王紅芳 武 薛 宣靜雯

0 引言

目前，高校圖書(shū)館普遍采用藏、借、閱一體化的開(kāi)放式流通模式，該方式不僅提高了圖書(shū)資源的流通效率，而且極大地滿(mǎn)足了讀者對(duì)圖書(shū)資源的多樣化和個(gè)性化需求，對(duì)發(fā)揮圖書(shū)的利用價(jià)值起到了積極推動(dòng)作用[1]。然而，在高校圖書(shū)館采用開(kāi)架閱覽的過(guò)程中，部分讀者在瀏覽、借閱圖書(shū)時(shí)，由于行為不規(guī)范等原因[2]，普遍存在亂放錯(cuò)放現(xiàn)象，導(dǎo)致從數(shù)據(jù)庫(kù)查詢(xún)到的圖書(shū)位置信息與圖書(shū)在書(shū)架上的實(shí)際存放位置不一致[3-4]，給讀者借閱圖書(shū)帶來(lái)不便，嚴(yán)重影響了館藏圖書(shū)的流通效率和圖書(shū)館流通服務(wù)質(zhì)量[5]。因此，借助圖像處理和模式識(shí)別技術(shù)解決在架圖書(shū)串架錯(cuò)序問(wèn)題，對(duì)提高圖書(shū)館的運(yùn)行管理效率和智能化管理水平具有重要的意義。

隨著圖書(shū)館開(kāi)放式借閱的日益普及，以及圖書(shū)館藏書(shū)量和讀者數(shù)量的日益增多，圖書(shū)錯(cuò)架、串架現(xiàn)象也日益嚴(yán)重。盡管現(xiàn)在國(guó)內(nèi)大多數(shù)圖書(shū)館基本實(shí)現(xiàn)了以條形碼[6-7]或無(wú)線射頻技術(shù)（RFID）[8-10]結(jié)合數(shù)據(jù)庫(kù)管理技術(shù)為基礎(chǔ)的圖書(shū)管理系統(tǒng)[11]，但是依然需要手工方式完成圖書(shū)上下架、圖書(shū)錯(cuò)序整理等工作，圖書(shū)整理成為一項(xiàng)耗時(shí)、費(fèi)力、易錯(cuò)的常規(guī)性工作，導(dǎo)致了圖書(shū)流通過(guò)程中人力資源成本的增加。

針對(duì)圖書(shū)館開(kāi)放式流通中圖書(shū)亂架錯(cuò)序問(wèn)題，不少研究者從如何規(guī)范讀者圖書(shū)借閱意識(shí)、提高管理者工作熱情度方面進(jìn)行了研究。例如，梁秀玉從亂架因素進(jìn)行剖析，從提高讀者借閱素質(zhì)、提高圖書(shū)館管理者工作水平和合理布局開(kāi)架閱覽室等方面提出了對(duì)策[12]。段小嬌提出利用計(jì)算機(jī)統(tǒng)計(jì)讀者借閱次數(shù)，按照?qǐng)D書(shū)流通率劃分存書(shū)區(qū)域，以保證區(qū)域圖書(shū)擺放的正確性。盡管以上方法對(duì)減少圖書(shū)亂架具有一定效果，但顯著增加了圖書(shū)管理員的工作量，而且對(duì)圖書(shū)館館藏物理空間大小有特殊的要求[13]。徐大芳等人針對(duì)圖書(shū)亂架提出了一種不同顏色的索書(shū)號(hào)標(biāo)簽表示不同類(lèi)別的圖書(shū)的方法[14]。楊軍提出了一種結(jié)合圖書(shū)索書(shū)號(hào)和圖書(shū)的購(gòu)買(mǎi)時(shí)間的排架方式[15]。陳倩等人提出讀者將借閱的圖書(shū)歸還中轉(zhuǎn)書(shū)架上統(tǒng)一管理、建立監(jiān)督圖書(shū)管理者定期巡架機(jī)制、圖書(shū)館定期安排講座活動(dòng)等多個(gè)方法[16]。盡管上述方法在一定程度上減少了圖書(shū)亂架現(xiàn)象，但仍然解決不了圖書(shū)亂架的根本問(wèn)題。

