摄像头识别手写数字

          最近在做一个项目主要是团队要做一个机器人，其中有个功能就是机器人能够坐电梯。为了实现这个功能首先就得识别电梯上的按钮，并识别出上面的数字，以便选择楼层。

       首先我想到的是手写数字的识别，虽然电梯上的按钮的数字是印刷体，可是如果能够识别手写数字，印刷体自然不在话下。

       一开始着手时，我想到的是先给出样本模版，当给定一个数字时，在所给定的模版中逐一通过像素去比对，找出最相近的模版，并返回这个模版的数值标签，这个标签就是这个数字的值。事与愿违，由于手写数字千变万化，比如6，8，9这3个数字在进行像素比对时，所给测试数字由于大小形状问题，造成容易搞混的的情况。

       在查找了许多资料后，发现有几个方法去实现。基本都是特征点加上分类器，或者神经网络去解决。

       我选择了HOG特征+KNN的方法的实现这一功能。

       结果还是不错的的，识别率在90%以上。如果改为印刷体我相信识别率可以很轻松达到99%，虽然我没有去测试印刷体，可是印刷体比较比较固定。

       下面说说我实现的过程：

      1.制作训练集，这个我就不用说的，网上可以找到手写数字的训练集，或者自己手动写，用手机拍照出来，反正我是后者。

      2.找出图像可能是数字的部分，使用了findContours()这个函数找出图像中拥有外边框的图形，并用这些图形的外接矩形将这些图形抠出来，并进行大小判断，比如太小的排除掉，最后用一个容器保存起来。

vector<vector<Point>> contours;//点容器的容器，用于存放轮廓的点的容器的容器
vector<Vec4i> hierarchy;//点的指针容器
Mat cut_ROI(Mat src)
	{

		contours.clear();
		hierarchy.clear();

		Mat dst, tmp;
		src.copyTo(dst);
		blur(dst, dst, Size(3, 3));
		//GaussianBlur(dst, dst, Size(3, 3), 0.5, 0.5);
		//medianBlur(dst, dst, 3);

		threshold(dst, tmp, 120, 255, CV_THRESH_BINARY_INV);
		findContours(tmp, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
		vector<vector<Point>>::iterator It;

		for (It = contours.begin(); It < contours.end(); It++)
		{                        //画出可包围数字的最小矩形

			rect = boundingRect(*It);

			Mat roi = src(rect);
			roi.copyTo(_roi);//深拷贝出来


			weigth = rect.br().x - rect.tl().x;//宽
			height = rect.br().y - rect.tl().y;//高

			if ((weigth < height)  && (height > 10))
			{
				rectangle(src, rect, Scalar(255, 255, 255), 2);
				ROI.push_back(_roi);//保存，方便操作
				ROIposition.push_back(rect);
				Mat pre;
				resize(_roi, pre, Size(128, 128));

			}
		}
		return src;
	}

       3.KNN识别。KNN就是将训练集分类好，给出测试样本，求这个测试样本到其他训练集的欧几里德距离的一种算法，并求出在前K(一般是K=5)位的最近距离中占比最高的数据属于哪一个训练样本，返回训练样本的标签即可。比如测试样本中距离前5位最近的训练样本的标签是｛5，6，5，5，6｝那么这个可以得出结果就是这个测试样本是5.不懂的话可以看我上一篇博客。 KNN邻近算法。

      4.在启动摄像头之前我们还需要对图像进行一些处理，比如模糊，降噪，二值化等等处理，其实这些处理要看具体情况具体选择，在这里我就不展开描述了。

      5.编写启动摄像头。完成。