双指针仪表盘读数(一)

本章节内容：拿到项目的思考以及表盘识别    

 我基本上把CSDN上所有的关于指针读数文章以及下载都看过了，有需求或者疑问的同学可以来交流，资源也可以免费给了，最后的识别效果就如上一篇的图片所示，运行程序占用的资源经过优化之后特别小，GPU可有可无。回头写个论文弄个专利应该挺轻松的。

开发语言:python3.0+

调用包：

1.sys                 用于退出程序:sys.exit()
2.time                用于计算时间，还用于matplotlib画图的计时
3. win32api           用于监测按钮  win32api.GetKeyState(27)
4. cv2                主要调用，大部分处理都需要opencv，版本为3.4
5. imutils            主要用于计算中心点坐标
6. matplotlib         画图
7. numpy              数学
8. PIL                主要用于转化arry数组为图像

具体版本见下表，懒得一一对应了，自己找一下吧

说一下刚拿到需求的思路以及后来否定的过程:

拿到的需求:一个表盘，识别速度以及信号，表盘为圆形

想法：hog+svm训练模型，实时追踪表盘位置，霍夫直线识别直线，以角度识别对应的速度

实践：hog+svm的速度可以，但是霍夫直线检测效果特别差

原因： 因为表盘使用的指针是一个椭圆形指针，前端有一小节指针，识别效果不理想，

应对办法：使用opencv图像处理对表盘进行二值化之后，使用细化算法（Image Thinning），和之前看的腐蚀膨胀差不多，看了都可以很快理解，但是加上细化算法之后识别效果还是很差，此路不通，换方案。

由于中间厂家换了一种表盘，使用的hog+svm寻找表盘就不可以用了，换为霍夫圆形检测(hough cirlce Transform)，调参是一门大学问，可以根据自己需求进行调参。

circles = cv2.HoughCircles(
        binary, cv2.HOUGH_GRADIENT, 2, 1000, param1=100, param2=100, minRadius=10, maxRadius=5000)

      但是有一个问题，一直进行霍夫检测圆对于计算机的性能要求特别高，时间复杂度空间复杂度大，对于处理视频而言效率达不到，这里我想到了一个解决办法，使用第一次识别出来的圆形对图像进行切割，后续视频中所有的圆形全部按照这个切割区域进行识别，大大降低了设备性能损耗。摄像机位置后期固定，此方案为多种方案对比下最好的方案。

对比方案:1.CSDN某博文方案：模板匹配法

                2.自己之前的方案:hog+svm

                3.视频每一帧都进行霍夫圆形检测方案

                4.CSDN某下载方案:忘了啥方案反正我这边做的效果都没上述对比效果好。

本章写到这里吧，工作原因，改天继续