使用gstreamer和opencv实时识别LED数码管数字的测试demo（QT）

最新推荐文章于 2024-06-20 09:50:56 发布

阿龍1787

最新推荐文章于 2024-06-20 09:50:56 发布

阅读量989

点赞数 12

分类专栏：阿龍1787的gstreamer学习笔记文章标签： opencv 人工智能计算机视觉实时音视频音视频 c++ qt

本文链接：https://blog.csdn.net/Alon1787/article/details/136247810

版权

本文介绍了一个使用gstreamer和opencv在QT环境中进行LED数码管数字识别的测试项目。通过静态和动态识别两种效果展示，详细讲解了项目实施过程，包括准备训练素材、添加opencv环境、调整代码等步骤。虽然识别效果有待优化，但已具备基本功能。

摘要由CSDN通过智能技术生成

效果演示：

效果1：静态识别

效果2：动态实时识别

可以看到，虽然不太稳定，但是好歹还是识别出来了的，就是需要调参，然鹅我不是专业的，目前还没有调好。。。 T_T 先这样吧。以后再说。

觉得文章质量可以的，请点个赞哦，谢谢。

前言

最近需要完成使用opencv识别摄像头的LED数字，说实话，这个方向之前从来没有搞过，大概就类似这种：

这种是最理想的情况，但是实际上可能有非常多的噪点，比如：

以上这种情况，还算好了，实际的情况，可能更加复杂，目前先用这种情况的来识别：

方案研究

因为要求在不能联网的情况之下进行识别，而且识别的又是LED数字，不是英文和普通数字，那么就需要自己训练模型。

自己训练模型的话，要么是机器学习，要么是深度学习。考虑到深度学习比较繁琐，我这个功能相对比较简单，使用机器学习的话，应该就可以实现。但是机器学习有很多的模型和算法，从网上搜集资料，发现使用KNN算法是可以实现的。最原始是借鉴的是手写数字识别，后来发现有别人大概准备好的LED识别的demo，于是结合之前的知识，实现了大概的demo，效果如下：

项目测试demo源码

效果1：静态识别

1. 准备训练素材：

我的路径是：/home/enpht/test/下，会防止一个samples/ 文件夹：训练素材是网上下载的，这里我分享出来： 123网盘链接：

opencv和KNN识别LED数字官方版下载丨最新版下载丨绿色版下载丨APP下载-123云盘

将其中的 “knn_test.zip” 解压，将samples文件夹放在指定目录下即可。如果大家用户名跟我不一样，可以在代码中修改

2.pro文件：新增opencv环境

如果没有安装opencv，请参考我上一篇文章：OpenCV运行gstreamer管道获取相机数据，处理以后，再交给gstreamer显示（QT实现）-CSDN博客

CONFIG      += link_pkgconfig
PKGCONFIG   += opencv4
LIBS        += -L/usr/lib/x86_64-linux-gnu/ -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_imgcodecs -lopencv_videoio
INCLUDEPATH += /usr/include/opencv4/opencv2
INCLUDEPATH += /usr/include/opencv4/

3.main.cpp

注意：大家的路径，需要在changename和get_name函数中的路径


#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/ml/ml.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
using namespace cv::ml;
bool cmp(const Rect &a, const Rect &b);
vector<Mat> get_mats(Mat mt);
bool has_Point(Mat mt);
int main(){
    string changename(int i,int j);
    string get_name(int i);
    Mat traindata, train_label, tmp;
    for (int j = 0; j < 10; j++){
        for (int i = 0; i < 40; i++){

            string name = changename(j,i);
            //cout << name << endl;
            tmp = imread(name, 0);
            resize(tmp, tmp, Size(75, 125));
            traindata.push_back(tmp.reshape(0, 1));
            train_label.push_back(j);
        }
    }

    traindata.convertTo(traindata, CV_32F);
    Ptr<TrainData> tData = TrainData::create(traindata, ROW_SAMPLE, train_label);
    Ptr<KNearest> knn = KNearest::create();
    knn-