基于HOG和SVM的通信设备工具板检测方法.pdf

2016年第2期 文章编号：1009—2552(2016l02—0157—03 DOI：10．13274／j。cnki．hdzj．2016．02．041 基于 HOG和 SVM的通信设备工具板检测方法 杨 云，郭建强，罗 林，张 文 (西南交通大学物理科学与技术学院光电工程研究所，成都 610031) 摘 要：针对通信装备测试中对工具板的定位、识别问题，提出一种利用方向梯度直方图特征 与支持向量机结合的方法检测工具板。首先利用平板电脑拍摄通信装备及工具板，然后从图片 中剪裁出正负样本，提取样本方向梯度直方图特征。训练样本特征得到检测器并检测图片，最 后将待检测的工具板定位在图像 中供进一步检测，结果表明，该方法可以很好地完成对工具板 的识别和定位，具有可行性。 关键词：方向梯度直方图；分类；目标识别；支持向量机 中图分类号：TN806 文献标识码：A Detectionmethodofcommunication equipmenttoo1．boards basedonHOG andSVM YANGYun，GUOJian．qiang，LUOLin，ZHANGWen u (PhotoelectricEngineeringInstitute，SchoolofPhysicalScienceandTechnology，Southwest JiaotongUniversity，Chengdu610031，China) Abstract：Aimingattheproblem ofrecognizingandpositioningtoolboardsin testingcommunication device，awaybasedonhistogram oforientedgradient(HOG)andsupportvectormachine(SVM)is proposedtodetecttool—boards．Firstofall，imagesofcommunication equipmentandtool—boardsare capturedbyAndroidPad．Thenpositiveandnegativesamplesarecutfrom theseimages．Afterextracting HOGfeatureofsamples，detectoriscreatedbytrainingHOG featuresinSVM．Detectingtestset，tool— boradswouldbemarkedinimagesforfurtherdetection．Theresultsshow thatthismethodcancomplete therecognitionandlocationofthetool—boards，whichisoffeasibility． Keywords：HOG；classification；targetrecognition；SVM 0 引言 学习(Adaboost)J、支持向量机 (SupportVectorMa． chine，SVM)[91等。比较而言，特征选择往往依赖丰 机器视觉和图像处理技术已经成为工业 自动化 特别是生产、检测领域不可或缺的一部分。目标检 富的经验，在图像识别中比分类识别算法更为关键。 测是一种基于 目标特征的图像分割，它将 目标的识 因此卷积神经网络 等不依赖人工提取特征的深 别和分割合二为一…。 度学习算法成为研究热点，并取得了良好的效果。 目前行人检测、人脸检测、车辆检测是 目标 自动 随着人力成本的提高，工业领域越来越多地应 识别中较为成熟的应用。其流程一般分为外观特征 用机器视觉进行诊断，如印制电路板检测_】。本文 提取和分类