仪表识别之数字表识别

       好久没有写博客了，主要是去学习深度学习去了，用深度学习解决了人脸检测，人脸对齐，人脸识别三种技术，再写相关的博客感觉没什么意思，所以荒废了许久。最近做了关于仪表识别的工作。这里介绍下仪表识别中数码表识别的成果。

       上图是一张测试结果，蓝色框标注了仪表的位置，绿色文字标注了蓝色框内仪表的标签和数字。

       这里主要用的方法发是机器学习中的检测+传统方法的颜色分割。流程如下：

       1）仪表检测

       2）数字区域分割

       3）数字检测

      目前开源的物体检测方法很多，对于上面场景来说，很多方法都可以达到理想的效果，比方说SSD，yolo，haar + adaboost等，传统方法，深度学习方法均可，建议采用多标签输出的方法，这样就可以一张图输入，多张标输出。

       如果直接检测数字，干扰很多，效果很差，最好的方法是特殊场景，特殊对待。如上面这个表，可以检测黑色区域，得到如下的结果：

       颜色检测后进行最小外接矩形计算就可以得到。需要注意的是得到检测框后要往内部padding一定比例的像素。

      数字检测可以按照仪表检测的方法来进行。很多人会用tesseract来实现识别，往往是不得其法的，据说tesseract内部的算法是跟比划相关，led的显示是断的，所以两者是相悖的，所以用检测方法会很好的解决这个问题，检测分类包含数字，字母及小数点，为了效果好，标注的时候要用同样大小的框进行标注，比如小数点的标注框要比其面积大很多。

      结果就看图吧。

      目前检测方法以深度学习占主流，现在也出现一些网络，模型小，速度快，效果好很多，所以实用是没有问题的。我个人也研发了一些小网络，采用多尺度，级联结构，上面这些张图，i5单核100ms左右，如果仪表占全图一半的面积以上，i5单核实时是肯定没有问题的。

       当然我还做了一些指针表的效果,如下图，采用的方法嘛，就是公司的机密了：

        下面我做了一个具体的讲解视频，有兴趣可以看下

https://v.youku.com/v_show/id_XMzc5NjgyNDcyMA==.html?spm=a2h3j.8428770.3416059.1

       首先将需求描述成文字，附上要识别的仪表图片，以邮件的方式发送到作者邮箱，邮件中同时留下个人的姓名、电话、单位等基本信息。

       作者邮箱:[email protected]，微信：msg_of_huneng