網路城邦
上一篇 回創作列表 下一篇  字體:
新書架構搶先報
2020/09/02 10:16:30瀏覽946|回應0|推薦6

書名:VB作影像辨識→以車牌辨識為例

內容架構:

C01_影像辨識簡介

C02_數位影像的拆解與顯示

C03_目標二值化與輪廓化

C04_目標物件的建立與篩選

C05_如何找出字元目標群組

C06_字模製作與目標比對

C07_字元影像目標的正規化

C08_車牌的字元辨識

C09_負片與黯淡車牌的辨識

C10_立體空間斜視影像的處理

C11_影像分割可以很簡單

C12_挑戰蝕刻與浮雕字的辨識


 前言

影像辨識,隨著數位影像的品質與電腦運算效能的提升,近年在各領域的應用已呈現爆炸性的成長,未來十年也必定是高科技研發的重點。相關的技術研究也蓬勃發展之中,大家耳熟能詳的就有:機器學習、深度學習、OpenCVCNNYolo等等。

但是以上述技術開始學習影像辨識的初學者,多半都忽略了影像辨識基礎原理與實作的學習,也就是在上述技術出現之前的數十年間,發展出來的傳統影像辨識方法。目前多數人傾向採用上述新興科技的主因,是影像辨識的資料複雜,技術的門檻高,因此冀望於有技術的捷徑使然,但任何新技術都無法跳脫影像辨識的基礎原理與原則,打好基礎還是必須的!

傳統影像辨識方法面對的挑戰,就是數位影像畫素快速提升,涵蓋內容更精緻複雜,之前針對幾萬畫素影像內,簡單目標的辨識所研發的演算法,面對幾百萬畫素的影像時,就顯得捉襟見肘,辨識能力與耗用時間都難以符合商業化的需求。也因此跳脫傳統影像辨識程序的束縛,直接以統計或較為抽象快速的演算法來達成影像辨識的目的,才會變成目前影像辨識的主流思潮。

然而,多數影像辨識的應用都需要極高的辨識率,譬如車牌辨識、證件辨識或生產線上的品管辨識等等。任何技術如果無法達到98%以上的辨識正確率,其實就沒有太多實用價值!對於這些應用領域,基於資料解析思維所建立的傳統影像辨識演算法,還是比機器學習等基於統計學的演算法更具優勢的!

本公司就是使用傳統的影像辨識演算法為基礎,開發出辨識能力足以廣泛銷售的車牌辨識軟體,並以相似技術執行許多其他影像辨識專案的開發,包括:閱卷程式、證件辨識、貨櫃碼辨識、實驗標本裂變辨識、數位燈號辨識、條碼指向辨識,乃至動態的人流與車流辨識等等。

基於回饋社會的熱忱,本書將以車牌辨識的過程為例,具體介紹如何使用傳統影像辨識技術,完成影像辨識目標的實作過程。希望大家知道:在機器學習技術之外,還有另一種可能更好的選擇。我們認為任何影像辨識技術沒有絕對的優劣,最適用於辨識目的與使用情境的方法,就是最好的方法!

本書每一章都有完整可執行的VB程式專案,也有每一步驟的詳細說明。我們並不著重在影像辨識整體理論或技術方法的完整性!程式內容也不完全代表本公司產品的最高效能核心技術,但是只要能仔細閱讀實作並充分理解,必能廣泛快速的應用於您的大多數影像辨識需求!協助讀者快速具備可以實作影像辨識工作的能力才是本書最重要的目的。

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:http://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=150044015