关于简单目标识别与意图分析的机器学习实战研究（第四节连线算法）

作者: LMN_e67a | 来源:发表于2019-06-22 11:13 被阅读0次

根据这个课题的要求，在识别意图的方法上需要好好的想一想，因为是作战坦克，从简单的方面入手，我们假设它有三种意图，行军、突袭和作战（我看了下资料，好像很少涉及防守一说，好多论文研究的都是这三个方面，例如这篇：http://cdmd.cnki.com.cn/Article/CDMD-10487-1017833083.htm）。对于深度学习大量的运算，我看了看自己的小笔记本，这根本带不动，所以机智的我依然决然的选择了一个简化算法，一张图片信息量太多，那一条线呢？没错，我就是要把一张图转换成一条线，用这条线来代替坦克阵型，因为我们最后要做的就是根据坦克阵型来判别坦克的作战意图。

又因为坦克的意图多样，所以这条连线必须体现出坦克阵型的所有信息，在模板匹配中，可以通过cv2.minMaxLoc函数得到最佳匹配区域，并返回它在图片上的坐标值。既然每辆坦克的坐标点有了，那么现在要考虑的就是如何连线，这个问题说难不难，说简单也不简单，在图片做完之后，下一步要做的就是视频上的分析，所以坦克的行进方向是一个重要的信息，连线顺序就是以行进方向为准，将所有点投影到这条直线上，而后按照投影之后点的坐标顺序，从横坐标从小到大，或纵坐标从小到大依次连线即可。

连线算法示意图

上面那条黄色的线就是我们最终简化的结果，坦克行进的方向不同，这条线的朝向也会不同，但是这些点内部的顺序是确定的。而后面通进行深度学习时只训练这样的特征连线就可以了，这样便达成了我们减小运算量，却不失信息量的目的。

连线制作简化模型的思路就是这样，下面开始具体编写代码，我第一次写这个连线算法的代码是这个样子的（刚开始没找到什么简便算法，就固定五辆坦克，一个点一个点的算距离，然后在排序，最后才连线，因为在排序、运算的过程中要一直确保每辆坦克一直都有标识）：

s = "ZZZ"

c = "Z"

s_content = "What direction? (U[上下] / L[左右] / 任意键进入角度选择)"

c_content = "请输入您想要在哪个角度上进行匹配连线（角度）："

s = raw_input(s_content.decode("utf-8").encode("gbk"))

if (s != "ZZZ" and s != "U" and s != "L"):

c = raw_input(c_content.decode("utf-8").encode("gbk"))

red = (0, 0, 255)

col = red

thickness = 20

print tl

tl1 = []

if c != "Z":

for g in range(0,5):

tl1.append( l_get(tl[g],c))

print tl1

for j in range(0,5):

for k in range(0,5):

if j != k:

if k == 0:

for j in range(0,5):

for k in range(0,5):

if j != k:

if k == 0:

if j == 1:

if (l_z(tl1[j],tl1[k]) >= l_z(tl1[j] , tl1[2])) & (l_z(tl1[j],tl1[k]) >= l_z(tl1[j] , tl1[3])) & (l_z(tl1[j],tl1[k]) >= l_z(tl1[j] , tl1[4])):