一、應(yīng)用背景

在第十六屆全國(guó)大學(xué)生智能車競(jìng)賽全國(guó)總決賽中，為了適應(yīng)線上總決賽的要求，室內(nèi)視覺(jué)AI組的比賽采用了賽道積分與識(shí)別積分分離的比賽形式，這樣可以保證比賽過(guò)程中更加的緊湊高效。

智能車在識(shí)別圖片任務(wù)

為了避免人工對(duì)于識(shí)別過(guò)程的干預(yù)，整個(gè)識(shí)別過(guò)程是由計(jì)算機(jī)隨機(jī)給出Apriltag，數(shù)字，動(dòng)物以及水果圖片，由參賽車模自動(dòng)根據(jù)拍攝的照片給出識(shí)別結(jié)果。

由于之前的比賽，Apriltag，數(shù)字，動(dòng)物以及水果分別位于賽道的不同位置，Apriltag位于賽道上，數(shù)字位于三岔路口，動(dòng)物和水果則位于賽道兩旁。所以智能車?？梢灶A(yù)先根據(jù)車模所處在賽道的不同位置，指導(dǎo)攝像頭所拍攝的圖片中的種類分別屬于哪一大類。然后在分別調(diào)取不同的識(shí)別模型和算法來(lái)進(jìn)一步處理圖片。

在新的比賽模式下，所有的圖片都是隨機(jī)出現(xiàn)，因此，需要預(yù)先判斷圖片屬于哪一大類，然后才能夠調(diào)取原來(lái)的識(shí)別模型。那么改如何設(shè)計(jì)一個(gè)簡(jiǎn)單的分類算法，將獲取的圖片先劃分到三大類（Apriltag，數(shù)字以及動(dòng)物與水果）呢？

本文下面就討論一個(gè)利用圖片的像素顏色來(lái)進(jìn)行分類的簡(jiǎn)單算法。

二、原始數(shù)據(jù)

1、數(shù)據(jù)庫(kù)來(lái)源

在第十六屆智能汽車競(jìng)賽AI視覺(jué)組分賽區(qū)數(shù)據(jù)集發(fā)布給出了應(yīng)用在智能車競(jìng)賽中的四類圖片的數(shù)據(jù)集合以及下載的方式。

智能車競(jìng)賽數(shù)據(jù)集合：

AprilTag：25h9系列0~9

數(shù)字：0~9

動(dòng)物圖片：五個(gè)子類：牛（93）、狗（101）、豬（88）、貓（99）、馬（95）

水果圖片：橙子（86）、榴蓮（75）、蘋(píng)果（88）、葡萄（89）、香蕉（93）

數(shù)據(jù)庫(kù)總體數(shù)量927張圖片。

三、圖片顏色

1、基本識(shí)別方案

為了建立一個(gè)非常簡(jiǎn)單的Apriltag，數(shù)字、動(dòng)物和水果的分類器，需要結(jié)合已知先驗(yàn)知識(shí)，借助于簡(jiǎn)化的模式識(shí)別的方法建立分類器；

拋開(kāi)對(duì)于圖片內(nèi)的形態(tài)識(shí)別特征，轉(zhuǎn)換使用基于像素的統(tǒng)計(jì)規(guī)律，這樣可以大大提高檢測(cè)速度；

因此，計(jì)劃使用圖片的顏色空間的統(tǒng)計(jì)特性來(lái)區(qū)分三類。

由于Apriltag，數(shù)字都是黑白的圖片；利用這一點(diǎn)可以用于區(qū)分水果與動(dòng)物；

Apriltag與數(shù)字在黑白的占空比方面不同，可以利用圖片的灰度分布統(tǒng)計(jì)來(lái)，或者平均灰度來(lái)區(qū)分這兩類。

2、圖片的RGB轉(zhuǎn)換HSV

根據(jù)黑白圖片與參賽圖片之間關(guān)系，可以把Apriltag，數(shù)字分布與動(dòng)物水果進(jìn)行區(qū)分。為了有效區(qū)分彩色圖片與黑白圖片，則需要將圖片從RGB轉(zhuǎn)換到HSV空間。在HSV（Hue,Saturation,Value）中，S分量表示色彩的保護(hù)度，也就是顏色距離白色與純色之間的差異度量。通常取0%~100%，S值越大顏色就越飽和。

