基于Gabor特征与BP神经网络的屏幕显示自动校验系统

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于Gabor特征与BP神经网络的屏幕显示自动校验系统范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

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

0引言

随着网络多媒体技术的发展，数字视频系统在银行、交通、治安、家电、手持式设备等领域取得了广泛的应用[1-3]，屏幕显示（OnScreenDisplay， OSD）技术随之发展起来。此技术是利用在屏幕上显示特定的字或者图像来完成人机交互的过程，让使用视频的用户获得如监控的时间及位置等信息。而在视频终端设备如机顶盒、硬盘录像机（Digital Video Recorder， DVR）、网络视频率相机（Network Video Recorder， NVR）中，OSD更是以界面菜单的方式起到关键性作用[4]。

在监控系统或视频设备使用之前，要花费很大的人力物力对OSD的正确性进行校验。由于OSD在图像中的位置随机，背景复杂程度各异，很难采用传统的程序化方式进行校验。目前普遍采用人工校验的方式，但这样校验耗时耗力，而且很难实现OSD字符集的遍历校验。一旦校验疏忽，投产的视频设备出现OSD错误，会对产品信誉造成极大的负面效应，带来严重的经济损失。

目前国内外已公布OSD识别方面相关的研究成果很少。关于字体识别，文献中采用的Gabor特征是一种能够良好反映字形特征的处理方法[5-7]，近年来为很多识别系统所采用。通过分析多种OSD原理，本文提出了一种基于Gabor特征与改进型BP神经网络的OSD自动校验系统，以取代传统的人工校验方式。目前已经作为OSD自动校验的一套解决方案，为国内某视频监控公司实际使用。

5结语

本文提出了一种基于Gabor特征与改进型BP神经网络的OSD自动校验系统，在局部强光照、噪点、花纹等较为恶劣的背景干扰下，所采用多数理统计特征定位方法有效，仅作垂直边缘检测能够更加精确地进行字符分割，改进的Otsu二值化算法大幅度提高了二值化的处理速度，Gabor特征与BP神经网络识别算法比传统算法识别率高，实验结果表明在识别率达到92.7%时，平均识别一帧耗时53ms。

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，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. Classificationbased 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， KLVIINEN H. Simple Gabor feature space for invariant object recognition[J]. Pattern Recognition Letters， 2004，25（3）：311-318.