基于OpenCV的模式识别及实战

  •  课程目标

    本次课程首先介绍了模式识别的概念、数值特征、常用分类器等总体知识;然后讲解了光学字符识别引擎实战;进一步讲解了识别通用框架、车牌识别、发票识别的真实案例。

  •  师资团队

  • 华清创客企业内训讲师,均是来自各个领域的资深专家,均拥有6年以上大型项目经验。

  •  培养对象

    学员学习本课程应具备下列基础知识:
    ①具备基本的编程技能;
    ②了解基本的大数据相关知识;

  •  培训方式

第一种:华清创客讲师面授
课时:共2天,每天6学时,总计12学时
◆费用:1800元
◆外地学员:代理安排食宿(需提前预定)

第二种:线上直播授课
直播课时:共4天,每天3学时,总计12学时;
辅导:授课期间,辅导老师每天有1小时的辅导直播
◆费用:1800元

第三种:企业订制培训
课时:根据定制的大纲确定课时
费用:根据课程难度,每课时2000~3500元




    •  质量保证

      1、培训过程中,如有部分内容理解不透或消化不好,可免费在下期培训班中重听;

      2、培训结束后免费提供一个月的技术支持,充分保证培训后出效果;

      3、培训合格学员可享受免费推荐就业机会。

    •  课程大纲


      第一章 模式识别概论 

      1.1 概述

               1.2 什么是模式     

      1.2.1        模式举例

                    1.2.2        模式定义和性质

                    1.2.3        模式类定义

               1.3 什么是模式识别     

      1.3.1        模式识别系统设计实现

                    1.3.2        模式识别方法(结构模式识别和统计模式识别)

               1.4 简单模板匹配

      1.4.1        通过PPT讲解基于模板匹配的原理

                    1.4.2        C++实现基于模板匹配的单字符识别算法

               1.5 用数值特征描述模式     

      1.5.1        模式的数值特征

                    1.5.2        字符识别常用数值特征介绍

               1.6   数值特征筛选       

      1.6.1        主成份分析PCA

                    1.6.2        线性判别分析LDA

               1.7  常用分类器    

      1.7.1        距离分类器

                    1.7.2        Bayes分类器

                    1.7.3        QDF分类器

       

      第二章 光学字符识别引擎实践 

      2.1 字符识别流程

               2.2 识别预处理 
                     2.2.1        二值图像的平滑  

                     2.2.2        灰度图像的亮度调整

               2.3 字符规范化处理     

      2.3.1        大小规范化

               2.4 字符特征提取

      2.4.1        基于二值的方向线素特征

                    2.4.2        基于灰度的梯度特征

               2.5 分类器设计     

      2.5.1        基于Kmean聚类欧氏距离分类器

                    2.5.2        基于LVQ训练的分类器(LVQ开发包训练方法)

                    2.5.3        基于神经网络的分类器(OpenCV

                    2.5.4        基于SVM的分类器(OpenCV)

               2.6 常用样本库介绍及识别率测试     

      2.6.1        MNIST手写数字样本库

                    2.6.2        USPS手写数字样本库

                    2.6.3        印刷体中文识别库

                    2.6.4        HWDB1.1手写中文库

       

      第三章 识别项目通用框架 

      3.1  预处理 

      3.1.1        图像获取

                    3.1.2        常用图像库简介

                    3.1.3        常用图像处理算法(OpenCv

               3.2 目标定位(OpenCv    

      3.2.1        基于连通域的方法

                    3.2.2        基于梯度统计的方法

                    3.2.3        基于机器学习的方法

               3.3 识别目标字符串切分/识别   

      3.3.1        基于连通域的切分

                    3.3.2        基于投影的切分

       

      第四章  识别项目实例        

      4.1 车牌识别实践

      4.1.1        项目背景

                    4.1.2        车牌的定位

                    4.1.3        车牌分割

                    4.1.4        车牌识别

               4.2 发票识别项目实践

      4.2.1        项目背景

                    4.2.2        识别要素定位

                    4.2.3        识别要素切分/识别



the end

评论(0)