基于樹莓派平臺(tái)的對(duì)特定物體識(shí)別系統(tǒng)

廣東東軟學(xué)院本科畢業(yè)設(shè)計(jì)（論文）摘要機(jī)器視覺是讓計(jì)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(shí)別是機(jī)器視覺的基礎(chǔ)，對(duì)一般物體識(shí)別的研究，不僅是理論還是實(shí)際都有著極其重要的意義。在理論中，物體識(shí)別是機(jī)器視覺的基礎(chǔ)，在實(shí)際中，對(duì)于一般物體的識(shí)別對(duì)人們的生活會(huì)有很大的影響，物體識(shí)別能夠應(yīng)用到國(guó)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(shí)別是基于樹莓派平臺(tái)，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(duì)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(duì)處理過后的視頻信息進(jìn)行分類識(shí)別，識(shí)別出我們選定的物體并計(jì)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(dòng)到攝像頭正對(duì)著識(shí)別到的物體的位置。實(shí)驗(yàn)結(jié)果表明本系統(tǒng)基本能做到對(duì)物體的正確識(shí)別并使攝像頭基本上始終正對(duì)著識(shí)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(duì)一般物體識(shí)別的概念和意義在當(dāng)今社會(huì)，人們的生活因?yàn)榭萍嫉陌l(fā)展而過得越來越智能化，出現(xiàn)了工廠自動(dòng)化生產(chǎn)，高鐵站入口的人臉識(shí)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(duì)物體的識(shí)別。物體的識(shí)別顧名思義是對(duì)一個(gè)特定的物體進(jìn)行識(shí)別，使計(jì)算機(jī)能夠判斷出該物體是什么。物體識(shí)別是機(jī)器視覺的基礎(chǔ)，機(jī)器視覺是讓計(jì)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(jì)算機(jī)能夠?qū)ξ矬w產(chǎn)生智能化感知，首先要能識(shí)別出該物體是什么，物體識(shí)別是機(jī)器視覺的基礎(chǔ)也是機(jī)器視覺的核心，對(duì)一般物體識(shí)別的研究，不僅是理論還是實(shí)際都有著極其重要的意義。在理論中，物體識(shí)別是機(jī)器視覺的基礎(chǔ)，在實(shí)際中，對(duì)于一般物體的識(shí)別對(duì)人們的生活會(huì)有很大的影響，物體識(shí)別能夠應(yīng)用到國(guó)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(shí)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(jì)算機(jī)可以擁有智慧，自主對(duì)物體進(jìn)行判斷。對(duì)物體識(shí)別的研究正是為了實(shí)現(xiàn)計(jì)算機(jī)擁有對(duì)物體的自主判斷的一個(gè)研究，是人工智能的一個(gè)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(yàn)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(shí)的“知識(shí)期”。但無論是“推理期”還是“知識(shí)期”，機(jī)器始終只會(huì)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(shí)，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(shí)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(duì)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(shí)機(jī)器能夠識(shí)別出來，從而達(dá)到一個(gè)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(shí)現(xiàn)物體識(shí)別是當(dāng)今比較常見的一種方法。1.3物體識(shí)別系統(tǒng)的研究意義以及目的對(duì)特定物體識(shí)別的研究是機(jī)器視覺的基礎(chǔ)，機(jī)器視覺是實(shí)現(xiàn)現(xiàn)代生活智能化的一個(gè)重要的研究。因此，對(duì)特定物體進(jìn)行識(shí)別不僅是推動(dòng)機(jī)器視覺發(fā)展的關(guān)鍵，也是實(shí)現(xiàn)現(xiàn)在生活智能化的關(guān)鍵。為此，采用樹莓派實(shí)現(xiàn)對(duì)特定物體識(shí)別的系統(tǒng)。本課題目的在于對(duì)特定物體的識(shí)別的實(shí)現(xiàn)，以此來了解物體識(shí)別的一般流程和物體識(shí)別有關(guān)的知識(shí)。對(duì)物體識(shí)別系統(tǒng)的設(shè)計(jì)包括樹莓派處理攝像頭捕捉的視頻信息、opencv對(duì)處理后的視頻信息，經(jīng)過機(jī)器學(xué)習(xí)算法對(duì)視頻信息進(jìn)行識(shí)別以及計(jì)算出識(shí)別物體的大致方位、經(jīng)過相關(guān)算法計(jì)算使舵機(jī)轉(zhuǎn)動(dòng)，來實(shí)現(xiàn)攝像頭正對(duì)識(shí)別物體。第二章.