刘 昶，徐超远，张 鑫，薛 磊

液晶字符识别的CNN和SVM组合分类器

刘 昶，徐超远，张 鑫，薛 磊

(沈阳理工大学信息科学与工程学院，辽宁 沈阳 110159)

针对仪表液晶显示字符识别问题，提出一种结合了卷积神经网络(CNN)和支持向量机(SVM)的字符识别方法。分别采用具有并联结构的CNN模型和基于梯度方向直方图(HOG)特征的SVM方法构建基本分类器，当2个分类器的结果存在冲突时，利用CNN的softmax输出最大值判决最终结果，当其大于设定阈值时采用CNN分类器的结果，反之采用SVM分类器的结果。建立字符图像的误差模型并利用仿真方法构建了数据集用于分类器的训练和测试，给出一种基于投票原理的最优阈值的估计算法。在MNIST和仿真数据集上的测试实验结果表明，最优阈值估计算法的结果可靠，组合分类器的准确率较2种单一分类器均有提高，在实际测试系统上其准确率达到99.81%，验证了该组合分类器方法对液晶字符识别问题的有效性；在CIFAR-10数据集上的实验结果验证了该方法也可用于其他分类问题。

计算机视觉；机器学习；液晶字符识别；支持向量机；卷积神经网络

仪表字符识别是仪表示值判读、自动巡检等应用中的关键问题，由于仪表字符显示大多具有固定位置和字体，其较手写字符识别容易，但由于仪表字符多表达关键数据，对字符识别正确率的要求更高。目前数显仪表的显示方式主要有数码管和液晶2种显示形式，由于液晶显示器较数码管显示器前景、背景亮度差小，在采集液晶面板图像时，显示字符更容易受到环境照明、面板污染、面板平整度和刮痕等因素的影响，使字符成像质量变差，对字符识别造成困难。……