手寫數(shù)字識別是一種經(jīng)典的模式識別和圖像處理問題，旨在通過計算機自動識別用戶手寫的數(shù)字。

本文將教會你如何使用基于RV1106的 LockAI視覺識別模塊進行手寫數(shù)字識別。

源代碼：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/D02_DigitHandRecog

1. 基本知識講解

1.1 手寫數(shù)字識別簡介

手寫數(shù)字識別是一種利用計算機視覺和機器學習技術自動識別手寫數(shù)字的過程。它通過圖像預處理、特征提取和模型訓練來實現(xiàn)高效準確的數(shù)字識別。被廣泛應用于銀行支票處理、郵政編碼識別及考試評分等場景。這項技術不僅提高了數(shù)據(jù)處理的速度和準確性，還極大地簡化了輸入流程，為金融、郵政和教育等行業(yè)帶來了顯著的便利。

1.2 手寫數(shù)字識別常用方法

目前，實現(xiàn)手寫數(shù)字識別方法有很多，常用的方法如下：

卷積神經(jīng)網(wǎng)絡（CNN）：最流行的方法之一，能夠自動從圖像中學習特征。適用于復雜背景和不同書寫風格的手寫數(shù)字識別。

支持向量機（SVM）：一種傳統(tǒng)的機器學習方法，通過提取圖像的特征（如HOG特征）進行分類，適合處理較為規(guī)范的手寫數(shù)字。

K近鄰算法（KNN）：基于相似度的分類方法，通過比較待識別數(shù)字與訓練樣本的距離來進行分類，簡單但計算成本較高。

2. C++ API文檔

2.1 PaddleClas類

2.1.1 頭文件

#include

作用：用于聲明PaddleClas類，使得PaddleClas類可以在當前源文件中使用。

2.1.2 構造類函數(shù)

lockzhiner_vision_module::PaddleClasmodel;

作用：用于實現(xiàn)手寫數(shù)字識別。

參數(shù)說明：

無

返回值：

無

2.1.3 Predict函數(shù)

autoresult=model.Predict(input_mat);

作用：PaddleClas類中的一個函數(shù)，用于實現(xiàn)手寫數(shù)字識別。

參數(shù)說明：

input_mat：要識別的圖像。

返回值：

返回一個包含手寫數(shù)字分類結果的對象。該Result對象包含預測得分（score）和對應的標簽ID（label_id），即識別出的手寫數(shù)字。

2.2 Visualize函數(shù)

2.2.1 頭文件

#include

作用：用于聲明Visualize函數(shù)，使得Visualize函數(shù)可以在當前源文件中使用。

2.2.2 結果可視化

lockzhiner_vision_module::Visualize(input_mat,output_image,result);

參數(shù)說明：

input_mat：表示原始輸入圖像。

output_image：用于存儲帶有可視化結果的輸出圖像。

result：輸入?yún)?shù)，表示手寫數(shù)字識別的結果。該Result對象包含預測得分（score）和對應的標簽ID（label_id）。

返回值：

無

3. 綜合代碼解析

3.1 流程圖

3.2 核心代碼解析

初始化分類模型

lockzhiner_vision_module::PaddleClasmodel;

自定義函數(shù)參數(shù)如下

圖片手寫數(shù)字識別

intTestImage(conststd::string&image_path)

參數(shù)說明：

image_path：輸入?yún)?shù)，表示包含手寫數(shù)字的圖像文件路徑。

返回值：

返回0表示成功執(zhí)行，并保存執(zhí)行結果為"cls_result.png"。

攝像頭實時手寫數(shù)字識別

intTestCapture()

參數(shù)說明：

無

返回值：

返回0表示執(zhí)行成功，并將檢測結果繪制在原始圖像上。程序會持續(xù)從攝像頭讀取幀并進行處理，直到手動終止程序。

3.3 完整代碼實現(xiàn)

#include#include#include#include#include#include#include#includeusingnamespacestd::chrono;lockzhiner_vision_module::PaddleClas model;intTestCapture(){ // 初始化 edit 模塊 lockzhiner_vision_module::Edit edit; if(!edit.StartAndAcceptConnection()) { std::cerr <> input_mat; if(input_mat.empty()) { continue; } // 使用 model 對象的 Predict 方法對輸入圖像進行預測 autoresult = model.Predict(input_mat); // 獲取當前時間點作為結束時間 high_resolution_clock::time_point end_time = high_resolution_clock::now(); autotime_span =duration_cast(end_time - start_time); time_ms += time_span.count(); read_index +=1; std::cout <

4. 編譯調(diào)試

4.1 編譯環(huán)境搭建

請確保你已經(jīng)按照開發(fā)環(huán)境搭建指南正確配置了開發(fā)環(huán)境。

同時已經(jīng)正確連接開發(fā)板。

4.2 Cmake介紹

cmake_minimum_required(VERSION3.10)project(test_DigitHandRecog)set(CMAKE_CXX_STANDARD17)set(CMAKE_CXX_STANDARD_REQUIRED ON)# 定義項目根目錄路徑set(PROJECT_ROOT_PATH"${CMAKE_CURRENT_SOURCE_DIR}/../..")message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")# 定義 OpenCV SDK 路徑set(OpenCV_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")set(OpenCV_DIR"${OpenCV_ROOT_PATH}/lib/cmake/opencv4")find_package(OpenCV REQUIRED)set(OPENCV_LIBRARIES"${OpenCV_LIBS}")# 定義 LockzhinerVisionModule SDK 路徑set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")find_package(LockzhinerVisionModule REQUIRED)add_executable(Test-DigitHandRecogDigitHandRecog.cc)target_include_directories(Test-DigitHandRecogPRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})target_link_libraries(Test-DigitHandRecogPRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})install( TARGETSTest-DigitHandRecog RUNTIME DESTINATION . )

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執(zhí)行以下命令來編譯項目

# 進入Demo所在目錄cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/D02_DigitHandRecog# 創(chuàng)建編譯目錄rm-rf build &&mkdirbuild &&cdbuild# 配置交叉編譯工具鏈exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"# 使用cmake配置項目cmake ..# 執(zhí)行編譯項目make -j8 && make install

在執(zhí)行完上述命令后，會在build目錄下生成可執(zhí)行文件。

5. 例程運行示例

5.1 運行前準備

請確保你已經(jīng)下載了凌智視覺模塊手寫數(shù)字分類模型

5.2 運行過程

在凌智視覺模塊輸入以下命令：

chmod777Test-DigitHandRecog# 調(diào)用攝像頭實時識別./Test-DigitHandRecogLZ-DigitHandRecog.rknn Capture# 單張圖像識別./Test-DigitHandRecogLZ-DigitHandRecog.rknn image_path

5.3 運行效果

圖像識別效果圖

• 攝像頭實時識別效果圖

6. 總結

通過上述內(nèi)容，我們成功的實現(xiàn)了一個手寫數(shù)字識別系統(tǒng)，包括：

獲取并加載包含手寫數(shù)字的圖像。

進行手寫數(shù)字的檢測和分類，返回檢測和分類后的結果。

可視化包含手寫數(shù)字圖像的識別結果。