您好、欢迎来到现金彩票网!
当前位置:刘伯温高手论坛 > 图像匹配 >

图像识别技术是什么?从实战告诉你答案

发布时间:2019-06-12 04:57 来源:未知 编辑:admin

  近些年比较经典的一个应用,就是谷歌和百度推出的识图功能,相信大家都已经有所体验;IT行业同事炒得火热的人脸识别,也是图像识别应用的一个典例;当然,现在的日常生活中也少不了网上购物中的识图,只要把想买的东西拿在某宝APP拍一下,就会立即搜索出此物品的种类和价格。

  不过,这些厉害的功能究竟是怎么实现的呢?未来图像识别还会和我们生活有哪些更深的接触,又跟大数据有什么关系?今天为你慢慢探索。

  数字图像(又称数码图像或数位图像),是二维图像用有限数字数值像素的表示。完成数字图像的识别需要大致经过信息获取图像采集 - 图像预处理(如二值化、反色等处理方法)得到特征数据 - 训练过程(分类器涉及和分类决策) - 识别这几个步骤。由于数字图像和文字、数字均以像素为基本元素,加之数字图像识别和数字识别的基本过程类似,我将以图像识别技术中比较基础的数字识别简单讲述识别的过程。

  1. 模式识别:当前,模式识别的应用范围十分广泛,它的观察对象囊括了人类感官直接或间接接受的外界信息。而运用模式识别的目的,则是利用计算机模仿人的识别能力来辨别观察对象。模式识别方法大致可分为两种,即结构方法和决策理论方法,其中决策理论方法又称为统计方法。字符模式识别的方法可以大致分为统计模式识别、结构模式识别和人工神经网络等。上述的图像识别步骤就是模式识别的基本步骤了。

  常用的模式识别方法之一是模板匹配,顾名思义,就是在输入图像上不断切割出临时图像、并将之与模板图像匹配,如果相似度足够高,就认为我们寻找到了应有的目标。常见的匹配方法包括平方差匹配法、相关匹配法、相关系数匹配法等。以下我们都将以模板匹配为例,说明模型识别的概念。

  2. 支持向量机(SVM):支持向量机是一种可训练的、基于结构风险小化原则的通用机器学习方法,简单来说就是一种分类器。SVM方法的原理简单说即是线性化和升维的过程。SVM是从线性可分情况下的优分类超平面发展而来的。如下图所示,空心点和实心点分别代表两类样本,H为H维分类超平面,HI和H2分别为过各类点且离分类超平面举例近且平行于H的超平面。优分类超平面理论要求分类超平面在可将两类正确分开的基础上,使分类间隔大化。

  3. OpenCV:是一个基于BSD许可证授权发型的跨平台计算机视觉库。与其他函数库相比,致力于真实世界的实时应用。同时通过优化的C代码的编写,为其执行速度带来了客观的提升。

  首先运用OpenCV函数库读取原始图像库中的图像数据,存储特征值到外部.txt文档。随后对数据进行预处理,并形成待训练数据;随后对及格过预处理的数据进行参数寻优、模型训练。在对待测试图像进行数据特征的提取后,将特征数据放进模型中进行预测并得到识别率预测值。后对识别率情况进行分析。

  手绘了0-9共十个数字,每个数字10个样本,共100个样本。样本均为5*5模板。通过代码实现获得了手写数字图像的特征信息。

  在得到特征数据后,需对特征数据进行一定的预处理以保证后续工作的正常进行。此次我们选用归一化处理,用svm-scale实现。进行归一化,目的是保证提取的数据处在一定范围内,避免过大或过小的情况发生,进而为模型的训练提供了保障。

  此外,过程中还运用了参数寻优,目的是为模型的训练提供好的参数,以得到准确率更高的模型。下图为对数据进行参数寻优操作的截图。

  上图中后一行就是佳参数。通常,我们会使用几个正确的模型,提取出特征值,作为参数寻优的结果;之后进行预测工作,都要以寻找出来的优值作为标杆,进行预测,满足这些特征值的就会被识别成功。

  模型训练即是根据之前提取到的样本特征数据,放到LIBSVM分类器中进行分类,分类的依据是每组特征值的标签。SVM机器学习方法是基于统计学理论的,因此大量的数据会得到更为的模型文件。

  1. 使用相同的训练集和测试样本,分别基于模板匹配法和基于SVM的识别方法,以观察数据维度对于识别准确率的影响。

  原因分析:由于模板匹配方法使用网络特征的提取方法,对每个区域内黑色像素个数进行统计,计算得到每个区域占得总体区域的百分比;而SVM是针对每个像素点的坐标进行统计分析的,加之高纬度可以使得坐标定位更加,因此SVM方法优势较大。

  结论:在相同测试样本、相同纬度的前提下,运用SVM方法训练得到的模型分别在16维和25维下预测,运用SVM方法得到的准确率高于模板匹配法。

  2. 运用SVM方法,使用相同训练样本和测试样本,在不同维度下对比准确率。训练样本500个,测试样本100个。

  结论:对于相同样本,使用SVM方法对模型进行预测,维度的高低对于准确率起到一定积极的影响,但准确率不会随维度的升高而无限升高。

  原因分析:由于SVM方法的图像识别是基于统计学理论进行研究的,因此大量的训练样本有助于得到更加准确的训练模型,对模型训练的预测准确度起到一定积极的影响。

  图像识别和大数据有着密不可分的关系。有前辈指出,数据挖掘=大数据+机器学习;也有专家认为,模式识别=数据+机器学习。大数据是一个时代性的概念,也是社会发展的必然产物。我们通过大数据技术实现我们终的目的即数据挖掘。无疑,“图像”也是一种数据,而图像识别是将非结构化数据结构化的必要过程。

  图像识别技术日益火热,每年都在以火箭般的速度更新着新的技术和成果,当然并不局限于图像处理和购物方面。如今,图像识别技术更是从搜图识物发展到了视频领域,不断给我们带来惊喜。比如新兴的互动视频技术video++,已经可以实现在视频中捕捉待识别的人脸和同款服饰。科技是生产力,在21世纪,火的技术之一当属人工智能,然而图像识别技术又是人工智能的核心,它是未来智能AI的“眼睛”,它的发展必然会带动人工智能的迅速发展。未来已至,你准备好了吗?

  参考文献:曾志强,支持向量分类的训练与简化算法研究[D]浙江:浙江大学2007.6,29.

  (原标题:我们比较了几种图像识别技术图像识别究竟是什么? 图片来源:KPMG专业数据挖掘团队)声明:凡来源标明“安防展览网”的文章版权均为本站所有,如需转载请务必注明出处,违者本网将追究相关法律责任;所有未标明来源为“安防展览网”的转载文章目的在于传递更多信息,均不代表本网立场及观点,“安防展览网”不对这些第三方内容或链接做任何保证或承担任何责任;如涉及版权等问题,请在内容发表之日起一周内与本网联系,否则视为放弃相关权利。

  项目接洽会——2019年江西省安防行业标准宣讲会暨江西省智慧安防生态圈交流会成功召开

  “云智天山”第二届中国安防大数据发展高峰论坛暨2018年度安防行业颁奖盛典在乌鲁木齐成功召开

  2019青海省公安科技活动周暨青海省公共安全技术防范协会十周年庆典顺利召开

  如果说2016-2017年物联网的产业生态各种要素已具备,201【详细】

  中国国际光电博览会(中国光博会,CIOE)创办于1999年,已连续【详细】

  安防展览网 - 安防行业专业网络宣传媒体法律顾问:浙江天册律师事务所 贾熙明律师

http://shinnpaint.com/tuxiangpipei/308.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有