發(fā)布時間：2018-05-19 04:18

  本文選題：機器學習 + 視頻中數字時鐘定位　； 參考：《華中師范大學》2017年碩士論文

【摘要】：識讀視頻中的數字時鐘是一個重要的應用問題,在智能監(jiān)控、娛樂等領域有著重要的應用價值。文獻中已有算法可以很好地識讀視頻中的數字時鐘,但是這樣的算法還存在兩方面的問題。其一是這些算法以啟發(fā)式方法為主,沒有利用強有力的機器學習方法。其二是這些算法有一批參數需要手動調整。針對這兩方面的問題,本文提出全面使用機器學習方法完成時鐘的定位和時鐘數字識別。本文是首次研究無識別的機器學習定位方法。其思想如下:與傳統(tǒng)方法不同的是,在定位階段,先根據秒像素點灰度值變化的周期性快速定位到秒像素的數字位置,且首次引入了機器學習的思想解決此問題,更具有智能性。其次,考慮了數字時鐘通常有穩(wěn)定的背景,及時鐘不同數字的前景、背景的顏色不同,快速定位到時鐘的時、分區(qū)域,先利用機器學習區(qū)分顏色,進而采用機器學習進行圖像分割,但因為利用了顏色信息,效率更高。時鐘識讀階段,本研究主要采用了卷積神經網絡,在單個數字識別上,取得了比CRF更高的效率,且降低了對字體等因素的依賴。因秒數字具有周期性的系列特點,本研究也系列識別上作了一定探討,用來矯正單個數字識別的錯誤。最后,本研究也在如何借鑒先前的啟發(fā)式函數的成果經驗,如何用機器學習的方法針對具體問題設計適合的網絡結構,及模擬啟發(fā)式函數上,做了一定探討。
[Abstract]:Digital clock in video reading is an important application problem, which has important application value in intelligent monitoring, entertainment and other fields. The existing algorithms in the literature can read the digital clock in video very well, but there are still two problems in this algorithm. One is that these algorithms are mainly heuristic, without powerful machine learning methods. The second is that these algorithms have a number of parameters to be manually adjusted. In order to solve these two problems, this paper proposes a machine learning method to complete clock localization and clock digital recognition. This paper is the first time to study the localization method of unrecognized machine learning. The idea is as follows: different from the traditional method, in the localization stage, the digital position of the second pixel is quickly located according to the periodicity of the change of the gray value of the second pixel, and the idea of machine learning is introduced to solve this problem for the first time. More intelligent. Secondly, considering the stable background of digital clock and the foreground of different digital clock, the color of background is different. When the clock is located quickly, it is divided into regions, and the color is distinguished by machine learning. Then machine learning is used for image segmentation, but because of the use of color information, the efficiency is higher. In the phase of clock recognition, convolution neural network is used in this study, which achieves higher efficiency than CRF in single digit recognition, and reduces the dependence on font and other factors. Because the second digit has the periodic series characteristic, this research also makes the certain discussion on the series recognition, which is used to correct the error of the single digit recognition. Finally, this study also discusses how to draw lessons from the previous experience of heuristic function, how to design a suitable network structure for specific problems by using machine learning methods, and how to simulate heuristic function.
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP181

【相似文獻】

相關期刊論文 前10條

1 夏潤海,王開顏;機器學習與智能決策支持系統(tǒng)[J];濰坊學院學報;2003年02期

2 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

3 楊凌霄;武建平;;機器學習方法在人臉檢測中的應用[J];計算機與數字工程;2008年03期

4 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

5 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

6 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

7 趙沁平;魏華;王軍玲;;機器學習技術與機器學習系統(tǒng)[J];計算機科學;1993年05期

8 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

9 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

10 黃海濱;機器學習及其主要策略[J];河池師范高等�？茖W校學報(自然科學版);2000年04期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀志梁;;利用機器學習方法預測嚴重藥物不良反應-呼吸困難[A];中國化學會第28屆學術年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結構的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結合的蛋白質名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應用思考[A];第一屆全國中西醫(yī)結合診斷學術會議論文選集[C];2006年

7 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數的機器學習——一個三類線性模式分類器的實現[A];1995中國控制與決策學術年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關重要報紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機器學習與智能化社會[N];中國郵政報;2003年

2 IBM大數據專家 James Kobielus　范范 編譯;機器學習已成為大數據基石[N];網絡世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機器學習”應運而生[N];科技日報;2014年

4 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術副總監(jiān) 多媒體部負責人 余凱;深度學習與多媒體搜索技術演進[N];中國信息化周報;2013年

6 本報記者 余建斌;機器學習與互聯網搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

9 本報記者 閔杰;大數據熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數據科學家[N];計算機世界;2013年

相關博士學位論文 前10條

1 董春茹;機器學習中的權重學習與差分演化[D];華南理工大學;2015年

2 姚明臣;機器學習和神經網絡學習中的若干問題研究[D];大連理工大學;2016年

3 Maxim Pecionchin;[D];對外經濟貿易大學;2016年

4 杜宇;基于深度機器學習的體態(tài)與手勢感知計算關鍵技術研究[D];浙江大學;2017年

5 鐘錦紅;群智學習若干問題研究[D];中國科學技術大學;2017年

6 趙東;基于群智能優(yōu)化的機器學習方法研究及應用[D];吉林大學;2017年

7 魯路;基于機器學習優(yōu)化分子對接篩選腎衰營養(yǎng)膠囊有效成分[D];南方醫(yī)科大學;2017年

8 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

9 胡巍;面向格結構的機器學習[D];上海交通大學;2009年

10 張義榮;基于機器學習的入侵檢測技術研究[D];國防科學技術大學;2005年

相關碩士學位論文 前10條

1 向雷;基于機器學習的視頻中的數字時鐘識讀的研究[D];華中師范大學;2017年

2 毛海斌;基于半監(jiān)督機器學習的情感分類領域適應問題研究[D];南京理工大學;2015年

3 安軍輝;基于微博數據的微博用戶性別判斷研究[D];華中師范大學;2015年

4 陳召陽;基于機器學習的改性麥槽吸附重金屬構效關系模型研究[D];江西理工大學;2014年

5 王成;基于半監(jiān)督機器學習的文本情感分析技術[D];南京理工大學;2015年

6 孫科;基于Spark的機器學習應用框架研究與實現[D];上海交通大學;2015年

7 劉江龍;基于機器學習的射頻指紋定位方法研究[D];電子科技大學;2015年

8 張蕾;基于機器學習的網絡輿情采集技術研究與設計[D];電子科技大學;2014年

9 施宇;基于數據挖掘和機器學習的木馬檢測系統(tǒng)設計與實現[D];電子科技大學;2014年

10 施應敏;基于機器學習的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學;2015年

，

本文編號：1908684