質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.32%

  • Python

    9249questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • OpenCV

    1237questions

    OpenCV(オープンソースコンピュータービジョン)は、1999年にインテルが開発・公開したオープンソースのコンピュータビジョン向けのクロスプラットフォームライブラリです。

  • 機械学習

    769questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

pythonで物体認識をしたい(Opencv)

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 970

jun_endo

score 48

環境

OS:windows10
pythonを使用しています。

やりたいこと

現在、文字(数字)認識をやろうとしているのですが、
認識したい文字列の特徴が

0~9999の数字+末尾にアルファベット

という特徴をしています。
後々、物体として検知するときに
おそらく、一桁ごとに検知されると思うのですが、

どのように、物体検知させればいいのか
わかりません。
できれば、Opencvで検知させたいです。

どなたか教えてください。

**2018年7月11日追記**

なぜ、文字を物体認識にかけたいかというと、

本来は、機械学習で文字認識をしたいと検討していました。

ただ、認識させたい文字列は数が異常に多く、画像データは準備できても、
ラベルの作成の時に、単純に計算しただけでも、
260000次元の配列を必要としています。
(下記で質問しています)

↓機械学習でラベルの作り方
https://teratail.com/questions/135207

それは実に、無茶であるために、
前処理の段階で、 文字列を桁ごとに分割して、仮想的に画像化することで、
そこで、初めて機械学習で認識にかけることができるということです。
(下記で質問しています)

↓機械学習 数字列の桁ごとに画像認識させたい
https://teratail.com/questions/135292

数字のみの桁ごとに認識するものはあった

桁ごとの数字認識
https://stackoverflow.com/questions/9413216/simple-digit-recognition-ocr-in-opencv-python

上記のプログラムを、今のバージョン用に書き換えて実行したところ、
うまく動きました。

学習プログラム

import sys

import numpy as np
import cv2

im = cv2.imread('pitrain.png')
im3 = im.copy()

gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(5,5),0)
thresh = cv2.adaptiveThreshold(blur,255,1,1,11,2)

#################      Now finding Contours         ###################

image, cnts, hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

samples =  np.empty((0,100))
responses = []
keys = [i for i in range(48,58)]

for cnt in cnts:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)

        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,0,255),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            cv2.imshow('norm',im)
            key = cv2.waitKey(0)

            if key == 27:  # (escape to quit)
                sys.exit()
            elif key in keys:
                responses.append(int(chr(key)))
                sample = roismall.reshape((1,100))
                samples = np.append(samples,sample,0)

responses = np.array(responses,np.float32)
responses = responses.reshape((responses.size,1))
print("training complete")

np.savetxt('generalsamples.data',samples)
np.savetxt('generalresponses.data',responses)


pitrain.png
pitrain.png

テスト用

import cv2
import numpy as np

#######   training part    ###############
samples = np.loadtxt('generalsamples.data',np.float32)
responses = np.loadtxt('generalresponses.data',np.float32)
responses = responses.reshape((responses.size,1))

model = cv2.ml.KNearest_create()
model.train(samples, cv2.ml.ROW_SAMPLE, responses)

############################# testing part  #########################

im = cv2.imread('PS.png')
out = np.zeros(im.shape,np.uint8)
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,1,1,11,2)

imgs, contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)
        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            roismall = roismall.reshape((1,100))
            roismall = np.float32(roismall)
            retval, results, neigh_resp, dists = model.findNearest(roismall, k = 1)
            string = str(int((results[0][0])))
            cv2.putText(out,string,(x,y+h),0,1,(0,255,0))

cv2.imshow('im',im)
cv2.imshow('out',out)
cv2.waitKey(10000)


pi.png
pi.png

結果は上記のサイトにありますのでそちらを見てください。

画像の数字にアルファベットを混ぜてみた

上記のプログラムを全く変えないで、
画像を以下のものにしました。

PS.png
イメージ説明
それで実行してみたところ、
案の定、アルファベットも数字と認識してしまい、
失敗に終わりました。

上記のプログラムに何か付け足すことで、
アルファベットを認識できる方法があるのであれば、
知りたいです。

そのほか、何か方法があれば教えてください。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

0

編集ありがとうございます。
記載頂いた通り、OCRは一文字ずつ分けて認識するのがベターな方法だと思います。

opencvには数字に関しては学習用の画像があるそうですが、文字に関して学習用画像はないそうです。
↓のサイトでは、 「opencv/samples/cpp/フォルダ内のletter-recognition.data というデータファイル」に文字の認識辞書を使ってました。

http://lang.sist.chukyo-u.ac.jp/classes/OpenCV/py_tutorials/py_ml/py_knn/py_knn_opencv/py_knn_opencv.html

で、k近傍使っているようですが
k近傍はクラスタリング技術のため(認識技術でない)、例題のように文字と数字が混ざっているデータに対してはひと工夫ひつようです。(数字らしさや文字らしさが数値として表現されないため、文字なのか数字なのか比較判定できないです。)
回避策としては、数字10種と文字26種を混ぜて36種類でk近傍を学習させるのが良いかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/11 11:09

    ありがとうございます。
    回答待ちを
    もう少し粘ってみます。

    キャンセル

0

物体認識と文字認識は別タスクと考えるべきですが、、、
文字認識として回答すると
opencv python ocrでgoogle検索すると期待する情報が見つかるかもです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/11 08:53

    なぜ物体認識をするかといいますと、
    1、数字とアルファベットの混合文字列を認識させるものを作成させたい
    2、認識させるならば、文字列の塊を認識させるよりも、
      桁一つ一つを認識させて、その結果を結合させるほうが、
      合理的と考えていました。
    3、ならば、まず桁一つ一つを”物体認識”にかけて、仮想的に画像を分割し  た後に、画像それぞれを数字認識と文字認識にかけたほうがいい。

    結果:まずは、数字と文字を物体として認識させることを優先する

    このようになりました、質問のほうも編集しなおしますので、
    なにかいい方法がありましたら、宜しくお願いします。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.32%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

同じタグがついた質問を見る

  • Python

    9249questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • OpenCV

    1237questions

    OpenCV(オープンソースコンピュータービジョン)は、1999年にインテルが開発・公開したオープンソースのコンピュータビジョン向けのクロスプラットフォームライブラリです。

  • 機械学習

    769questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。