整體設(shè)計(jì)方案2.1系統(tǒng)整體方案基于樹莓派平臺(tái)的對(duì)特定物體識(shí)別系統(tǒng)的設(shè)計(jì)包括對(duì)特定物體識(shí)別部分的設(shè)計(jì)和舵機(jī)控制部分的設(shè)計(jì)。在對(duì)特定物體識(shí)別部分的設(shè)計(jì)中，使用opencv對(duì)攝像頭捕捉的視頻信息進(jìn)行逐幀讀取、灰度等對(duì)捕捉的視頻信息進(jìn)行預(yù)處理使其滿足級(jí)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(jí)聯(lián)分類器來識(shí)別目標(biāo)物體，采用opencv對(duì)目標(biāo)物體的位置計(jì)算并對(duì)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(jì)中，對(duì)計(jì)算出來的目標(biāo)物體的位置采用算法計(jì)算將目標(biāo)物體的位置信息轉(zhuǎn)變成舵機(jī)的轉(zhuǎn)動(dòng)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(tái)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(hào)，本文用的是4B型號(hào)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(jià)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(huì)自動(dòng)安裝到主板上，能實(shí)現(xiàn)PC的基本功能，選擇使用樹莓派的原因除了性價(jià)比高之外還有一點(diǎn)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(jià)格比較便宜，雖然精度有限，但對(duì)于本文的設(shè)計(jì)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(hào)線，如下圖所示。圖2.2舵機(jī)示意圖2.3.3計(jì)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(jì)算機(jī)來完成的。讓模型在計(jì)算機(jī)上訓(xùn)練是因?yàn)橛?jì)算機(jī)有著樹莓派無法比擬的計(jì)算能力，在計(jì)算機(jī)上訓(xùn)練模型可以節(jié)省大量訓(xùn)練時(shí)間。本文使用的計(jì)算機(jī)的基本配置如下圖2.3計(jì)算機(jī)配置圖2.4系統(tǒng)平臺(tái)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(tái)的機(jī)器視覺庫?？梢栽贚inux、Window以及Adnroid平臺(tái)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(jí)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(shí)別的實(shí)現(xiàn)對(duì)于物體識(shí)別的實(shí)現(xiàn)，本文事先拍攝了一些紙巾的圖片來作為本次物體識(shí)別的目標(biāo)物體，對(duì)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(duì)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(duì)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(jí)聯(lián)分類器的訓(xùn)練來實(shí)現(xiàn)紙巾的識(shí)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(shí)別是對(duì)紙巾進(jìn)行識(shí)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(duì)這些圖片打上要識(shí)別物體的標(biāo)簽，打上這個(gè)標(biāo)簽的圖片集稱為正樣本集，同時(shí)還有收集非識(shí)別物體的圖片，即不是紙巾的圖片，并對(duì)這些圖片打上非識(shí)別物體的標(biāo)簽，打上這個(gè)非識(shí)別物體的標(biāo)簽的圖片集稱為負(fù)樣本集。3.1.2對(duì)目標(biāo)物體圖像進(jìn)行圖形增強(qiáng)處理對(duì)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(duì)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(duì)采集的目標(biāo)物體圖形進(jìn)行切割成統(tǒng)一尺寸、對(duì)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(duì)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(jí)聯(lián)分類器對(duì)于輸入的要求，對(duì)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(duì)紙巾圖片集進(jìn)行圖形增強(qiáng)處理操作，本文對(duì)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(duì)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(jí)聯(lián)分類器對(duì)輸入的要求，對(duì)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(shí)會(huì)導(dǎo)致訓(xùn)練時(shí)間過長(zhǎng)，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(jì)算機(jī)來識(shí)別出我們所給的圖片的內(nèi)容時(shí)，計(jì)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(gè)特別準(zhǔn)確的定義。比方說，我們現(xiàn)在給計(jì)算機(jī)一個(gè)蘋果的圖片，要讓計(jì)算機(jī)判斷出圖片的內(nèi)容是蘋果時(shí)，我們需要先告訴計(jì)算機(jī)蘋果的特征，比如蘋果的顏色、輪廓啊、長(zhǎng)、寬等這些東西，先讓計(jì)算機(jī)認(rèn)識(shí)什么是蘋果。之后，當(dāng)把蘋果的圖片輸入給計(jì)算機(jī)時(shí)，它就會(huì)先獲取圖片的輪廓，計(jì)算圖片內(nèi)容的長(zhǎng)，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(zhǎng)、寬等，稱之為圖片的特征，所以說圖片的特征并沒有一個(gè)很準(zhǔn)確的定義。圖片的特征有很多，當(dāng)我們要識(shí)別一個(gè)物體時(shí)，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(shí)間減短，并且還會(huì)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(shí)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(gè)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(jì)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(duì)整張圖片直接進(jìn)行這樣的計(jì)算的話，就等同于要對(duì)圖片的每一個(gè)矩形區(qū)域都做一計(jì)算，計(jì)算區(qū)域內(nèi)像素之和，這樣會(huì)使得計(jì)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(jì)算量的技術(shù)）來計(jì)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(jì)算量。在積分圖中，每個(gè)點(diǎn)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(gè)原圖3.7，那么它對(duì)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(diǎn)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?cè)谟?jì)算圖片的的Haar特征本來需要計(jì)算多個(gè)矩形塊中的像素之和，但現(xiàn)在我們只需要將這每個(gè)矩形的右下角頂點(diǎn)對(duì)應(yīng)的積分圖中的值拿出來，做一個(gè)求和操作即可，計(jì)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(diǎn)的積分圖的值已知，分別為D1,D2,D3,D4，有積分圖中的值的計(jì)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(gè)個(gè)矩形區(qū)域內(nèi)像素累加求和計(jì)算的過程變成只有矩陣右下角定點(diǎn)這幾個(gè)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(jì)算。（2）LBP特征LBP特征的計(jì)算原理是由于圖像中的物體本身包含著多個(gè)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(gè)像素信息，LBP特征就是根據(jù)這個(gè)特定對(duì)像素進(jìn)行二進(jìn)制編碼以此來表示某個(gè)像素的信息。LBP特征提取是在一個(gè)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(diǎn)設(shè)為1，小于窗口中心的像素點(diǎn)設(shè)為0，然后從左上角順時(shí)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(diǎn)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(gè)值就是窗口中心的像素點(diǎn)的LBP值，因此LBP值的計(jì)算是不會(huì)產(chǎn)生浮點(diǎn)數(shù)的。由于上述方法中的LBP是通過這樣一個(gè)3*3的窗口計(jì)算出來的，因此在計(jì)算的時(shí)只覆蓋了一個(gè)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(duì)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(shí)，旋轉(zhuǎn)的角度不同又會(huì)導(dǎo)致計(jì)算出來的LBP值不同。于是，針對(duì)無法滿足圖片旋轉(zhuǎn)的需求，人們又對(duì)LBP計(jì)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(gè)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(gè)向量，有大小和方向，表示某函數(shù)在該點(diǎn)處的方向?qū)?shù)沿著該方向取得最大值，即函數(shù)在該點(diǎn)的變化最快，或者說函數(shù)在該點(diǎn)處的變化率最大。當(dāng)我們要簡(jiǎn)單判斷圖片中兩個(gè)像素點(diǎn)的梯度大小時(shí)，可以用兩個(gè)像素點(diǎn)的值相減，得到的差值的絕對(duì)值越大就說明這兩個(gè)像素點(diǎn)之間的梯度越大。而對(duì)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(diǎn)地方。而正因?yàn)樵谶吘壓徒屈c(diǎn)的梯度值比其他地方要大的，所以在HOG特征的計(jì)算中，一般會(huì)優(yōu)先去計(jì)算圖片的角點(diǎn)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(shí)，往往將會(huì)這張圖片的輪廓邊緣等信息。HOG特征的計(jì)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(jì)算這些小區(qū)域的方向梯度，最后再進(jìn)行合總計(jì)算出整張圖片的方向梯度。HOG特征的計(jì)算過程大致可以分為以下幾點(diǎn)：1.提取窗口、2.將窗口進(jìn)行切割并計(jì)算每個(gè)小范圍的方向梯度、3.將每個(gè)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(duì)輸入的圖片裁剪出一個(gè)個(gè)窗口并對(duì)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(gè)個(gè)小區(qū)域，我們稱為cell。打個(gè)比方，在上一步中我們得到了一個(gè)64*128大小的窗口，然后我們對(duì)這個(gè)窗口分割成一個(gè)個(gè)cell，每個(gè)cell的大小為8*8，最后計(jì)算出每個(gè)cell的梯度幅值和梯度方向。以opencv計(jì)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(gè)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(gè)cell中的每一個(gè)像素點(diǎn)的梯度幅值M就可以表示為每一個(gè)像素點(diǎn)的梯度方向θ可以表示θ=arctan(Iy/Ix)。經(jīng)過上面公式計(jì)算出來梯度方向的角度后會(huì)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(jì)算，通過把計(jì)算出來的角度先限制在0到180之間，然后將其切割成9個(gè)方向，每個(gè)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(duì)每個(gè)cell里面的梯度幅值按照這9個(gè)方向進(jìn)行統(tǒng)計(jì)，最終每個(gè)cell的維度大小將為9。在進(jìn)行第三步時(shí)，往往將cell以行2個(gè)，列2個(gè)為一個(gè)區(qū)域，即16*16大小，將這個(gè)區(qū)域稱為block。先將block中的4個(gè)cell的梯度進(jìn)行拼接，由于每個(gè)cell的維度大小為9，所以一個(gè)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(duì)光照以及環(huán)境變化時(shí)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(dòng)，每次滑動(dòng)一個(gè)步長(zhǎng)單位，再將所有block進(jìn)行拼接就可以得到這個(gè)窗口的梯度以及這個(gè)窗口的維度大小。比如說現(xiàn)在設(shè)置的步長(zhǎng)為8，那么一個(gè)16*16的block在64*128的窗口水平可以滑動(dòng)（64-16+8）/8=7次，在垂直方向可以滑動(dòng)（128-16+8）/8=15次，即一個(gè)窗口的維度大小就為36*7*15=3780。計(jì)算出圖片中每一個(gè)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(jí)聯(lián)分類器的物體識(shí)別3.3.1opencv級(jí)聯(lián)分類器的原理Opencv的級(jí)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(gè)弱分類器、2.將多個(gè)弱分類器進(jìn)行級(jí)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(huì)把第一次訓(xùn)練中誤差率高的樣本點(diǎn)的權(quán)重提高，誤差率小的樣本點(diǎn)的權(quán)重降低，使這些誤差率高的樣本點(diǎn)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(diǎn)的權(quán)重，降低誤差率低的樣本點(diǎn)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?yàn)槿醴诸惼鞅旧淼亩x就是每次識(shí)別分類時(shí)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(shí)所消耗的時(shí)間。訓(xùn)練出多個(gè)弱分類器后，AdaBoost會(huì)減少誤差率比較大的分類器在級(jí)聯(lián)時(shí)所占的權(quán)重以此來減少其對(duì)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(gè)分類器進(jìn)行級(jí)聯(lián)。在級(jí)聯(lián)分類器對(duì)物體進(jìn)行識(shí)別時(shí)，會(huì)先經(jīng)過多個(gè)弱分類器然后對(duì)多個(gè)弱分類器的輸出結(jié)果進(jìn)行統(tǒng)計(jì)，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(jí)聯(lián)分類器利用opencv，我們能訓(xùn)練出自己的級(jí)聯(lián)分類器[3][5][7][8]。訓(xùn)練opencv的級(jí)聯(lián)分類器前，我們需要先準(zhǔn)備級(jí)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(gè)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(gè)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(huì)自動(dòng)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(jí)聯(lián)的層數(shù)以及要提取圖片的什么特征，opencv都級(jí)聯(lián)分類器支持自動(dòng)提取的特征有Haar、LBP、HOG三種。在opencv的級(jí)聯(lián)分類器訓(xùn)練完成后，我們會(huì)得到一個(gè)名字為cascade.xml文件。這個(gè)文件就是訓(xùn)練出來的模型。之后在寫識(shí)別維達(dá)紙巾的代碼時(shí)，使用opencv的CascadeClassifier函數(shù)來調(diào)用這個(gè).xml文件就可以完成物體的初步判斷。3.3.3對(duì)目標(biāo)物體識(shí)別的測(cè)試下面是對(duì)不同訓(xùn)練數(shù)量的分類器的識(shí)別結(jié)果的測(cè)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(jí)聯(lián)分類器。從上圖可以看到，雖然可以正確的識(shí)別出我們要識(shí)別的紙巾，但也錯(cuò)把我的大拇指識(shí)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(jí)聯(lián)分類器的識(shí)別準(zhǔn)確率不高，常常會(huì)把非要識(shí)別的特定物體識(shí)別成要識(shí)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(jí)聯(lián)分類器。從圖3.13到3.16這四張圖的對(duì)比下，我們可以看到，當(dāng)正、負(fù)樣本集的數(shù)目增加時(shí)，訓(xùn)練出來的級(jí)聯(lián)分類器的識(shí)別精致度也會(huì)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(cè)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(cè)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(cè)試結(jié)果。由于提取Haar特征時(shí)會(huì)產(chǎn)生浮點(diǎn)數(shù)，而提取LBP特征時(shí)不會(huì)產(chǎn)生浮點(diǎn)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(cè)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(shí)，不同圖片的特征和樣本集的數(shù)量都會(huì)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(jì)與實(shí)現(xiàn)4.1計(jì)算目標(biāo)物體的位置做完物體識(shí)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(duì)著要識(shí)別的物體。本文計(jì)算識(shí)別到的物體的大致位置的計(jì)算方法是先計(jì)算出要識(shí)別物體的中心點(diǎn)，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(jì)算出要識(shí)別物體的中心點(diǎn)，本文是先識(shí)別的要識(shí)別的物體，以此來獲得物體的坐標(biāo)位置信息。利用opencv的級(jí)聯(lián)分類器，通過detectMultiScale函數(shù)進(jìn)行物體的檢測(cè)時(shí)，當(dāng)檢測(cè)到目標(biāo)物體的時(shí)候，detectMultiScale函數(shù)會(huì)返回目標(biāo)物體的左上角坐標(biāo)以及長(zhǎng)、寬。當(dāng)獲得目標(biāo)物體左上角坐標(biāo)（x，y）和長(zhǎng)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(diǎn)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?yàn)榇蜷_的窗口大小，綠框?yàn)樽R(shí)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(cè)到的物體，中間的紅點(diǎn)則為物體的中心。知道物體的中心點(diǎn)坐標(biāo)后，就能算出目標(biāo)物體在攝像頭的哪個(gè)方位了。以攝像頭為第一視角，假設(shè)用opencv創(chuàng)建了一個(gè)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(duì)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(diǎn)與窗口中心點(diǎn)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(dòng)一定的角度，從而實(shí)現(xiàn)攝像頭正對(duì)著目標(biāo)物體。要先讓舵機(jī)轉(zhuǎn)動(dòng)一定角度后攝像頭剛好對(duì)著目標(biāo)物體的話，得知道偏移量與舵機(jī)轉(zhuǎn)動(dòng)的角度的關(guān)系，才能通過舵機(jī)的轉(zhuǎn)動(dòng)來讓攝像頭正對(duì)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(shí)間所占周期的比例，即占空比來表示不同的信號(hào)。以led燈為例，占空比為100%時(shí)，led燈為常亮，占空比為0時(shí)，led燈不亮或是說為常暗，若改變占空比，則對(duì)應(yīng)的表示改變了led燈的亮度，100%時(shí)最亮，0時(shí)最暗。占空比的計(jì)算公式為d=(pw/T)*100%，其中d為占空比；pw為一個(gè)周期內(nèi)的高電平時(shí)間，也稱為脈沖寬度；T為一個(gè)周期時(shí)間。用下圖表示PwPwTT圖4.2PWM在樹莓派中可以通過ChangeDutyCycle這個(gè)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(dòng)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(duì)應(yīng)的舵機(jī)轉(zhuǎn)動(dòng)角度解決了第一個(gè)問題后緊接著就是怎么讓舵機(jī)轉(zhuǎn)動(dòng)后攝像頭正對(duì)著目標(biāo)物體。在這里我通過前面計(jì)算出的物體中心點(diǎn)坐標(biāo)與窗口中心點(diǎn)坐標(biāo)的差，也就是偏移量的大小來表示舵機(jī)轉(zhuǎn)動(dòng)的角度。為了讓偏移量能更精確的表示成轉(zhuǎn)動(dòng)的角度以及滿足不同窗口所計(jì)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(gè)區(qū)間之內(nèi)；然后再去乘以一個(gè)比例系數(shù)，將這個(gè)在[-1,1]區(qū)間內(nèi)的偏移量擴(kuò)大為轉(zhuǎn)動(dòng)的角度增量，最后舵機(jī)轉(zhuǎn)動(dòng)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(gè)比例系數(shù)需要通過實(shí)際操作來確定，當(dāng)舵機(jī)擺動(dòng)的角度過大，來回?cái)[動(dòng)時(shí)，說明這個(gè)比例系數(shù)過大，需要調(diào)小比例系數(shù)；當(dāng)舵機(jī)擺動(dòng)緩慢，那就得調(diào)大比例系數(shù)；通過不斷的實(shí)驗(yàn)，最后才能確定一個(gè)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(shí)，舵機(jī)會(huì)有一些小幅度的擺動(dòng)。為了讓舵機(jī)不要出現(xiàn)這種小幅度擺動(dòng)，我設(shè)置了一個(gè)死區(qū)，即計(jì)算出來的角度增量若在死區(qū)的范圍內(nèi)使，將計(jì)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?yàn)榻嵌仍隽刻r(shí)所造成的小幅度擺動(dòng)的問題了。結(jié)論本次“基于樹莓派平臺(tái)的對(duì)特定物體識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)”這個(gè)畢業(yè)設(shè)計(jì)實(shí)現(xiàn)了物體識(shí)別以及物體跟蹤與舵機(jī)控制的功能?；旧夏芊謩e出所要識(shí)別的目標(biāo)物體并且使攝像頭始終可以正對(duì)著目標(biāo)物體。從分類器的訓(xùn)練結(jié)果的對(duì)比來看，訓(xùn)練所用的正負(fù)樣本集的數(shù)量和質(zhì)量對(duì)訓(xùn)練后的效果有著很大的影響，對(duì)于識(shí)別一個(gè)簡(jiǎn)單的物體，當(dāng)正樣本集的數(shù)量達(dá)到1500以上后，識(shí)別的效果會(huì)相對(duì)比較穩(wěn)定，誤判的幾率會(huì)比較少。在舵機(jī)控制上，實(shí)驗(yàn)表明為舵機(jī)設(shè)置轉(zhuǎn)動(dòng)死區(qū)確實(shí)可以減少舵機(jī)的一些不必要的小幅度擺動(dòng)。在本文中提到的物體識(shí)別的方法也存在著一些不足，主要表現(xiàn)在識(shí)別物體的精度還是不夠理想，有時(shí)候會(huì)出現(xiàn)識(shí)別不出要識(shí)別的物體，造成這樣的原因可能是opencv的級(jí)聯(lián)分類器的識(shí)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(duì)于可能是opencv自身的級(jí)聯(lián)分類器的識(shí)別精度不高的這個(gè)問題，我想到的解決方法是使用tensorflow來實(shí)現(xiàn)物體識(shí)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(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].遼寧大學(xué),2018.[3]王洋,鄭佳春.基于OpenCV人臉檢測(cè)技術(shù)的研究及實(shí)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(cè)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(cè)[J].遼寧科技大學(xué)學(xué)報(bào),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(shí)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(shí)的學(xué)習(xí)中遇到困難時(shí)，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(píng)審的老師，感謝你們對(duì)我的畢業(yè)設(shè)計(jì)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(dòng)電腦的時(shí)候按住DELETE鍵進(jìn)入BIOS，選擇AdvancedBIOSFeatures選項(xiàng)，按Enter鍵進(jìn)入設(shè)置程序。選擇FirstBootDevice選項(xiàng)，然后按鍵盤上的PageUp或PageDown鍵將該項(xiàng)設(shè)置為CD-ROM，這樣就可以把系統(tǒng)改為光盤啟動(dòng)。

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(jiǎn)體中文版安裝光盤,并檢查光驅(qū)是否支持自啟動(dòng)。

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(cuò)誤并進(jìn)行修復(fù)，否則安裝程序運(yùn)行時(shí)如檢查到有硬盤錯(cuò)誤即會(huì)很麻煩。

3.用紙張記錄安裝文件的產(chǎn)品密匙(安裝序列號(hào))。

4.可能的情況下，用驅(qū)動(dòng)程序備份工具(如:驅(qū)動(dòng)精靈2004V1.9Beta.exe)將原WindowsXP下的所有驅(qū)動(dòng)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(hào)及生產(chǎn)廠家，預(yù)先下載驅(qū)動(dòng)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(qǐng)備份C盤或D盤有用的數(shù)據(jù)。

二、用光盤啟動(dòng)系統(tǒng):

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

光盤自啟動(dòng)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(qǐng)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(qǐng)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(duì)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(shí)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(huì)用FAT32文件系統(tǒng)格式對(duì)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(dòng)或安裝啟動(dòng)軟盤啟動(dòng)XP安裝程序,才能在安裝過程中提供格式化分區(qū)選項(xiàng)；如果用MS-DOS啟動(dòng)盤啟動(dòng)進(jìn)入DOS下,運(yùn)行i386\winnt進(jìn)行安裝XP時(shí),安裝XP時(shí)沒有格式化分區(qū)選項(xiàng)。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(huì)自動(dòng)在15秒后重新啟動(dòng)。重新啟動(dòng)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(shí)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(diǎn)“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(cè)的用戶名，點(diǎn)“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(hào)）就大件事啦！這里輸入安裝序列號(hào)，點(diǎn)“下一步”按鈕，出現(xiàn)如下圖13

HYPERLINK

查看原圖

安裝程序自動(dòng)為你創(chuàng)建又長(zhǎng)又難看的計(jì)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(qǐng)記住這個(gè)密碼，Administrator系統(tǒng)管理員在系統(tǒng)中具有最高權(quán)限，平時(shí)登陸系統(tǒng)不需要這個(gè)帳號(hào)。接著點(diǎn)“下一步”出現(xiàn)如下圖14

查看原圖

日期和時(shí)間設(shè)置不用講,選北京時(shí)間，點(diǎn)“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(diǎn)“下一步”出現(xiàn)如下圖17

HYPERLINK

查看原圖

點(diǎn)“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(huì)自動(dòng)完成全過程。安裝完成后自動(dòng)重新啟動(dòng)，出現(xiàn)啟動(dòng)畫面，如下圖19

HYPERLINK

查看原圖

第一次啟動(dòng)需要較長(zhǎng)時(shí)間，請(qǐng)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(diǎn)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(diǎn)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(hào)連接,不會(huì)在桌面上建立撥號(hào)連接快捷方式,且默認(rèn)的撥號(hào)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?hào)連接,在桌面上會(huì)建立撥號(hào)連接快捷方式,且默認(rèn)的撥號(hào)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(hào)連接,請(qǐng)點(diǎn)擊“跳過”按鈕。

在這里我先創(chuàng)建一個(gè)寬帶連接,選第一項(xiàng)“數(shù)字用戶線(ADSL)或電纜調(diào)制解調(diào)器”,點(diǎn)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(hào)和密碼的,所以我選“是,我使用用戶名和密碼連接”,點(diǎn)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(hào)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(hào)連接快捷菜單的名稱,如果留空系統(tǒng)會(huì)自動(dòng)創(chuàng)建名為“我的ISP”作為該連接的名稱,點(diǎn)擊“下一步”按鈕，如下圖24所示

查看原圖

已經(jīng)建立了撥號(hào)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(qǐng)等候幾天提醒我”,點(diǎn)擊“下一步”按鈕，如下圖25所示

HYPERLINK

查看原圖

輸入一個(gè)你平時(shí)用來登陸計(jì)算機(jī)的用戶名，點(diǎn)下一步出現(xiàn)如下圖26

HYPERLINK

查看原圖

點(diǎn)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(diǎn)開始-->連接到-->寬帶連接，如下圖32

查看原圖

左鍵點(diǎn)“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(gè)“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(diǎn)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(xiàng)卡，出現(xiàn)如下圖35

HYPERLINK

查看原圖

在圖中的左下部點(diǎn)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(gè)項(xiàng)目前面的空格上打鉤，然后點(diǎn)“確定”，再“確定”，你將會(huì)看到桌面上多了你想要的圖標(biāo)。如下圖37

鍵盤上每個(gè)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(dòng)某一項(xiàng)時(shí)按CTRL復(fù)制所選項(xiàng)目

拖動(dòng)某一項(xiàng)時(shí)按CTRL+SHIFT創(chuàng)建快捷方式

將光盤插入到CD-ROM驅(qū)動(dòng)器時(shí)按SHIFT鍵阻止光盤自動(dòng)播放

Ctrl+1,2,3...切換到從左邊數(shù)起第1,2,3...個(gè)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(jiǎn)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(gè)空白窗口(可更改,Maxthon選項(xiàng)→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(dòng)作(一般只用于文本操作)

Ctrl+Z撤消剛才動(dòng)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(shí)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(dòng)完成[url=].**.com[/url](內(nèi)容可更改,Maxthon選項(xiàng)→地址欄→常規(guī))/另:當(dāng)輸入焦點(diǎn)在搜索欄中時(shí),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(gè)文件夾中(保存目錄可更改,Maxthon選項(xiàng)→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(dòng)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(xiàng)→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(diǎn)移到搜索欄

Ctrl+Shift+G關(guān)閉“簡(jiǎn)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(xiàng)→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(shí)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(dòng)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(hào)(-)折疊所選的文件夾

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

NUMLOCK+數(shù)字鍵盤的星號(hào)(*)顯示所選文件夾的所有子文件夾

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

向右鍵當(dāng)前所選項(xiàng)處于折疊狀態(tài)時(shí)展開該項(xiàng)，或選定第一個(gè)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(xiàng)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