手写体两位数字识别.ppt

手写体两位数字识别 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望问题提出问题提出随着模式识别及相关理论和技术的发展，其在现实生活中也得到越来越广泛的应用。微软推出了kinect，可以通过人脸、手势、动作进行控制以及人机交互，使得体感游戏开始进入普通家庭。可以预见不久之后的家用电视机也将会带上这样的功能：可以用手势来操控电视频道。那么，是否能通过临空手写数字来切换频道？于是提出这个问题，手写体数字识别。2问题简化问题简化假设需要识别的是从0-99的频道，那么就是需要识别100类，从原问题看，需要识别的是从0-99这100类数字，且每个数字都是用一笔写成的。34数据采集数据采集采集100类数据，每类30个，并已经过二值化处理，每幅图像分辨率为170160Figure1 some original images517016080808080数据处理数据处理Figure2 processing6训练与识别训练与识别对每类30张图片使用PCA进行降维每类前25张作为训练集，后5张作为测试集使用SVM方法进行训练和识别Figure3 some test results7results训练与识别训练与识别8实验结果实验结果PCA n=60Kernel type012Accuracy46.6%(233/500)46.6%(233/500)24.8%(124/500)9实验结果实验结果Kernel type012Accuracy36%(180/500)36.2%(181/500)18.8%(94/500)PCA n=20PCA n=40Kernel type012Accuracy45.4%(227/500)44.8%(224/500)27%(135/500)PCA n=80Kernel type012Accuracy44.8%(224/500)44%(220/500)23.2%(116/500)10小结小结使用PCA降维后得到的相同维度下，用linear 或者polynomial的kernel type进行训练能得到较好结果在使用PCA分别降维至20、40、60和80后进行SVM方法训练与分类，其中在60的时候有最高正确率11小结小结是否能够改进图像预处理来提高正确率？通过使用其他方法来得到更好的结果？12Thanks!翁立波2012年年2月月28日日