal N,Triggs B. Histograms of oriented gradients for human detection ∥ 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego,CA,USA:IEEE,2005:886-893. [16] Cortes C,Vapnik V. Support-vector networks. Machine Learning,1995,20(3):273-297. [17] 邓乃扬,田英杰. 支持向量机——理论、算法与拓展. 北京:科学出版社,2009,167-180. |
[1] | 朱荀,刘国强,丁华平,沈庆宏. 一种通过支持向量机对交通拥堵情况进行分类的方法[J]. 南京大学学报(自然科学版), 2020, 56(2): 278-283. |
[2] | 赵小强1,2,3*,张 露1. 基于SVM的高维不平衡数据集分类算法[J]. 南京大学学报(自然科学版), 2018, 54(2): 452-. |
[3] | 张栋冰. 基于视觉注意机制与支持向量机结合的车标定位方法[J]. 南京大学学报(自然科学版), 2018, 54(2): 481-. |
[4] | 付康安1,郭虎升1,王文剑1,2*. 基于关联关系分析的符号数据分类方法[J]. 南京大学学报(自然科学版), 2017, 53(4): 815-. |
[5] | 陈未未,张兴敢*. 基于一维距离像和微动特征的弹道导弹识别方法 [J]. 南京大学学报(自然科学版), 2016, 52(6): 1113-. |
[6] | 张鹏,黄毅,阮雅端,陈启美*. 基于稀疏特征的交通流视频检测算法[J]. 南京大学学报(自然科学版), 2015, 51(2): 264-270. |
[7] | 陈鹏1郭剑毅1,2余正涛1,2严馨1,2张志坤1,2高盛祥1,2. 融合领域知识短语树核函数的中文领域实体关系抽取[J]. 南京大学学报(自然科学版), 2015, 51(1): 181-186. |
[8] | 王兆云,张兴敢**,柏业超. 基于微多普勒的锥体目标进动和结构参数估计[J]. 南京大学学报(自然科学版), 2014, 50(2): 148-. |
[9] | 翟俊海1,2王婷婷1王熙照1,2. 一种改进的样例约简支持向量机[J]. 南京大学学报(自然科学版), 2013, 49(5): 596-602. |
[10] | 潘世超1,王文剑1,2**,郭虎升1. 基于概率密度估计的增量支持向量机算法[J]. 南京大学学报(自然科学版), 2013, 49(5): 603-610. |
[11] | 包文颖1,胡清华2,王长忠1**. 基于多粒度数据压缩的支持向量机[J]. 南京大学学报(自然科学版), 2013, 49(5): 637-643. |
[12] | 张宇1,王文剑1,2,郭虎升1. 基于粒分布的加速训练方法[J]. 南京大学学报(自然科学版), 2013, 49(5): 644-649. |
[13] | 郭剑毅1.2**,李真1·2,余正涛1·2,张志坤1.2 . 领域本体概念实例、属性和属性值的抽取及关系预测*[J]. 南京大学学报(自然科学版), 2012, 48(4): 383-389. |
[14] | 郭丽娜1**,杨杨2. 一种基于模糊支持向量机软件模块缺陷检测算法* [J]. 南京大学学报(自然科学版), 2012, 48(2): 221-227. |
[15] | 白龙飞1,王文剑2**,郭虎升1. 一种新的支持向量机主动学习策略* [J]. 南京大学学报(自然科学版), 2012, 48(2): 182-189. |
|