基于樹莓派平臺的對特定物體識別系統(tǒng)

廣東東軟學(xué)院本科畢業(yè)設(shè)計（論文）摘要機(jī)器視覺是讓計算機(jī)能夠?qū)D形數(shù)據(jù)產(chǎn)生智能化感知的一門學(xué)科，物體識別是機(jī)器視覺的基礎(chǔ)，對一般物體識別的研究，不僅是理論還是實際都有著極其重要的意義。在理論中，物體識別是機(jī)器視覺的基礎(chǔ)，在實際中，對于一般物體的識別對人們的生活會有很大的影響，物體識別能夠應(yīng)用到國防、智能交通、智能制造等鄰域，它甚至能改變當(dāng)前人們的生活。本文的物體識別是基于樹莓派平臺，通過使用usb攝像頭來捕獲外界信息，在樹莓派上利用第三方庫opencv對視頻進(jìn)行灰度以及高斯濾波處理，之后通過機(jī)器學(xué)習(xí)原理在opencv下訓(xùn)練出的分類器來對處理過后的視頻信息進(jìn)行分類識別，識別出我們選定的物體并計算出物體位于攝像頭的大概方位，最后操作舵機(jī)，使舵機(jī)轉(zhuǎn)動到攝像頭正對著識別到的物體的位置。實驗結(jié)果表明本系統(tǒng)基本能做到對物體的正確識別并使攝像頭基本上始終正對著識別到的物體。關(guān)鍵詞:機(jī)器學(xué)習(xí)分類器舵機(jī)AbstractMachinevisionisasubjectthatenablescomputerstogenerateintelligentperceptionofgraphicdata.Objectrecognitionisthebasisofmachinevision.Thestudyofgeneralobjectrecognitionisofgreatsignificancenotonlyintheorybutalsoinpractice.Intheory,objectrecognitionisthebasisofmachinevision.Inpractice,therecognitionofgeneralobjectshasagreatimpactonpeople'slife.Objectrecognitioncanbeappliedtodefense,intelligenttransportation,intelligentmanufacturingandotherneighboringareas,anditcanevenchangepeople'slives.ItisoneoftheresearchhotspotsofcomputervisionandhasbeenwidelyusedinandindustrialObjectrecognitionofthisarticleisbasedontreeblackberryplatform,throughtheuseofusbcameratocapturetheoutsideinformation,usingthird-partylibrariesinraspberrypieopencvtograyscalevideo,throughtheprincipleofmachinelearningunderopencvtrainedclassifiertoclassifythevideoaftertheprocessinginformationidentification,identifyweselectedobjectandcalculateinaboutpositionofthecamera,finallyoperationtorotatetheservomotortothecameraisontherecognitiontothepositionoftheobject.Keyword：machinelearningclassifierservomotor目錄1.緒論 第一章.緒論1.1對一般物體識別的概念和意義在當(dāng)今社會，人們的生活因為科技的發(fā)展而過得越來越智能化，出現(xiàn)了工廠自動化生產(chǎn)，高鐵站入口的人臉識別等等。這些智能化的產(chǎn)品給予人們生活，工作中很大的便利。而在這些智能化產(chǎn)品中，絕大多數(shù)的核心是對物體的識別。物體的識別顧名思義是對一個特定的物體進(jìn)行識別，使計算機(jī)能夠判斷出該物體是什么。物體識別是機(jī)器視覺的基礎(chǔ)，機(jī)器視覺是讓計算機(jī)能夠?qū)D形數(shù)據(jù)產(chǎn)生智能化感知的一門學(xué)科，要讓計算機(jī)能夠?qū)ξ矬w產(chǎn)生智能化感知，首先要能識別出該物體是什么，物體識別是機(jī)器視覺的基礎(chǔ)也是機(jī)器視覺的核心，對一般物體識別的研究，不僅是理論還是實際都有著極其重要的意義。在理論中，物體識別是機(jī)器視覺的基礎(chǔ)，在實際中，對于一般物體的識別對人們的生活會有很大的影響，物體識別能夠應(yīng)用到國防、智能交通、智能制造等鄰域，它甚至能改變當(dāng)前人們的生活。1.2物體識別的研究的發(fā)展歷程從上世紀(jì)至今，人們一直在努力讓計算機(jī)可以擁有智慧，自主對物體進(jìn)行判斷。對物體識別的研究正是為了實現(xiàn)計算機(jī)擁有對物體的自主判斷的一個研究，是人工智能的一個重要部分。人工智能的研究從上世紀(jì)50年代開始，從讓機(jī)器可以驗證一些著名的數(shù)學(xué)公理的“推理期”發(fā)展到上世紀(jì)70年代擁有人類部分知識的“知識期”。但無論是“推理期”還是“知識期”，機(jī)器始終只會遵循著人類事先設(shè)定好的規(guī)則和程序來運(yùn)作，一旦遇到程序以外的情況時，便無法自己判斷。于是，就有人提出了讓機(jī)器自己學(xué)習(xí)問題的方法，即機(jī)器學(xué)習(xí)。換句話說，機(jī)器學(xué)習(xí)是實現(xiàn)人工智能的一種門路。其中的機(jī)器學(xué)習(xí)的大致含義是對機(jī)器輸入大量的數(shù)據(jù)，讓其在大量的數(shù)據(jù)中總結(jié)整理出其中的規(guī)律，使得以后輸入同樣的數(shù)據(jù)時機(jī)器能夠識別出來，從而達(dá)到一個學(xué)習(xí)的過程。機(jī)器學(xué)習(xí)的算法有很多，常見的有人工神經(jīng)網(wǎng)絡(luò)cnn或rnn，支持向量機(jī)svm，決策樹以及集成學(xué)習(xí)Boosting與Bagging算法等。使用機(jī)器學(xué)習(xí)算法來實現(xiàn)物體識別是當(dāng)今比較常見的一種方法。1.3物體識別系統(tǒng)的研究意義以及目的對特定物體識別的研究是機(jī)器視覺的基礎(chǔ)，機(jī)器視覺是實現(xiàn)現(xiàn)代生活智能化的一個重要的研究。因此，對特定物體進(jìn)行識別不僅是推動機(jī)器視覺發(fā)展的關(guān)鍵，也是實現(xiàn)現(xiàn)在生活智能化的關(guān)鍵。為此，采用樹莓派實現(xiàn)對特定物體識別的系統(tǒng)。本課題目的在于對特定物體的識別的實現(xiàn)，以此來了解物體識別的一般流程和物體識別有關(guān)的知識。對物體識別系統(tǒng)的設(shè)計包括樹莓派處理攝像頭捕捉的視頻信息、opencv對處理后的視頻信息，經(jīng)過機(jī)器學(xué)習(xí)算法對視頻信息進(jìn)行識別以及計算出識別物體的大致方位、經(jīng)過相關(guān)算法計算使舵機(jī)轉(zhuǎn)動，來實現(xiàn)攝像頭正對識別物體。