基于機器學習的目標圖像定位算法研究.pdf

1、近年來，智能化生活正一步一步貼近我們的生活，準確、快速的圖像目標檢測與識別正在發(fā)揮越來越重要的作用。條形碼是智能化生活中廣泛應用的商品標簽，同時它也是結(jié)構(gòu)化的圖像，易于檢測與識別。隨著商品零售業(yè)的蓬勃發(fā)展，掃碼工作變的越來越繁重，而現(xiàn)有的日常生活中的條碼檢測多數(shù)都是半人工的，對于人力資源是很大的浪費。在復雜背景下，快速準確的定位出條形碼的位置是精確識別的前提和基礎(chǔ)，也是近年來科學研究的熱點問題。
　　本文對條碼定位算法進行了深入研

2、究，針對現(xiàn)有的條碼定位算法存在的問題，在復雜背景下，尤其在多個條碼同時存在的情況下以及在條目發(fā)生旋轉(zhuǎn)和發(fā)生形變的情況下無法精確定位的問題，提出了一種基于霍夫變換（Hough Transform）和局部二值模式特征（Local Binary Pattern, LBP）的支持向量機（Support Vector Machine, SVM）的條碼定位算法，以提高條形碼的定位精度，為后續(xù)的條碼識別提供良好條件。研究的方法和內(nèi)容主要包括以下幾個方

3、面：
　　（1）圍繞現(xiàn)有檢測算法對于條碼發(fā)生旋轉(zhuǎn)后無法做到精確定位的問題進行研究，提出一種基于條碼直線分布特性的二維霍夫變換修正算法。根據(jù)條碼直線在圖像中分布密集的特性，通過二維Hough統(tǒng)計出分布密集的直線的角度，再由此角度進行旋轉(zhuǎn)圖像，得到修正角度后的圖像。實驗結(jié)果表明本方法檢測角度誤差小，且對于多數(shù)復雜背景條件下的條碼圖像能做到正確調(diào)整。
　?。?）針對圖像中存在著多個條碼或條碼缺損無法精確檢測的問題，提出采用分塊LB

4、P特征來描述條碼。圖像中條碼的情況復雜，分塊的LBP可以很好解決檢測多個條碼和條碼有所缺損的情況。
　?。?）針對條碼定位精度不足的問題，根據(jù)條碼圖像黑白相間的特性，引入顏色直方圖結(jié)合LBP特征進行描述條碼，對條碼進行特征提取。將提取后的數(shù)據(jù)進行訓練得到SVM分類器模型。隨后用分類器，對待檢測的圖片進行條碼檢測，經(jīng)過后處理得到定位結(jié)果。
　　通過在國際通用的數(shù)據(jù)庫（Westf.lische Wilhelms-Universi