3、利用平均色飽和度區(qū)分彩色與黑白圖片

如果取一個(gè)閾值Smin?S_{\min}Smin作為區(qū)別黑白與彩色圖片的閾值，Smin?S_{\min}Smin越大，對(duì)于黑白圖片的誤判成彩色圖片概率就越低，但對(duì)于彩色圖片誤判成黑白圖片的概率就越大。

當(dāng)閾值取10的時(shí)候，判斷黑白照片與彩色照片的正確率大約為95%，當(dāng)閾值取20的時(shí)候，正確率已經(jīng)下降到90%以下了。

由于使用攝像頭攝取圖片的時(shí)候，存在一定的圖片白平衡失真，上面色飽和閾值不能夠設(shè)置太高，否則就會(huì)使得黑白圖片被誤判成彩色圖片。

4、圖片灰度

如果僅僅通過(guò)色保護(hù)度來(lái)區(qū)分黑白圖片（Apriltag，數(shù)字）與彩色照片（動(dòng)物和水果）會(huì)存在比較大的誤差。下面還可以通過(guò)圖片的灰度分布差異來(lái)進(jìn)一步區(qū)分黑白圖與彩色圖片。

對(duì)比黑色圖片（Apriltag，數(shù)字）圖片的亮度分布，它的分布主要集中在最高值與最低值，中間分布很少。因此，可以利用這個(gè)差異進(jìn)一步區(qū)分黑白圖片與彩色圖片。

如果取35作為閾值，使用次級(jí)亮度平均值來(lái)區(qū)分黑白圖與彩色圖片，可以達(dá)到100%的正確率。

五、利用S，V區(qū)分設(shè)置分類器

為了提高分類器的適應(yīng)性，可以考慮聯(lián)合圖片的S，V來(lái)區(qū)分黑白圖與彩色圖。計(jì)算圖片的平均色飽和度值SaveS_{ave}Save以及次級(jí)平均亮度值VaveV_{ave}Vave。選擇兩個(gè)合適的閾值：STS_TST以及VTV_TVT，對(duì)于同時(shí)滿足：Save六、區(qū)分Apriltag與數(shù)字

根據(jù)圖片的平均色保護(hù)度以及次級(jí)平均亮度可以將黑白圖片與動(dòng)物水果圖片區(qū)分開(kāi)來(lái)。那么如何區(qū)分Apriltag與數(shù)字呢？

如果對(duì)于前面給出的APriltag和數(shù)字亮度值的分布來(lái)看，可以看到Apriltag的黑色背景值比白色背景多，而數(shù)字則恰好反過(guò)來(lái)，它的白色背景像素多余黑色背景像素。利用這一點(diǎn)差異，可以對(duì)于黑白圖片中的黑色像素（也就是V值低于圖片平均灰度的像素）的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，如果黑色像素的個(gè)數(shù)高于所有像素個(gè)數(shù)的50%，則是Apriltag圖片，反之則是數(shù)字圖片。

※算法總結(jié)※

對(duì)于全國(guó)大學(xué)生智能車競(jìng)賽競(jìng)賽室內(nèi)視覺(jué)AI組用于識(shí)別Apriltag，數(shù)字，動(dòng)物以及水果任務(wù)，本文提出了基于圖片像素的HSV空間的統(tǒng)計(jì)值，建立了一個(gè)簡(jiǎn)單的大類分類器。利用這個(gè)分類器可以非常精確的在第一時(shí)間吧圖片分成Apriltag，數(shù)字以及彩色圖片（動(dòng)物和水果），然后在利用不同的識(shí)別模型進(jìn)一步識(shí)別。

由于這個(gè)過(guò)程應(yīng)用了對(duì)于圖片庫(kù)的先驗(yàn)知識(shí)，一方面可以繼續(xù)應(yīng)用原來(lái)已經(jīng)建立好的Apriltag、數(shù)字、動(dòng)物以及水果識(shí)別模型，另一方面也可以提高整個(gè)識(shí)別的效率。

對(duì)于本文前面提到的算法中的閾值，需要根據(jù)實(shí)際采集到的圖片進(jìn)行進(jìn)一步優(yōu)化，使得最終的識(shí)別效率達(dá)到最高。