第二章.整體設(shè)計方案2.1系統(tǒng)整體方案基于樹莓派平臺的對特定物體識別系統(tǒng)的設(shè)計包括對特定物體識別部分的設(shè)計和舵機(jī)控制部分的設(shè)計。在對特定物體識別部分的設(shè)計中，使用opencv對攝像頭捕捉的視頻信息進(jìn)行逐幀讀取、灰度等對捕捉的視頻信息進(jìn)行預(yù)處理使其滿足級聯(lián)分類器的輸入要求，提取視頻逐幀圖像的圖像特征，利用opencv訓(xùn)練級聯(lián)分類器來識別目標(biāo)物體，采用opencv對目標(biāo)物體的位置計算并對目標(biāo)物體用矩形框框出，在窗口上顯示。在舵機(jī)控制部分的設(shè)計中，對計算出來的目標(biāo)物體的位置采用算法計算將目標(biāo)物體的位置信息轉(zhuǎn)變成舵機(jī)的轉(zhuǎn)動角度。2.2系統(tǒng)整體框架圖圖2.1系統(tǒng)整體框架圖2.3系統(tǒng)平臺的硬件架構(gòu)2.3.1樹莓派樹莓派是一種只有信用卡大小的微型電腦，其操作系統(tǒng)基于Linux，硬件是基于Cortex-A72的芯片的嵌入式開發(fā)板，有A,B,B+三種型號，本文用的是4B型號的樹莓派，其芯片的主頻能到達(dá)1.5HZ，內(nèi)存可達(dá)到4GB，是性價比比較高的開發(fā)板。樹莓派的操作系統(tǒng)以SD/MicroSD卡為內(nèi)存硬盤，插入樹莓派后會自動安裝到主板上，能實現(xiàn)PC的基本功能，選擇使用樹莓派的原因除了性價比高之外還有一點是樹莓派的大小只有信用卡那么大，重量輕便于攜帶。2.3.2舵機(jī)本文中所使用的舵機(jī)是航模中常用的9g舵機(jī)，這種舵機(jī)的價格比較便宜，雖然精度有限，但對于本文的設(shè)計已經(jīng)夠用。它有3條線，棕色、紅色、以及黃色，這三條線分別接的是地、電源和pwm信號線，如下圖所示。圖2.2舵機(jī)示意圖2.3.3計算機(jī)由于樹莓派的處理速度有限，本文的模型訓(xùn)練是通過計算機(jī)來完成的。讓模型在計算機(jī)上訓(xùn)練是因為計算機(jī)有著樹莓派無法比擬的計算能力，在計算機(jī)上訓(xùn)練模型可以節(jié)省大量訓(xùn)練時間。本文使用的計算機(jī)的基本配置如下圖2.3計算機(jī)配置圖2.4系統(tǒng)平臺的軟件架構(gòu)2.4.1opencv庫編譯安裝 opencv庫是一種開源的跨平臺的機(jī)器視覺庫?？梢栽贚inux、Window以及Adnroid平臺上使用。該庫由C/C++所編寫，并且提供了python，matlab等接口，擁有大量的圖像處理算法和機(jī)器視覺方面的算法的封裝函數(shù)，以及本文所使用的opencv的級聯(lián)分類器。在樹莓派上編譯安裝opencv庫有很多種方法，可以通過在命令行上直接敲打安裝命令進(jìn)行聯(lián)網(wǎng)安裝，通過安裝anconda來安裝，以及直接使用python的pip命令來安裝opencv庫。本文安裝的是python2.7版本的opencv庫，采用的是最直接的方法，直接敲打安裝命令進(jìn)行聯(lián)網(wǎng)安裝opencv庫。步驟如下：1.更新軟件源更新軟件源可以直接在命令行上使用如下命令完成。sudoapt-getupdatesudoapt-getuprade2.安裝opencv的依賴庫sudoapt-getinstalllibopencv-dev3.安裝opencv庫sudoapt-getinstallpython-opencv第三章.物體識別的實現(xiàn)對于物體識別的實現(xiàn)，本文事先拍攝了一些紙巾的圖片來作為本次物體識別的目標(biāo)物體，對拍攝的紙巾圖片進(jìn)行灰度化處理得到圖片的灰度化圖片，并在對圖片進(jìn)行圖形增強(qiáng)處理后構(gòu)建出紙巾的目標(biāo)物體圖形庫，對圖形庫中的圖形進(jìn)行圖形切割并提取圖形特征，最后通過opencv的級聯(lián)分類器的訓(xùn)練來實現(xiàn)紙巾的識別。3.1目標(biāo)物體圖像庫的建立3.1.1采集目標(biāo)物體圖像本文的物體識別是對紙巾進(jìn)行識別，因此需要采集紙巾的圖片。本文收集了大概1600張紙巾圖片并對這些圖片打上要識別物體的標(biāo)簽，打上這個標(biāo)簽的圖片集稱為正樣本集，同時還有收集非識別物體的圖片，即不是紙巾的圖片，并對這些圖片打上非識別物體的標(biāo)簽，打上這個非識別物體的標(biāo)簽的圖片集稱為負(fù)樣本集。3.1.2對目標(biāo)物體圖像進(jìn)行圖形增強(qiáng)處理對目標(biāo)物體圖形進(jìn)行像進(jìn)行圖形增強(qiáng)處理，一方面是為了滿足訓(xùn)練分類器對圖片輸入的要求，一方面是為了可以在原圖片集上獲得更多的圖片數(shù)據(jù)。在圖形增強(qiáng)處理中包括了對采集的目標(biāo)物體圖形進(jìn)行切割成統(tǒng)一尺寸、對圖片集隨機(jī)進(jìn)行左右反轉(zhuǎn)和圖片旋轉(zhuǎn)等操作。其中，對采集的目標(biāo)物體圖形進(jìn)行切割成統(tǒng)一尺寸是為了滿足opencv級聯(lián)分類器對于輸入的要求，對圖片集隨機(jī)進(jìn)行左右反轉(zhuǎn)和圖片旋轉(zhuǎn)可以增加圖片數(shù)據(jù)的數(shù)量，提高訓(xùn)練效果。本文收集了一些紙巾的圖片和非紙巾的圖片，如下圖所示圖3.1紙巾圖片集圖3.2非紙巾圖片集將收集的紙巾圖片進(jìn)行隨機(jī)旋轉(zhuǎn)，以此來增加圖片集的數(shù)量，旋轉(zhuǎn)后的圖片如下圖:圖3.3旋轉(zhuǎn)后的紙巾圖片之后對紙巾圖片集進(jìn)行圖形增強(qiáng)處理操作，本文對紙巾圖片集進(jìn)行圖片大小尺度的剪切，將圖片統(tǒng)一為40*40的大小，并對圖片進(jìn)行灰度化處理。如下圖圖3.3經(jīng)過處理后的紙巾圖片集將圖片統(tǒng)一為40*40是為了提高訓(xùn)練速度和滿足opencv級聯(lián)分類器對輸入的要求，對圖片進(jìn)行灰度化是由于彩色圖片包含的信息量比較大，在訓(xùn)練時會導(dǎo)致訓(xùn)練時間過長，程序運(yùn)行慢，所以在開始訓(xùn)練分類器前需先把正樣本集的圖片進(jìn)行灰度化。3.2目標(biāo)物體圖像的圖像特征當(dāng)我們想通過計算機(jī)來識別出我們所給的圖片的內(nèi)容時，計算機(jī)往往是通過圖片中的特征來判斷出圖片的內(nèi)容是什么。這里所說的特征并沒有一個特別準(zhǔn)確的定義。比方說，我們現(xiàn)在給計算機(jī)一個蘋果的圖片，要讓計算機(jī)判斷出圖片的內(nèi)容是蘋果時，我們需要先告訴計算機(jī)蘋果的特征，比如蘋果的顏色、輪廓啊、長、寬等這些東西，先讓計算機(jī)認(rèn)識什么是蘋果。之后，當(dāng)把蘋果的圖片輸入給計算機(jī)時，它就會先獲取圖片的輪廓，計算圖片內(nèi)容的長，寬，高，獲取圖片內(nèi)容的顏色等這些特征，再將這些特征與蘋果的特征相比較，若這些特征相似，則判定圖片的內(nèi)容為蘋果，反之，則不是蘋果。其中圖片的輪廓、長、寬等，稱之為圖片的特征，所以說圖片的特征并沒有一個很準(zhǔn)確的定義。圖片的特征有很多，當(dāng)我們要識別一個物體時，若是能在圖片的眾多特征中獲取一些比較顯著的，足以代表圖片的特征的話，就能使訓(xùn)練時間減短，并且還會有事半功倍的效果。3.2.1常用的圖像特征在圖像處理、物體識別中，使用得比較普遍的圖像特征有Haar特征、LBP特征以及HOG特征。這三個特征的原理如下：(1)Haar特征Haar特征[2][4][5]描述的是在局部范圍內(nèi)像素值之間的變化或者說反映的是圖像的灰度變化情況。Haar特征分為三類：邊緣特征、線性特征、中心特征，組合成特征模板。如下圖所示：圖3.4邊緣特征圖3.5中心特征圖3.6線性特征特征模板中有白色和黑色兩種矩形，并定義該模板的特征值為黑色矩形像素和減去白色矩形像素和。Haar特征的特征值的計算過程就是黑色矩形像素和減去白色矩陣像素和，但若是要對整張圖片直接進(jìn)行這樣的計算的話，就等同于要對圖片的每一個矩形區(qū)域都做一計算，計算區(qū)域內(nèi)像素之和，這樣會使得計算量特別的大。所以，Haar特征經(jīng)常通過積分圖（一種能夠減少Haar特征值計算量的技術(shù)）來計算圖片的Haar特征值。積分圖是由原圖所轉(zhuǎn)變過來的，用來減少Haar特征值的計算量。在積分圖中，每個點的值是其原圖位置左上角所有的像素之和。具體如下圖3.7和3.8所示，假設(shè)有這么一個原圖3.7，那么它對應(yīng)的積分圖為圖3.8101201515255100420050101301452540051529604769圖3.7圖3.8比如，在圖3.7中，位置（2，2）的點的值為10+120+15+255=400。原圖經(jīng)過積分圖技術(shù)變成積分圖后，我們在計算圖片的的Haar特征本來需要計算多個矩形塊中的像素之和，但現(xiàn)在我們只需要將這每個矩形的右下角頂點對應(yīng)的積分圖中的值拿出來，做一個求和操作即可，計算過程如圖3.9所示S2S1S2S1S4S3S4S3圖3.9假設(shè)圖中矩形S1、S2、S3、S4右下角頂點的積分圖的值已知，分別為D1,D2,D3,D4，有積分圖中的值的計算可知：D1=S1;D2=S1+S2;D3=S1+S3;D4=S1+S2+S3+S4假設(shè)我們現(xiàn)在要提取S4區(qū)域的特征，那么S4=D4-D2-D3+D1。這樣一來，就可以將一個個矩形區(qū)域內(nèi)像素累加求和計算的過程變成只有矩陣右下角定點這幾個值的加減運(yùn)算了，這樣就很大程度上提升了算法運(yùn)算效率，減少了計算。（2）LBP特征LBP特征的計算原理是由于圖像中的物體本身包含著多個像素，物體中的像素與像素之間又存在著一些空間上的關(guān)系，而這些在空間位置上有關(guān)聯(lián)的像素本身又是有一些連續(xù)的關(guān)系，因此，利用在空間位置上相鄰的像素可以來表示其中的某個像素信息，LBP特征就是根據(jù)這個特定對像素進(jìn)行二進(jìn)制編碼以此來表示某個像素的信息。LBP特征提取是在一個3*3的窗口內(nèi)，以窗口中心為閾值，大于窗口中心的像素點設(shè)為1，小于窗口中心的像素點設(shè)為0，然后從左上角順時針讀取，可獲得一串二進(jìn)制數(shù)，將這串二進(jìn)制數(shù)換成10進(jìn)制數(shù)來表示窗口中心的像素點的LBP值。如下圖所示。11101111901202555080200150120150圖3.10圖3.11這樣，我們可以得到（11111110），換成10進(jìn)制數(shù)為254，這個值就是窗口中心的像素點的LBP值，因此LBP值的計算是不會產(chǎn)生浮點數(shù)的。由于上述方法中的LBP是通過這樣一個3*3的窗口計算出來的，因此在計算的時只覆蓋了一個固定的范圍，而不能適應(yīng)其他尺寸的需求。因此，為了滿足不同尺寸的紋理特征，人們對LBP算子進(jìn)行了一些改進(jìn)，用圓形鄰域替代之前的3*3正方形鄰域，通過調(diào)整圓形領(lǐng)域的半徑R，可以將3*3大小鄰域擴(kuò)展為任意大小鄰域，從而來滿足不同尺寸的紋理特征的需求。這樣就解決了LBP不能滿足不同尺寸的紋理特征的需求。但是當(dāng)圖像發(fā)生旋轉(zhuǎn)時，旋轉(zhuǎn)的角度不同又會導(dǎo)致計算出來的LBP值不同。于是，針對無法滿足圖片旋轉(zhuǎn)的需求，人們又對LBP計算方法進(jìn)行了改進(jìn)，提出了具有旋轉(zhuǎn)不變性的LBP算子。這種LBP算子定義為在不同角度旋轉(zhuǎn)的圓形鄰域得到的不同LBP值中取最小值作為該圓形鄰域的LBP值。（3）HOG特征HOG特征，全稱為HistogramofOrientedGridients，翻譯成中文為方向梯度直方圖。HOG特征是將圖片每個區(qū)域中不同方向上的梯度的值積累起來而得到的直方圖。其中梯度是一個向量，有大小和方向，表示某函數(shù)在該點處的方向?qū)?shù)沿著該方向取得最大值，即函數(shù)在該點的變化最快，或者說函數(shù)在該點處的變化率最大。當(dāng)我們要簡單判斷圖片中兩個像素點的梯度大小時，可以用兩個像素點的值相減，得到的差值的絕對值越大就說明這兩個像素點之間的梯度越大。而對于一張圖片來說，梯度比較大的地方一般是在圖像的邊緣、角點地方。而正因為在邊緣和角點的梯度值比其他地方要大的，所以在HOG特征的計算中，一般會優(yōu)先去計算圖片的角點和邊緣方向上的梯度。所以，當(dāng)我們?nèi)ヌ崛∫粡垐D片的HOG特征時，往往將會這張圖片的輪廓邊緣等信息。HOG特征的計算說白了就是從大到小后再從小到大，先把圖片分割成一些小區(qū)域并計算這些小區(qū)域的方向梯度，最后再進(jìn)行合總計算出整張圖片的方向梯度。HOG特征的計算過程大致可以分為以下幾點：1.提取窗口、2.將窗口進(jìn)行切割并計算每個小范圍的方向梯度、3.將每個小范圍的方向梯度進(jìn)行結(jié)合、4.歸一化處理、5.進(jìn)行向量的拼接。第一步提取窗口的大概操作是對輸入的圖片裁剪出一個個窗口并對窗口的大小進(jìn)行調(diào)整，一般調(diào)整為64*128大小。第二步將窗口再進(jìn)行一次分割，分割成一個個小區(qū)域，我們稱為cell。打個比方，在上一步中我們得到了一個64*128大小的窗口，然后我們對這個窗口分割成一個個cell，每個cell的大小為8*8，最后計算出每個cell的梯度幅值和梯度方向。以opencv計算HOG特征為例，使用opencv中的一階微分算子函數(shù)Sobel可以求出每個cell的X方向和Y方向上的梯度Ix和Iy。算出X和Y方向的梯度后。這個cell中的每一個像素點的梯度幅值M就可以表示為每一個像素點的梯度方向θ可以表示θ=arctan(Iy/Ix)。經(jīng)過上面公式計算出來梯度方向的角度后會將其范圍限制在0到9之間，這樣做的目的主要為了減少計算，通過把計算出來的角度先限制在0到180之間，然后將其切割成9個方向，每個方向20度，再將限制后的角度除以20，就可以把梯度方向角度值就變?yōu)榉秶?到9的值，對每個cell里面的梯度幅值按照這9個方向進(jìn)行統(tǒng)計，最終每個cell的維度大小將為9。在進(jìn)行第三步時，往往將cell以行2個，列2個為一個區(qū)域，即16*16大小，將這個區(qū)域稱為block。先將block中的4個cell的梯度進(jìn)行拼接，由于每個cell的維度大小為9，所以一個區(qū)域的維度大小就為36。第4步的歸一化是為了增強(qiáng)圖像特征對光照以及環(huán)境變化時的穩(wěn)定性，減少圖像局部的陰影、局部曝光過多及紋理失真，盡可能的抑制圖像的干擾噪聲。第5步進(jìn)行向量的拼接是以block為單位進(jìn)行滑動，每次滑動一個步長單位，再將所有block進(jìn)行拼接就可以得到這個窗口的梯度以及這個窗口的維度大小。比如說現(xiàn)在設(shè)置的步長為8，那么一個16*16的block在64*128的窗口水平可以滑動（64-16+8）/8=7次，在垂直方向可以滑動（128-16+8）/8=15次，即一個窗口的維度大小就為36*7*15=3780。計算出圖片中每一個窗口的方向梯度后就可以得到整張圖片的方向梯度了。3.3基于opencv級聯(lián)分類器的物體識別3.3.1opencv級聯(lián)分類器的原理Opencv的級聯(lián)分類器是基于AdaBoost算法訓(xùn)練出來的一種分類器。AdaBoost算法[1]訓(xùn)練分類器的步驟分為兩步，1.訓(xùn)練多個弱分類器、2.將多個弱分類器進(jìn)行級聯(lián)。在訓(xùn)練弱分類器這一步中，當(dāng)分類器經(jīng)過第一次訓(xùn)練后，會把第一次訓(xùn)練中誤差率高的樣本點的權(quán)重提高，誤差率小的樣本點的權(quán)重降低，使這些誤差率高的樣本點在下一次訓(xùn)練中能得到重視。然后進(jìn)行下一次分類訓(xùn)練，在第二次訓(xùn)練后也將重復(fù)上面的步驟，提高誤差率高的樣本點的權(quán)重，降低誤差率低的樣本點的權(quán)重。之后就是重復(fù)此過程，直到達(dá)到預(yù)先指定的迭代次數(shù)或者誤差率小于0.5后結(jié)束，之所以當(dāng)誤差率小于0.5后結(jié)束是因為弱分類器本身的定義就是每次識別分類時的準(zhǔn)確率小于0.5，而這樣做還能減少訓(xùn)練弱分類器時所消耗的時間。訓(xùn)練出多個弱分類器后，AdaBoost會減少誤差率比較大的分類器在級聯(lián)時所占的權(quán)重以此來減少其對結(jié)果的影響以及增大誤差率比較小的分類器的權(quán)重，然后將訓(xùn)練出來的多個分類器進(jìn)行級聯(lián)。在級聯(lián)分類器對物體進(jìn)行識別時，會先經(jīng)過多個弱分類器然后對多個弱分類器的輸出結(jié)果進(jìn)行統(tǒng)計，最后以多數(shù)服從少數(shù)的原則輸出分類結(jié)果。3.3.2訓(xùn)練opencv的級聯(lián)分類器利用opencv，我們能訓(xùn)練出自己的級聯(lián)分類器[3][5][7][8]。訓(xùn)練opencv的級聯(lián)分類器前，我們需要先準(zhǔn)備級聯(lián)分類器所要求的輸入，正樣本集的.vec文件和包含負(fù)樣本集所有圖片路徑的.txt文件。本文利用opencv自帶的opencv_createsamples.exe來生成.vec文件。具體做法是先在存放正樣本集的文件夾中生成記錄每個正樣本圖片存放路徑的.txt文件，然后使用opencv_createsamples.exe生成正樣本集的.vec文件。其中需要指定生成的.vec文件的名稱、存放路徑和記錄每個正樣本圖片存放路徑的.txt文件的名稱和存放路徑。生成.vec文件和負(fù)樣本集的.txt文件后，利用opencv_traincascade.exe文件就可以進(jìn)行分類器模型的訓(xùn)練了。下圖為訓(xùn)練模型的過程圖3.12執(zhí)行opencv_traincascade.exe會自動提取圖片特征并進(jìn)行訓(xùn)練，在訓(xùn)練開始前需要指定一些參數(shù)，其中包括訓(xùn)練好的模型存放的路徑、用于訓(xùn)練的.vec文件和.txt文件的路徑、用于訓(xùn)練的圖片集數(shù)量、級聯(lián)的層數(shù)以及要提取圖片的什么特征，opencv都級聯(lián)分類器支持自動提取的特征有Haar、LBP、HOG三種。在opencv的級聯(lián)分類器訓(xùn)練完成后，我們會得到一個名字為cascade.xml文件。這個文件就是訓(xùn)練出來的模型。之后在寫識別維達(dá)紙巾的代碼時，使用opencv的CascadeClassifier函數(shù)來調(diào)用這個.xml文件就可以完成物體的初步判斷。3.3.3對目標(biāo)物體識別的測試下面是對不同訓(xùn)練數(shù)量的分類器的識別結(jié)果的測試。圖3.13圖3.14圖3.13和3.14是在正樣本集的數(shù)目為800，負(fù)樣本數(shù)目為2000下訓(xùn)練出來的級聯(lián)分類器。從上圖可以看到，雖然可以正確的識別出我們要識別的紙巾，但也錯把我的大拇指識別成了紙巾?？梢钥吹皆谡龢颖緮?shù)目為800，負(fù)樣本數(shù)目為2000下訓(xùn)練出來的級聯(lián)分類器的識別準(zhǔn)確率不高，常常會把非要識別的特定物體識別成要識別的特定物體。因此，我相應(yīng)的增加了正樣本和負(fù)樣本的數(shù)目。圖3.15圖3.16圖3.15和3.16是在正樣本數(shù)目為1600，負(fù)樣本數(shù)目為3000下訓(xùn)練出來的級聯(lián)分類器。從圖3.13到3.16這四張圖的對比下，我們可以看到，當(dāng)正、負(fù)樣本集的數(shù)目增加時，訓(xùn)練出來的級聯(lián)分類器的識別精致度也會隨著提高。下面這兩組是在樣本數(shù)量相等，但提取的圖像特征不同，所訓(xùn)練出來的分類器的測試結(jié)果。圖3.17圖3.18圖3.19圖3.20這四張圖片是在正樣本集為1600，負(fù)樣本集為3000下提取圖片的LBP特征所訓(xùn)練出來的分類器的測試結(jié)果。圖3.21圖3.22圖3.23圖3.24圖3.21至3.24這四張圖片是在正樣本集為1600，負(fù)樣本集為3000下提取圖片的Haar特征所訓(xùn)練出來的分類器的測試結(jié)果。由于提取Haar特征時會產(chǎn)生浮點數(shù)，而提取LBP特征時不會產(chǎn)生浮點數(shù)，所以在相等的樣本集的條件下，提取Haar特征的分類器的測試結(jié)果一般要比提取LBP特征的分類器要精準(zhǔn)，誤判要更少，這從圖3.17至圖3.24的比較中也可以看出來。所以，訓(xùn)練分類器時，不同圖片的特征和樣本集的數(shù)量都會影響訓(xùn)練出來的分類器的結(jié)果。第四章.目標(biāo)跟蹤的算法設(shè)計與實現(xiàn)4.1計算目標(biāo)物體的位置做完物體識別后，下一步就是去判斷物體的大致方位，使攝像頭能始終正對著要識別的物體。本文計算識別到的物體的大致位置的計算方法是先計算出要識別物體的中心點，以此先判斷出物體的大致方位，是在攝像頭的左邊還是右邊。為了計算出要識別物體的中心點，本文是先識別的要識別的物體，以此來獲得物體的坐標(biāo)位置信息。利用opencv的級聯(lián)分類器，通過detectMultiScale函數(shù)進(jìn)行物體的檢測時，當(dāng)檢測到目標(biāo)物體的時候，detectMultiScale函數(shù)會返回目標(biāo)物體的左上角坐標(biāo)以及長、寬。當(dāng)獲得目標(biāo)物體左上角坐標(biāo)（x，y）和長h，寬w后，物體的中心坐標(biāo)可表示為（x+w/2，y+h/2）（坐標(biāo)原點為窗口的左上角）。如下圖（23）所示（（x，y）（x+w/2,y+h/2）（x+w/2,y+h/2）hww圖4.1藍(lán)色框為打開的窗口大小，綠框為識別的物體后用opencv所畫出來的方框，綠框左上角的紅框表示綠框左上角的坐標(biāo)（x，y），藍(lán)色的橢圓表示檢測到的物體，中間的紅點則為物體的中心。知道物體的中心點坐標(biāo)后，就能算出目標(biāo)物體在攝像頭的哪個方位了。以攝像頭為第一視角，假設(shè)用opencv創(chuàng)建了一個300*300大小的窗口，那么，窗口的中心坐標(biāo)就為（150，150），那么通過目標(biāo)物體的中心坐標(biāo)與窗口的中心坐標(biāo)進(jìn)行對比，我們就可以知道目標(biāo)物體位于攝像頭的左邊，右邊，上還是下了。知道了目標(biāo)物體的方位后，我們可以用目標(biāo)物體的中心點與窗口中心點的差來表示物體偏移了窗口中心多少，即偏移量來表示。算出偏移量后剩下的問題就是讓舵機(jī)轉(zhuǎn)動一定的角度，從而實現(xiàn)攝像頭正對著目標(biāo)物體。要先讓舵機(jī)轉(zhuǎn)動一定角度后攝像頭剛好對著目標(biāo)物體的話，得知道偏移量與舵機(jī)轉(zhuǎn)動的角度的關(guān)系，才能通過舵機(jī)的轉(zhuǎn)動來讓攝像頭正對著目標(biāo)物體[6]。4.2操作樹莓派的舵機(jī)4.2.1PWMPWM，也稱為脈沖寬度調(diào)節(jié)。它是一種矩形波，通過高電平時間所占周期的比例，即占空比來表示不同的信號。以led燈為例，占空比為100%時，led燈為常亮，占空比為0時，led燈不亮或是說為常暗，若改變占空比，則對應(yīng)的表示改變了led燈的亮度，100%時最亮，0時最暗。占空比的計算公式為d=(pw/T)*100%，其中d為占空比；pw為一個周期內(nèi)的高電平時間，也稱為脈沖寬度；T為一個周期時間。用下圖表示PwPwTT圖4.2PWM在樹莓派中可以通過ChangeDutyCycle這個函數(shù)來改變PWM，函數(shù)的參數(shù)為所要設(shè)置的占空比，范圍為0到100，我所使用的9g舵機(jī)轉(zhuǎn)動的角度為0度到180度，換算成ChangeDutyCycle函數(shù)的參數(shù)的公式（）。4.2.2物體位置對應(yīng)的舵機(jī)轉(zhuǎn)動角度解決了第一個問題后緊接著就是怎么讓舵機(jī)轉(zhuǎn)動后攝像頭正對著目標(biāo)物體。在這里我通過前面計算出的物體中心點坐標(biāo)與窗口中心點坐標(biāo)的差，也就是偏移量的大小來表示舵機(jī)轉(zhuǎn)動的角度。為了讓偏移量能更精確的表示成轉(zhuǎn)動的角度以及滿足不同窗口所計算出來的角度大致是一樣的，可以先將偏移量限制在-1到1這個區(qū)間之內(nèi)；然后再去乘以一個比例系數(shù)，將這個在[-1,1]區(qū)間內(nèi)的偏移量擴(kuò)大為轉(zhuǎn)動的角度增量，最后舵機(jī)轉(zhuǎn)動的角度為當(dāng)前舵機(jī)的角度+角度增量。在這其中，確定這個比例系數(shù)需要通過實際操作來確定，當(dāng)舵機(jī)擺動的角度過大，來回擺動時，說明這個比例系數(shù)過大，需要調(diào)小比例系數(shù)；當(dāng)舵機(jī)擺動緩慢，那就得調(diào)大比例系數(shù)；通過不斷的實驗，最后才能確定一個比較好的比例系數(shù)。但是，當(dāng)我確定好比例系數(shù)后發(fā)現(xiàn)當(dāng)目標(biāo)物體位于窗口中心附近時，舵機(jī)會有一些小幅度的擺動。為了讓舵機(jī)不要出現(xiàn)這種小幅度擺動，我設(shè)置了一個死區(qū)，即計算出來的角度增量若在死區(qū)的范圍內(nèi)使，將計算出來的角度增量進(jìn)行清零操作，舵機(jī)保持在原來位置，這樣就可以解決舵機(jī)因為角度增量太小時所造成的小幅度擺動的問題了。結(jié)論本次“基于樹莓派平臺的對特定物體識別系統(tǒng)的設(shè)計與實現(xiàn)”這個畢業(yè)設(shè)計實現(xiàn)了物體識別以及物體跟蹤與舵機(jī)控制的功能。基本上能分別出所要識別的目標(biāo)物體并且使攝像頭始終可以正對著目標(biāo)物體。從分類器的訓(xùn)練結(jié)果的對比來看，訓(xùn)練所用的正負(fù)樣本集的數(shù)量和質(zhì)量對訓(xùn)練后的效果有著很大的影響，對于識別一個簡單的物體，當(dāng)正樣本集的數(shù)量達(dá)到1500以上后，識別的效果會相對比較穩(wěn)定，誤判的幾率會比較少。在舵機(jī)控制上，實驗表明為舵機(jī)設(shè)置轉(zhuǎn)動死區(qū)確實可以減少舵機(jī)的一些不必要的小幅度擺動。在本文中提到的物體識別的方法也存在著一些不足，主要表現(xiàn)在識別物體的精度還是不夠理想，有時候會出現(xiàn)識別不出要識別的物體，造成這樣的原因可能是opencv的級聯(lián)分類器的識別精度本身就不高的原因，也有可能是用于訓(xùn)練的正樣本數(shù)量不夠多的原因。針對于可能是opencv自身的級聯(lián)分類器的識別精度不高的這個問題，我想到的解決方法是使用tensorflow來實現(xiàn)物體識別的功能。參考文獻(xiàn)[1]吳浩.Adaboost分類算法研究[D].東南大學(xué),2018.[2]呂勝男.基于HAARCascade的車牌識別系統(tǒng)的設(shè)計與實現(xiàn)[D].遼寧大學(xué),2018.[3]王洋,鄭佳春.基于OpenCV人臉檢測技術(shù)的研究及實現(xiàn)[J].物聯(lián)網(wǎng)技術(shù),2018,8(03):81-83.[4]倪朋朋,顧海全,董鋒格,王文斌.基于Haar-like和Adaboost的車輛檢測算法研究[J].汽車零部件,2019(10):5-9.[5]劉子源,蔣承志.基于OpenCV和Haar特征分類器的圖像人數(shù)檢測[J].遼寧科技大學(xué)學(xué)報,2011,34(04):384-388.[6]邵文坤,黃愛民,韋慶.目標(biāo)跟蹤方法綜述[J].影像技術(shù),2006(01):17-20.[7]小牛牛先生，opencv3.3版本訓(xùn)練自己的物體分類器[z],/qq_32502511/article/details/790105092018.1[8]CppSkill,物體識別[z]，/cppskill/p/11136601.html,2019.7致謝首先要感謝我的指導(dǎo)老師在百忙之中還經(jīng)常幫助我改寫論文。其次，我要感謝大學(xué)里所有教過我課程的老師，在平時的學(xué)習(xí)中遇到困難時，他們總是耐心和我們探討問題，幫助我們解決問題。此外，我要感謝本次評審的老師，感謝你們對我的畢業(yè)設(shè)計與論文提出寶貴意見和指導(dǎo)。最后，我要感謝我的母校，在這4年的學(xué)習(xí)中，我收獲良多。

HYPERLINK如何給電腦重做系統(tǒng)給電腦重做系統(tǒng)，自己學(xué)學(xué)，可少花錢，哈哈[圖]

一、準(zhǔn)備工作:

如何重裝電腦系統(tǒng)

首先，在啟動電腦的時候按住DELETE鍵進(jìn)入BIOS，選擇AdvancedBIOSFeatures選項，按Enter鍵進(jìn)入設(shè)置程序。選擇FirstBootDevice選項，然后按鍵盤上的PageUp或PageDown鍵將該項設(shè)置為CD-ROM，這樣就可以把系統(tǒng)改為光盤啟動。

其次，退回到主菜單，保存BIOS設(shè)置。（保存方法是按下F10，然后再按Y鍵即可）

1.準(zhǔn)備好WindowsXPProfessional簡體中文版安裝光盤,并檢查光驅(qū)是否支持自啟動。

2.可能的情況下，在運(yùn)行安裝程序前用磁盤掃描程序掃描所有硬盤檢查硬盤錯誤并進(jìn)行修復(fù)，否則安裝程序運(yùn)行時如檢查到有硬盤錯誤即會很麻煩。

3.用紙張記錄安裝文件的產(chǎn)品密匙(安裝序列號)。

4.可能的情況下，用驅(qū)動程序備份工具(如:驅(qū)動精靈2004V1.9Beta.exe)將原WindowsXP下的所有驅(qū)動程序備份到硬盤上(如∶F:Drive)。最好能記下主板、網(wǎng)卡、顯卡等主要硬件的型號及生產(chǎn)廠家，預(yù)先下載驅(qū)動程序備用。

5.如果你想在安裝過程中格式化C盤或D盤(建議安裝過程中格式化C盤)，請備份C盤或D盤有用的數(shù)據(jù)。

二、用光盤啟動系統(tǒng):

(如果你已經(jīng)知道方法請轉(zhuǎn)到下一步),重新啟動系統(tǒng)并把光驅(qū)設(shè)為第一啟動盤,保存設(shè)置并重啟。將XP安裝光盤放入光驅(qū),重新啟動電腦。剛啟動時，當(dāng)出現(xiàn)如下圖所示時快速按下回車鍵，否則不能啟動XP系統(tǒng)光盤安裝。如果你不知道具體做法請參考與這相同的-->如何進(jìn)入純DOS系統(tǒng):

光盤自啟動后,如無意外即可見到安裝界面,將出現(xiàn)如下圖1所示

查看原圖

全中文提示,“要現(xiàn)在安裝WindowsXP,請按ENTER”，按回車鍵后,出現(xiàn)如下圖2所示

查看原圖

許可協(xié)議,這里沒有選擇的余地，按“F8”后如下圖3

HYPERLINK

查看原圖

這里用“向下或向上”方向鍵選擇安裝系統(tǒng)所用的分區(qū)，如果你已格式化C盤請選擇C分區(qū)，選擇好分區(qū)后按“Enter”鍵回車，出現(xiàn)下圖4所示

查看原圖

這里對所選分區(qū)可以進(jìn)行格式化,從而轉(zhuǎn)換文件系統(tǒng)格,或保存現(xiàn)有文件系統(tǒng),有多種選擇的余地,但要注意的是NTFS格式可節(jié)約磁盤空間提高安全性和減小磁盤碎片但同時存在很多問題MacOS和98/Me下看不到NTFS格式的分區(qū),在這里選“用FAT文件系統(tǒng)格式化磁盤分區(qū)(快),按“Enter”鍵回車，出現(xiàn)下圖5所示

查看原圖

格式化C盤的警告,按F鍵將準(zhǔn)備格式化c盤,出現(xiàn)下圖6所示

HYPERLINK

查看原圖

由于所選分區(qū)C的空間大于2048M(即2G),FAT文件系統(tǒng)不支持大于2048M的磁盤分區(qū),所以安裝程序會用FAT32文件系統(tǒng)格式對C盤進(jìn)行格式化,按“Enter”鍵回車，出現(xiàn)下圖7所示

查看原圖圖7中正在格式化C分區(qū);只有用光盤啟動或安裝啟動軟盤啟動XP安裝程序,才能在安裝過程中提供格式化分區(qū)選項；如果用MS-DOS啟動盤啟動進(jìn)入DOS下,運(yùn)行i386\winnt進(jìn)行安裝XP時,安裝XP時沒有格式化分區(qū)選項。格式化C分區(qū)完成后,出現(xiàn)下圖8所示

被過濾廣告

查看原圖

圖8中開始復(fù)制文件,文件復(fù)制完后，安裝程序開始初始化Windows配置。然后系統(tǒng)將會自動在15秒后重新啟動。重新啟動后,出現(xiàn)下圖9所示

HYPERLINK

查看原圖

9

查看原圖

過5分鐘后，當(dāng)提示還需33分鐘時將出現(xiàn)如下圖10

HYPERLINK

查看原圖

區(qū)域和語言設(shè)置選用默認(rèn)值就可以了，直接點“下一步”按鈕，出現(xiàn)如下圖11

查看原圖

這里輸入你想好的姓名和單位，這里的姓名是你以后注冊的用戶名，點“下一步”按鈕，出現(xiàn)如下圖12

HYPERLINK

查看原圖

如果你沒有預(yù)先記下產(chǎn)品密鑰（安裝序列號）就大件事啦！這里輸入安裝序列號，點“下一步”按鈕，出現(xiàn)如下圖13

HYPERLINK

查看原圖

安裝程序自動為你創(chuàng)建又長又難看的計算機(jī)名稱,自己可任意更改，輸入兩次系統(tǒng)管理員密碼，請記住這個密碼，Administrator系統(tǒng)管理員在系統(tǒng)中具有最高權(quán)限，平時登陸系統(tǒng)不需要這個帳號。接著點“下一步”出現(xiàn)如下圖14

查看原圖

日期和時間設(shè)置不用講,選北京時間，點“下一步”出現(xiàn)如下圖15

HYPERLINK

查看原圖

開始安裝,復(fù)制系統(tǒng)文件、安裝網(wǎng)絡(luò)系統(tǒng)，很快出現(xiàn)如下圖16

查看原圖

讓你選擇網(wǎng)絡(luò)安裝所用的方式，選典型設(shè)置點“下一步”出現(xiàn)如下圖17

HYPERLINK

查看原圖

點“下一步”出現(xiàn)如下圖18

HYPERLINK

查看原圖

繼續(xù)安裝，到這里后就不用你參與了，安裝程序會自動完成全過程。安裝完成后自動重新啟動，出現(xiàn)啟動畫面，如下圖19

HYPERLINK

查看原圖

第一次啟動需要較長時間，請耐心等候，接下來是歡迎使用畫面，提示設(shè)置系統(tǒng)，如下圖20

查看原圖

點擊右下角的“下一步”按鈕，出現(xiàn)設(shè)置上網(wǎng)連接畫面，如下圖21所示

HYPERLINK

查看原圖

點擊右下角的“下一步”按鈕，出現(xiàn)設(shè)置上網(wǎng)連接畫面，如下圖21所示

查看原圖

這里建立的寬帶撥號連接,不會在桌面上建立撥號連接快捷方式,且默認(rèn)的撥號連接名稱為“我的ISP”(自定義除外);進(jìn)入桌面后通過連接向?qū)Ы⒌膶拵芴栠B接,在桌面上會建立撥號連接快捷方式,且默認(rèn)的撥號連接名稱為“寬帶連接”(自定義除外)。如果你不想在這里建立寬帶撥號連接,請點擊“跳過”按鈕。

在這里我先創(chuàng)建一個寬帶連接,選第一項“數(shù)字用戶線(ADSL)或電纜調(diào)制解調(diào)器”,點擊“下一步”按鈕，如下圖22所示

HYPERLINK

查看原圖

目前使用的電信或聯(lián)通(ADSL)住宅用戶都有帳號和密碼的,所以我選“是,我使用用戶名和密碼連接”,點擊“下一步”按鈕，如下圖23所示

查看原圖

輸入電信或聯(lián)通提供的帳號和密碼,在“你的ISP的服務(wù)名”處輸入你喜歡的名稱,該名稱作為撥號連接快捷菜單的名稱,如果留空系統(tǒng)會自動創(chuàng)建名為“我的ISP”作為該連接的名稱,點擊“下一步”按鈕，如下圖24所示

查看原圖

已經(jīng)建立了撥號連接,微軟當(dāng)然想你現(xiàn)在就激活XP啦,不過即使不激活也有30天的試用期,又何必急呢?選擇“否,請等候幾天提醒我”,點擊“下一步”按鈕，如下圖25所示

HYPERLINK

查看原圖

輸入一個你平時用來登陸計算機(jī)的用戶名，點下一步出現(xiàn)如下圖26

HYPERLINK

查看原圖

點擊完成，就結(jié)束安裝。系統(tǒng)將注銷并重新以新用戶身份登陸。登陸桌面后如下圖27

HYPERLINK

查看原圖

六、找回常見的圖標(biāo)

在桌面上點開始-->連接到-->寬帶連接，如下圖32

查看原圖

左鍵點“寬帶連接”不放手，將其拖到桌面空白處,可見到桌面上多了一個“寬帶連接”快捷方式。結(jié)果如下圖33

HYPERLINK

查看原圖

然后，右鍵在桌面空白處點擊，在彈出的菜單中選“屬性”，即打開顯示“屬性窗口”如下圖34

查看原圖

在圖中單擊“桌面”選項卡，出現(xiàn)如下圖35

HYPERLINK

查看原圖

在圖中的左下部點擊“自定義桌面”按鈕，出現(xiàn)如下圖36

查看原圖

在圖中的上部，將“我的文檔”、“我的電腦”、“網(wǎng)上鄰居”和“InternetExplorer”四個項目前面的空格上打鉤，然后點“確定”，再“確定”，你將會看到桌面上多了你想要的圖標(biāo)。如下圖37

鍵盤上每個鍵作用!!!

F1幫助

F2改名

F3搜索

F4地址

F5刷新

F6切換

F10菜單

CTRL+A全選

CTRL+C復(fù)制

CTRL+X剪切

CTRL+V粘貼

CTRL+Z撤消

CTRL+O打開

SHIFT+DELETE永久刪除

DELETE刪除

ALT+ENTER屬性

ALT+F4關(guān)閉

CTRL+F4關(guān)閉

ALT+TAB切換

ALT+ESC切換

ALT+空格鍵窗口菜單

CTRL+ESC開始菜單

拖動某一項時按CTRL復(fù)制所選項目

拖動某一項時按CTRL+SHIFT創(chuàng)建快捷方式

將光盤插入到CD-ROM驅(qū)動器時按SHIFT鍵阻止光盤自動播放

Ctrl+1,2,3...切換到從左邊數(shù)起第1,2,3...個標(biāo)簽

Ctrl+A全部選中當(dāng)前頁面內(nèi)容

Ctrl+C復(fù)制當(dāng)前選中內(nèi)容

Ctrl+D打開“添加收藏”面版(把當(dāng)前頁面添加到收藏夾中)

Ctrl+E打開或關(guān)閉“搜索”側(cè)邊欄(各種搜索引擎可選)

Ctrl+F打開“查找”面版

Ctrl+G打開或關(guān)閉“簡易收集”面板

Ctrl+H打開“歷史”側(cè)邊欄

Ctrl+I打開“收藏夾”側(cè)邊欄/另:將所有垂直平鋪或水平平鋪或?qū)盈B的窗口恢復(fù)

Ctrl+K關(guān)閉除當(dāng)前和鎖定標(biāo)簽外的所有標(biāo)簽

Ctrl+L打開“打開”面版(可以在當(dāng)前頁面打開Iternet地址或其他文件...)

Ctrl+N新建一個空白窗口(可更改,Maxthon選項→標(biāo)簽→新建)

Ctrl+O打開“打開”面版(可以在當(dāng)前頁面打開Iternet地址或其他文件...)

Ctrl+P打開“打印”面板(可以打印網(wǎng)頁,圖片什么的...)

Ctrl+Q打開“添加到過濾列表”面板(將當(dāng)前頁面地址發(fā)送到過濾列表)

Ctrl+R刷新當(dāng)前頁面

Ctrl+S打開“保存網(wǎng)頁”面板(可以將當(dāng)前頁面所有內(nèi)容保存下來)

Ctrl+T垂直平鋪所有窗口

Ctrl+V粘貼當(dāng)前剪貼板內(nèi)的內(nèi)容

Ctrl+W關(guān)閉當(dāng)前標(biāo)簽(窗口)

Ctrl+X剪切當(dāng)前選中內(nèi)容(一般只用于文本操作)

Ctrl+Y重做剛才動作(一般只用于文本操作)

Ctrl+Z撤消剛才動作(一般只用于文本操作)

Ctrl+F4關(guān)閉當(dāng)前標(biāo)簽(窗口)

Ctrl+F5刷新當(dāng)前頁面

Ctrl+F6按頁面打開的先后時間順序向前切換標(biāo)簽(窗口)

Ctrl+F11隱藏或顯示菜單欄

Ctrl+Tab以小菜單方式向下切換標(biāo)簽(窗口)

Ctrl+Enter域名自動完成[url=].**.com[/url](內(nèi)容可更改,Maxthon選項→地址欄→常規(guī))/另:當(dāng)輸入焦點在搜索欄中時,為高亮關(guān)鍵字

Ctrl+拖曳保存該鏈接的地址或已選中的文本或指定的圖片到一個文件夾中(保存目錄可更改,Maxthon選項→保存)

Ctrl+小鍵盤'+'當(dāng)前頁面放大20%

Ctrl+小鍵盤'-'當(dāng)前頁面縮小20%

Ctrl+小鍵盤'*'恢復(fù)當(dāng)前頁面的縮放為原始大小

Ctrl+Alt+S自動保存當(dāng)前頁面所有內(nèi)容到指定文件夾(保存路徑可更改,Maxthon選項→保存)

Ctrl+Shift+小鍵盤'+'所有頁面放大20%

Ctrl+Shift+小鍵盤'-'所有頁面縮小20%

Ctrl+Shift+F輸入焦點移到搜索欄

Ctrl+Shift+G關(guān)閉“簡易收集”面板

Ctrl+Shift+H打開并激活到你設(shè)置的主頁

Ctrl+Shift+N在新窗口中打開剪貼板中的地址,如果剪貼板中為文字,則調(diào)用搜索引擎搜索該文字(搜索引擎可選擇,Maxthon選項→搜索)

Ctrl+Shift+S打開“保存網(wǎng)頁”面板(可以將當(dāng)前頁面所有內(nèi)容保存下來,等同于Ctrl+S)

Ctrl+Shift+W關(guān)閉除鎖定標(biāo)簽外的全部標(biāo)簽(窗口)

Ctrl+Shift+F6按頁面打開的先后時間順序向后切換標(biāo)簽(窗口)

Ctrl+Shift+Tab以小菜單方式向上切換標(biāo)簽(窗口)

Ctrl+Shift+Enter域名自動完成

Alt+1保存當(dāng)前表單

Alt+2保存為通用表單

Alt+A展開收藏夾列表

資源管理器

END顯示當(dāng)前窗口的底端

HOME顯示當(dāng)前窗口的頂端

NUMLOCK+數(shù)字鍵盤的減號(-)折疊所選的文件夾

NUMLOCK+數(shù)字鍵盤的加號(+)顯示所選文件夾的內(nèi)容

NUMLOCK+數(shù)字鍵盤的星號(*)顯示所選文件夾的所有子文件夾

向左鍵當(dāng)前所選項處于展開狀態(tài)時折疊該項，或選定其父文件夾

向右鍵當(dāng)前所選項處于折疊狀態(tài)時展開該項，或選定第一個子文件夾

自然鍵盤

【窗口】顯示或隱藏“開始”菜單

【窗口】+F1幫助

【窗口】+D顯示桌面

【窗口】+R打開“運(yùn)行”

【窗口】+E打開“我的電腦”

【窗口】+F搜索文件或文件夾

【窗口】+U打開“工具管理器”

【窗口】+BREAK顯示“系統(tǒng)屬性”

【窗口】+TAB在打開的項目之間切換

輔助功能

按右邊的SHIFT鍵八秒鐘切換篩選鍵的開和關(guān)

按SHIFT五次切換粘滯鍵的開和關(guān)

按NUMLOCK五秒鐘切換切換鍵的開和關(guān)

左邊