基于Gabor特征与BP神经网络的屏幕显示自动校验系统

doi:10.3724/SP.J.1087.2013.01463

计算机应用 ›› 2013, Vol. 33 ›› Issue (05): 1463-1466.DOI: 10.3724/SP.J.1087.2013.01463

基于Gabor特征与BP神经网络的屏幕显示自动校验系统

向荣,周慧娟

浙江大学数字技术及仪器研究所，杭州 310027

收稿日期:2012-12-03 修回日期:2012-12-29 发布日期:2013-05-08 出版日期:2013-05-01
通讯作者: 向荣
作者简介:向荣(1988-)，男，湖北嘉鱼人，硕士研究生，主要研究方向：视频监控系统、图像处理、模式识别；周慧娟(1987-)，女，福建莆田人，硕士研究生，主要研究方向：视频监控系统、嵌入式系统Web。
基金资助:
国家863计划项目(2010AA09Z104)

Automatic on-screen-display verification system based on Gabor features and BP neural network

XIANG Rong,ZHOU Huijuan

Institute of Advanced Digital Technologies and Instrument, Zhejiang University, Hangzhou Zhejiang 310027, China

Received:2012-12-03 Revised:2012-12-29 Online:2013-05-08 Published:2013-05-01
Contact: XIANG Rong

摘要/Abstract

摘要： 针对人工校验视频监控设备屏幕显示(OSD)效率低下、人力物力资源耗费大的问题，提出一种OSD自动校验系统，取代传统的人工校验方式。系统首先综合多种数理统计特征进行OSD定位，然后利用改进的Otsu算法进行精确字符分割并二值化，最后通过基于Gabor特征离线训练的改进型BP神经网络进行字符识别。实验结果表明，在确保92.7%识别率的前提下，该系统识别一帧OSD平均耗时53ms。

关键词: 屏幕显示校验, Gabor特征, BP神经网络, 字符分割, 快速二值化

Abstract: To deal with low efficiency and long-time consumption in verifying OSD (On-Screen-Display) of video devices, this paper devised an automatic OSD verification system. The system consisted of three parts. OSD area location was achieved by synthesizing statistical characteristics. Single character was then segmented based on improved Otsu algorithm. Finally, Gabor features and improved BP neural network were used to recognize these characters. The experimental results show that this system costs average 53ms per recognition of one frame with a recognition rate at 92.7%.

Key words: On Screen Display (OSD) verification, Gabor feature, Back Propagation (BP) neural network, character segmentation, quick binarying

中图分类号:

TP391.41

向荣周慧娟. 基于Gabor特征与BP神经网络的屏幕显示自动校验系统[J]. 计算机应用, 2013, 33(05): 1463-1466.

XIANG Rong ZHOU Huijuan. Automatic on-screen-display verification system based on Gabor features and BP neural network[J]. Journal of Computer Applications, 2013, 33(05): 1463-1466.

参考文献

［1］桂丹. 高速公路视频监控系统及OSD的设计与实现［D］. 武汉：武汉理工大学，2010.

［2］白杨. 基于Nios Ⅱ的红外热像仪OSD显示与功能实现［D］. 南京：南京理工大学，2010.

［3］费莉梅. 网络视频录像机OSD子系统软件设计［D］. 杭州：浙江大学，2012.

［4］任彧，邱军，顾成成. 基于Linux平台的实时视频OSD设计与实现［J］. 计算机应用与软件,2010,27(10):185-187.

［5］戴维. 基于Gabor特征与SVM的汉字识别系统研究与实现［D］. 上海: 上海交通大学,2008.

［6］赵英男. Gabor滤波器在车辆检测和车型识别中的应用研究［D］. 南京: 南京理工大学,2004.

［7］邓洪波. 基于Gabor特征的人脸表情识别和手写体汉字识别［D］. 广州：华南理工大学,2006

［8］曾德瑞，普玉伟，杨明武. 数字视频ASIC 中OSD 系统的实现［J］.器件与应用,2011,35(23):36-39.

［9］黄燕群，李利品，王爽英. 基于FPGA的OSD设计［J］. 液晶与显示,2010,25(3):429-433.

