车牌字符识别OCR算法评估

最近学习了《Mastering Opencv with Pratical Computer Vision Projects》中第五章：基于SVM和神经网络的车牌识别系统。原文最后提到：当训练OCR这样的机器学习算法时，需要知道所使用的最佳参数和特征，以及如何修正项目中出现的分类、识别和检测错误。文中给出的方法是直接读取保存样本特征的XML文件，将所有样本分为测试组（100个）和训练组，最后通过UNIX脚本来批量不同参数下误差率的计算，并使用gnuplot绘图显示。因为本人对UNIX脚本语言没有接触，这里提供一种生成.m文件，导入matlab实现误差率与所取特征可视化方法。

1.OCR算法评估类

class evalOCR {
public:
	OCR ocr;
	static const int TRAIN_DATA_TYPE_NUM=4;
public:
	//随机选取100个样本
	void generateRandom(int n,int min,int max,vector<int> *samples);
	//对样本进行测试并求出误差率
	float test(Mat samples,Mat classes);
	//生成可视化".m"文件
	void evaluate(const char* xml_file_path, const string &resName);
	void evaluate(const char* xml_file_path,vector<vector<double>>& prec);
	int PrintVector(FILE *f, const vector<double> &v, const string &name, int maxNum);
};

2.OCR算法类的具体实现

#include "evalOCR.h"

char* data_type[4]={"TrainingDataF5","TrainingDataF10","TrainingDataF15","TrainingDataF20"};

//随机抽取100个样本
void evalOCR::generateRandom(int n,int min,int max,vector<int> *samples) {
	int range=max-min;
	int r=rand()%range+min;
	if(samples->at(r)==0) {
		samples->at(r)=1;
		n++;
	}
	if(n<100) {
		generateRandom(n,min,max,samples);
	}
}

//通过训练模型分类结果与原始类别进行对比，求出错误率
float evalOCR::test(Mat samples,Mat classes) {
	float errors=0;
	for(int i=0;i<samples.rows;i++) {
		int result=ocr.classify(samples.row(i));
		if(result != classes.at<int>(i))
			errors++;
	}
	return errors/samples.rows;
}

void evalOCR::evaluate(const char* xml_file_path, const string &resName) {
	vector<vector<double>> prec(TRAIN_DATA_TYPE_NUM);
	int NUM_MLP;
	static const int SHOW_COLOR_NUM = 7;
	static const char* colorShow[SHOW_COLOR_NUM] = {"'k'", "'b'", "'g'", "'r'", "'c'", "'m'", "'y'"};
	FILE* f = fopen(resName.c_str(), "w");
	CV_Assert(f != NULL);
	fprintf(f, "clear;\nclose all;\nclc;\nhold on;\nfigure(1);\n\n");
	
	evaluate(xml_file_path,prec);

	string leglendStr("legend(");

	for (int i = 0; i < TRAIN_DATA_TYPE_NUM; i++) {
		string strPre = format("Precision_%s", data_type[i]);
		PrintVector(f, prec[i], strPre,100);
		fprintf(f, "plot(Precision_%s,  %s, 'linewidth', 2);\n", data_type[i], colorShow[i % SHOW_COLOR_NUM]);
		leglendStr += format("'%s', ", data_type[i]);
	}
	leglendStr.resize(leglendStr.size() - 2);
	leglendStr += ");";
	fprintf(f, "%s\nhold off;\nxlabel('Threshold');\nylabel('Precise');\ngrid on;", leglendStr.c_str());
	fclose(f);
}

void evalOCR::evaluate(const char* xml_file_path,vector<vector<double>>& prec) {
	//vector<vector<double>> prec;//(TRAIN_DATA_TYPE_NUM);
	Mat classes;
	Mat trainingData;
	//Read file storage
	FileStorage fs;
	fs.open(xml_file_path,FileStorage::READ);

	for(int j=0;j<4;j++) {
		char* dataType=data_type[j];
		fs[dataType]>>trainingData;
		fs["classes"]>>classes;
		float result;
		//init random generator
		srand(time(NULL));
		//Create 100 random pos for samples 
		std::vector<int> isSample(trainingData.rows,0);
		generateRandom(0,0,trainingData.rows-1,&isSample);
		//Create sample data
		Mat train,trainClasses;
		Mat samples,samplesClasses;

		for(int k=0;k<trainingData.rows;k++) {
			if(isSample[k]==1) {
				samples.push_back(trainingData.row(k));
				samplesClasses.push_back(classes.row(k));
			}
			else {
				train.push_back(trainingData.row(k));
				trainClasses.push_back(classes.row(k));
			}
		}

		result=0;
		for(int numof_mlp=3;numof_mlp<=100;numof_mlp++) {
			ocr.train(train,trainClasses,numof_mlp);
			result=test(samples,samplesClasses);
			prec[j].push_back(result);
		}
	}
}

int evalOCR::PrintVector(FILE *f, const vector<double> &v, const string &name, int maxNum)
{
	fprintf(f, "%s = [", name.c_str());
	maxNum = min(maxNum, (int)v.size());
	int i;
	for (i = 0; i < maxNum; i++) {
		if (v[i] > 0.001)  // Very small recall is too much noisy (may due to compression)
			fprintf(f, "%g ", v[i]);
		else
			break;
	}
	fprintf(f, "];\n");
	return i;
}

3.函数主框架

int main()
{
	string resultFileName="D:\\EvaluateShow.m";
	string xml_path="D:\\OCR.xml";
	//vector<vector<double>> precise;
	evalOCR evalocr;
	evalocr.evaluate(xml_path.c_str(),resultFileName);
	cout<<" Done! "<<endl;
	getchar();
}

4.可视化结果图

总结说明：

1.读入的"OCR.xml"文件保存了不同分辨率下（5*5,10*10,15*15,20*20）下的特征及所属类别，本文读取的是随书附带的".xml"文件，并未做修改，读入时请注意配置自己的文件路径，若需要自己选取字符特征进行识别判断，请生成自己的"xml"文件。
2.神经网络隐藏层数本测试规定为100层，在此仅仅提供一种可视化方法，并未对特征选取，参数选择做进一步的讨论，而这些对优化系统至关重要。

3.本人小菜鸟一枚，如有任何错误，请大神指出，还要不断努力学习。