專業
靠譜的軟件外包伙伴
一個簡單的Apriltag，數字，動物水果分類器
- 2021-08-16 00:51:48
-
一、應用背景在第十六屆全國大學生智能車競賽全國總決賽中，為了適應線上總決賽的要求，室內視覺AI組的比賽采用了賽道積分與識別積分分離的比賽形式，這樣可以保證比賽過程中更加的緊湊高效。智能車在識別圖片任務為了避免人工對于識別過程的干預，整個識別過程是由計算機隨機給出Apriltag，數字，動物以及水果圖片，由參賽車模自動根據拍攝的照片給出識別結果。由于之前的比賽，Apriltag，數字，動物以及水果分別位于賽道的不同位置，Apriltag位于賽道上，數字位于三岔路口，動物和水果則位于賽道兩旁。所以智能車模可以預先根據車模所處在賽道的不同位置，指導攝像頭所拍攝的圖片中的種類分別屬于哪一大類。然后在分別調取不同的識別模型和算法來進一步處理圖片。在新的比賽模式下，所有的圖片都是隨機出現，因此，需要預先判斷圖片屬于哪一大類，然后才能夠調取原來的識別模型。那么改如何設計一個簡單的分類算法，將獲取的圖片先劃分到三大類（Apriltag，數字以及動物與水果）呢？本文下面就討論一個利用圖片的像素顏色來進行分類的簡單算法。二、原始數據1、數據庫來源在第十六屆智能汽車競賽AI視覺組分賽區數據集發布給出了應用在智能車競賽中的四類圖片的數據集合以及下載的方式。智能車競賽數據集合：AprilTag：25h9系列0~9數字：0~9動物圖片：五個子類：牛（93）、狗（101）、豬（88）、貓（99）、馬（95）水果圖片：橙子（86）、榴蓮（75）、蘋果（88）、葡萄（89）、香蕉（93）數據庫總體數量927張圖片。
三、圖片顏色1、基本識別方案為了建立一個非常簡單的Apriltag，數字、動物和水果的分類器，需要結合已知先驗知識，借助于簡化的模式識別的方法建立分類器；拋開對于圖片內的形態識別特征，轉換使用基于像素的統計規律，這樣可以大大提高檢測速度；因此，計劃使用圖片的顏色空間的統計特性來區分三類。由于Apriltag，數字都是黑白的圖片；利用這一點可以用于區分水果與動物；Apriltag與數字在黑白的占空比方面不同，可以利用圖片的灰度分布統計來，或者平均灰度來區分這兩類。2、圖片的RGB轉換HSV根據黑白圖片與參賽圖片之間關系，可以把Apriltag，數字分布與動物水果進行區分。為了有效區分彩色圖片與黑白圖片，則需要將圖片從RGB轉換到HSV空間。在HSV（Hue,Saturation,Value）中，S分量表示色彩的保護度，也就是顏色距離白色與純色之間的差異度量。通常取0%~100%，S值越大顏色就越飽和。3、利用平均色飽和度區分彩色與黑白圖片如果取一個閾值Smin?S_{min}Smin作為區別黑白與彩色圖片的閾值，Smin?S_{min}Smin越大，對于黑白圖片的誤判成彩色圖片概率就越低，但對于彩色圖片誤判成黑白圖片的概率就越大。當閾值取10的時候，判斷黑白照片與彩色照片的正確率大約為95%，當閾值取20的時候，正確率已經下降到90%以下了。由于使用攝像頭攝取圖片的時候，存在一定的圖片白平衡失真，上面色飽和閾值不能夠設置太高，否則就會使得黑白圖片被誤判成彩色圖片。4、圖片灰度如果僅僅通過色保護度來區分黑白圖片（Apriltag，數字）與彩色照片（動物和水果）會存在比較大的誤差。下面還可以通過圖片的灰度分布差異來進一步區分黑白圖與彩色圖片。對比黑色圖片（Apriltag，數字）圖片的亮度分布，它的分布主要集中在最高值與最低值，中間分布很少。因此，可以利用這個差異進一步區分黑白圖片與彩色圖片。如果取35作為閾值，使用次級亮度平均值來區分黑白圖與彩色圖片，可以達到100%的正確率。
五、利用S，V區分設置分類器為了提高分類器的適應性，可以考慮聯合圖片的S，V來區分黑白圖與彩色圖。計算圖片的平均色飽和度值SaveS_{ave}Save以及次級平均亮度值VaveV_{ave}Vave。選擇兩個合適的閾值：STS_TST以及VTV_TVT，對于同時滿足：Save六、區分Apriltag與數字根據圖片的平均色保護度以及次級平均亮度可以將黑白圖片與動物水果圖片區分開來。那么如何區分Apriltag與數字呢？如果對于前面給出的APriltag和數字亮度值的分布來看，可以看到Apriltag的黑色背景值比白色背景多，而數字則恰好反過來，它的白色背景像素多余黑色背景像素。利用這一點差異，可以對于黑白圖片中的黑色像素（也就是V值低于圖片平均灰度的像素）的個數進行統計，如果黑色像素的個數高于所有像素個數的50%，則是Apriltag圖片，反之則是數字圖片。※算法總結※對于全國大學生智能車競賽競賽室內視覺AI組用于識別Apriltag，數字，動物以及水果任務，本文提出了基于圖片像素的HSV空間的統計值，建立了一個簡單的大類分類器。利用這個分類器可以非常精確的在第一時間吧圖片分成Apriltag，數字以及彩色圖片（動物和水果），然后在利用不同的識別模型進一步識別。由于這個過程應用了對于圖片庫的先驗知識，一方面可以繼續應用原來已經建立好的Apriltag、數字、動物以及水果識別模型，另一方面也可以提高整個識別的效率。對于本文前面提到的算法中的閾值，需要根據實際采集到的圖片進行進一步優化，使得最終的識別效率達到最高。
- [ 返回首頁] [ 打印] [ 返回上頁] 上一篇：南通網站拓展關鍵詞的技巧有哪些？ 下一篇：Python Qt GUI設計簡介、環境下載和安裝