［10］林国政，沈小林. 基于ARM的嵌入式视频监控系统设计［J］. 电子测试,2011(3):55-59.

［11］郑世程，于忠臣. 基于BES7456芯片的OSD的应用平台设计［J］.单片机与嵌入式系统应用,2011，11(6):35-37.

［12］黄益贵，王汝传. 基于DM6446的P2P机顶盒OSD研究与实现［J］.计算机技术与发展,2010,20(4):220-223.

［13］江维，罗才华. 高清数字电视机顶盒3D OSD 显示框架的设计与实现［J］. 有线电视技术,2012(1):72-75.

［14］张引. 基于空间分布的最大类间方差牌照图像二值化算法［J］. 浙江大学学报：工学版,2001,35(3):272-275.

［15］HUANG L L, SHIMIZU A, KOBATAKE H. Classification-based face detection using Gabor filter features［C］// Proceedings of Sixth IEEE International Conference on Automatic Face and Gesture Recognition. Washington， DC: IEEE Computer Society, 2004:397-402.

［16］FASEL I R, BARTLETT M S, MOVELLAN J R. A comparison of Gabor filter methods for automatic detection of facial landmarks［C］// Proceedings of Fifth IEEE International Conference on Automatic Face and Gesture Recognition. Washington， DC: IEEE Computer Society, 2002:231-235.

［17］KYRKI V, KAMARAINEN J K, KLVIINEN H. Simple Gabor feature space for invariant object recognition［J］. Pattern Recognition Letters, 2004，25(3):311-318.

[1]	段佳良, 蔡国明, 徐开勇. 基于多BP神经网络的内存组合特征分类方法[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 178-182.
[2]	陈万志, 李东哲. 结合白名单过滤和神经网络的工业控制网络入侵检测方法[J]. 计算机应用, 2018, 38(2): 363-369.
[3]	何春, 李琦, 吴让好, 刘邦欣. 基于故障传播的模块化BP神经网络电路故障诊断[J]. 计算机应用, 2018, 38(2): 602-609.
[4]	王军, 费凯, 程勇. 基于改进的Adaboost-BP模型在降水中的预测[J]. 计算机应用, 2017, 37(9): 2689-2693.
[5]	石峰, 楼文高, 张博. 基于灰狼群智能最优化的神经网络PM_2.5浓度预测[J]. 计算机应用, 2017, 37(10): 2854-2860.
[6]	刘军, 白雪. 基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法[J]. 计算机应用, 2016, 36(2): 586-590.
[7]	杨亢亢, 巫世晶, 刘羽劼, 周璐. 基于约束的协同设计冲突检测模型[J]. 计算机应用, 2015, 35(8): 2215-2220.
[8]	何玲丽李文波. 基于对称Gabor特征和稀疏表示的人脸识别[J]. 计算机应用, 2014, 34(2): 550-552.
[9]	吴忠杰张耀中王强. 无人机复杂气象威胁建模及评估方法[J]. 计算机应用, 2013, 33(04): 1179-1182.
[10]	叶龙欢王俊峰高琳袁军. 复杂背景下的票据字符分割方法[J]. 计算机应用, 2012, 32(11): 3198-3205.
[11]	雷斌陶海龙徐晓光. 基于改进粒子群优化算法的灰色神经网络的铁路货运量预测[J]. 计算机应用, 2012, 32(10): 2948-2951.
[12]	侯景伟孔云峰孙九林. 蚁群算法在需水预测模型参数优化中的应用[J]. 计算机应用, 2012, 32(10): 2952-2955.
[13]	郑美珠赵景秀. 基于区域一致性测度的彩色图像边缘检测[J]. 计算机应用, 2011, 31(09): 2485-2488.
[14]	吴庆涛华彬郑瑞娟魏汪洋张明川. 基于自律计算的入侵容忍模型[J]. 计算机应用, 2010, 30(9): 2386-2388.
[15]	熊忠阳杨青波张玉芳. 改进PSO-BP神经网络在变压器故障检测中的应用[J]. 计算机应用, 2010, 30(3): 783-785.

基于Gabor特征与BP神经网络的屏幕显示自动校验系统

Automatic on-screen-display verification system based on Gabor features and BP neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics