理论知识
CVB Manto
浏览:2132 次
时间:2012-02-28 15:36:39

   Manto 主要应用领域是模式识别, pattern(模式)是包含于一个给定图像的子矩形内的样本数据。对于分类器来说,这个子矩形必须有相同的大小,而被搜索的场景可以任意大。例如:如果用 32x48 大小,RGB 图像来训练分类器,那么所用的 pattern(模式)也必须用32x48 大小, RGB 图像。

  训练通过模式识别分类所要求的样本数据开始,将这些数据提供给 Manto。例如:用于识别灰度的手写的阿拉伯数字(图像大小 28*28)时,就必须准备相同大小的灰度图像,且每个图像都要包含一个手写数字,同时定义正确的分类名称(或分类编号)。这种类型的数据叫做样本图像列表(SIL)。开发包中包含有一个 Teach 程序和许多的库函数帮助生成样本图像列表集(SIL’s)。

  一旦创建了 SIL,就要将其传递给 Manto 使用库函数 CreateMCFromImageList 来生成分类器(MCF)。因此,SIL 中必须要含有新的分类器所要求的信息,并且必须保证这些信息对于项目要求是准确和充分的。例如在手写体识别项目中,如果 SIL 中不含有任何关于数字“5”的样本,则 MCF 也就不会识别出“5”;在人脸识别项目中,如果 SIL 包含人脸的特征而没包含非人脸特征,结果将是 MCF 将在不合适的地方错误地识别为人脸。这将使得MCF 变得毫无意义。如果所要求的分类都有,Manto 能够正确运行。一般地说,SIL 包含越多的样本,它的识别准确率越高。

  生成的 MCF 可用来从背景图像中查找各类感兴趣的模式。功能函数 MCSearch 返回最匹配的位置,以及对应的分类名。如果在 MCF 中仅有一个可接受类,那么 MCF 中至少要有 2 个类型,另外一个是被拒绝类型。

  另一方面,如果 MCF 中有很多类型,且要搜索的区域是由单个点组成,MCSearch 用来做搜索时,两步逼进法可以提高识别速度和准确率。用此方法可在人的面部识别中取得好的效果。例如:开始先使用人脸/非人脸分类器识别,然后将分析的结果交由可识别 12 个人的分类器进行分类。

  主要的应用领域:

  手写体识别

  人脸识别

  文本的分析(仅用于英文和数字)

  指纹识别

  其他的模式识别项目(如面部表情的识别)

京ICP备12022927号-1
北京市海淀区上地信息路1号国际科技创业园1—1705
© Copyright 2011 北京盈美智科技 All rights reserved.