我正在开展一个识别电视频道的项目。 我拍摄频道的照片,避免背景干扰,并从标志的中心取样本。 我识别了4个不同的标志,以下是模板:
我的模板匹配算法如何工作:
给定4个大小为100x100的模板,每个模板代表一个不同的电视频道,每个模板具有不同的阈值(概率)。
用户拍摄电视上的标志,然后算法是:
- 对每个模板运行4个独立的模板匹配,以接收每个模板与捕获图像匹配的概率。
- 对于每个频道的概率,如果频道的概率低于频道的阈值,则将该概率更改为0;
- 宣布识别出的标志是概率最高的标志。 如果所有概率都为0,则宣布“无法识别”。
例如,如果我得到一个频道的概率为0.85,阈值为0.9,第二个频道的概率为0.8,阈值为0.75,则第二个频道“赢得”了。
当我拍摄其中一个标志的照片时,有95%的可能性识别出这些照片。
目前的结果:
- 在尝试检测第一个(“微笑脸”标志)时,我进行了10次检测,其中有10次正确检测。对于正确模板和图像之间的模板匹配,我得到了0.91到0.94之间的概率。对于其他标志,我得到了0.77到0.91之间的概率。
- 在尝试检测第二个(“绿色”标志)时,我进行了10次检测,其中有10次正确检测。对于正确模板和图像之间的模板匹配,我得到了0.78到0.91之间的概率。对于其他标志,我得到了0.71到0.83之间的概率(但因为阈值高,检测成功)。
- 在尝试检测第三个(“圆形”标志)时,我进行了10次检测,其中有9次正确检测。对于正确模板和图像之间的模板匹配,我得到了0.83到0.92之间的概率。对于其他标志,我得到了0.73到0.91之间的概率。
- 在尝试检测第四个(“黑白”标志)时,我进行了10次检测,其中有10次正确检测。对于正确模板和图像之间的模板匹配,我得到了0.91到0.94之间的概率。对于其他标志,我得到了0.78到0.92之间的概率。
- 在尝试检测“负面”图像时,很多时候我会得到一个标志检测结果(这是不好的)。例如,如果我拍摄一张完全白色的纸张图像,则第一个、第三个和第四个标志的概率超过0.9。
如何改进或更改我的算法,以获得更好的“负面”图像结果?
谢谢您的帮助,
Eyal