此外，研究者們也提出通過(guò)改善圖書(shū)館基礎(chǔ)設(shè)施的方法解決圖書(shū)館圖書(shū)亂架問(wèn)題?？岛槔椎热颂岢隼靡苿?dòng)設(shè)備采集在架圖書(shū)圖像，利用LSD算法檢測(cè)書(shū)脊邊緣，并通過(guò)投影分離出索書(shū)號(hào)區(qū)域中字符，然后使用CNN網(wǎng)絡(luò)對(duì)字符進(jìn)行識(shí)別，并結(jié)合圖書(shū)管理系統(tǒng)實(shí)現(xiàn)錯(cuò)序檢測(cè)[17]。方建軍等提出了一種基于HSV空間分布特征與霍夫變換結(jié)合對(duì)書(shū)脊邊緣檢測(cè)、圖書(shū)索書(shū)號(hào)提取分割的算法[18]。蘇志芳等人根據(jù)圖書(shū)書(shū)脊圖像特點(diǎn)，利用機(jī)器視覺(jué)技術(shù)和無(wú)線網(wǎng)絡(luò)傳輸技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一種基于嵌入式的圖書(shū)亂架識(shí)別系統(tǒng)[19]。上述方法能較好地實(shí)現(xiàn)對(duì)一般索書(shū)號(hào)在架圖書(shū)較好的錯(cuò)序檢測(cè)，為圖書(shū)館圖書(shū)的自動(dòng)化整理提供一種可行的方案。然而，這些方法涉及的經(jīng)驗(yàn)閾值較多，檢測(cè)性能受環(huán)境因素和采集圖像質(zhì)量的影響較大。

本文在研究已有圖書(shū)亂架檢測(cè)方法的基礎(chǔ)上，通過(guò)移動(dòng)設(shè)備獲取圖書(shū)館在架圖書(shū)圖像，首先使用Canny邊緣檢測(cè)和概率Hough變換直線檢測(cè)方法，實(shí)現(xiàn)單本圖書(shū)的書(shū)脊檢測(cè)與分割；然后在HSV顏色空間實(shí)現(xiàn)對(duì)索書(shū)號(hào)標(biāo)簽區(qū)域的分割，最后使用光學(xué)字符識(shí)別技術(shù)識(shí)別索書(shū)號(hào)，通過(guò)在架圖書(shū)的索書(shū)號(hào)排列規(guī)則進(jìn)行錯(cuò)序分析，并標(biāo)記錯(cuò)序圖書(shū)在書(shū)架上的位置。本文方法能應(yīng)用到圖書(shū)館在架圖書(shū)錯(cuò)序檢測(cè)系統(tǒng)中，對(duì)構(gòu)建基于巡架機(jī)器人的圖書(shū)亂架清點(diǎn)系統(tǒng)具有重要的應(yīng)用價(jià)值。

1 書(shū)脊檢測(cè)與分割

書(shū)脊檢測(cè)與分割是實(shí)現(xiàn)圖書(shū)串架檢測(cè)的第一步，如圖1是書(shū)脊的檢測(cè)與分割流程圖。首先，通過(guò)移動(dòng)圖像采集設(shè)備獲取在架圖書(shū)圖像，然后對(duì)在架圖書(shū)圖像進(jìn)行灰度變換、圖像增強(qiáng)等預(yù)處理后，采用Canny邊緣檢測(cè)算法檢測(cè)書(shū)脊邊緣信息，然后對(duì)邊緣檢測(cè)結(jié)果進(jìn)行概率Hough變換，提取書(shū)脊邊緣直線信息后，再對(duì)提取的邊緣直線進(jìn)行過(guò)濾處理，得到正確的書(shū)脊邊緣直線，最后根據(jù)書(shū)脊邊緣直線分割出單本書(shū)脊，并完成在架圖書(shū)的數(shù)量統(tǒng)計(jì)。

圖1 書(shū)脊的檢測(cè)與分割流程圖

1.1 書(shū)脊檢測(cè)

為實(shí)現(xiàn)圖書(shū)索書(shū)號(hào)的識(shí)別，首先需要實(shí)現(xiàn)圖書(shū)書(shū)脊區(qū)域的檢測(cè)。利用邊緣檢測(cè)算法可以有效提取圖書(shū)書(shū)脊邊緣，從而實(shí)現(xiàn)對(duì)索書(shū)號(hào)區(qū)域的準(zhǔn)確分割。常用的邊緣檢測(cè)算法有Roberts邊緣檢測(cè)算子、Sobel邊緣檢測(cè)算子、Prewitt邊緣檢測(cè)算子、LOG邊緣檢測(cè)算子和Canny邊緣檢測(cè)算子。如果像素點(diǎn)是邊緣上的點(diǎn)，那么該點(diǎn)在灰度導(dǎo)數(shù)中表現(xiàn)為一階的局部極值和二階的零交叉點(diǎn)。為了避免噪聲影響，提高微分運(yùn)算獲取邊緣的可靠性，對(duì)采集的彩色圖書(shū)圖像首先進(jìn)行灰度化和中值濾波預(yù)處理操作。由于Roberts、Sobel和Prewit算子均屬于一階邊緣檢測(cè)器，如果計(jì)算出某個(gè)像素點(diǎn)的一階導(dǎo)數(shù)大于某一閾值，就認(rèn)為是邊緣點(diǎn)，因此這三種邊緣檢測(cè)子對(duì)噪聲比較敏感，容易將邊緣信息誤認(rèn)為是噪聲，不利于后續(xù)的書(shū)脊分割。相比而言，LOG邊緣算子引入了高斯濾波和各向同性的拉普拉斯兩階差分算子，對(duì)噪聲具有較好的魯棒性，而Canny邊緣算子是在LOG邊緣算子基礎(chǔ)的一種更有效的邊緣檢測(cè)方法，邊緣檢測(cè)效果更好[20]。本文使用Canny邊緣檢測(cè)算子進(jìn)行書(shū)脊邊緣的檢測(cè)。

在完成圖書(shū)書(shū)脊邊緣提取后，采用概率霍夫變換（Probability Hough Transform）算法實(shí)現(xiàn)對(duì)書(shū)脊邊緣的提取。概率霍夫變換是在霍夫變換直線檢測(cè)的基礎(chǔ)上實(shí)現(xiàn)線段的查找，它對(duì)圖像中的一些長(zhǎng)的線段分割效率較高，并能夠檢測(cè)到每個(gè)線段的起點(diǎn)和終點(diǎn)，有利于提取準(zhǔn)確的書(shū)脊邊緣。

1.2 書(shū)脊分割

對(duì)于實(shí)際的在架圖書(shū)，同一書(shū)脊線通過(guò)概率霍夫變換檢測(cè)出來(lái)的書(shū)脊邊緣往往由多個(gè)不連續(xù)的邊緣直線組成。而且筆者在實(shí)驗(yàn)中發(fā)現(xiàn)，利用概率霍夫變換檢測(cè)到的直線段位置是隨機(jī)排列的，因此需要將檢測(cè)出的直線進(jìn)行排序、過(guò)濾和合并，以實(shí)現(xiàn)單本圖書(shū)書(shū)脊的準(zhǔn)確分割。為此，先將檢測(cè)的直線按照起點(diǎn)或終點(diǎn)的行坐標(biāo)進(jìn)行排序，然后設(shè)定線段間隔閾值，如果相鄰兩條線段的水平間隔小于該閾值，可將這兩條線段合并成一條直線，否則不做處理。通過(guò)對(duì)書(shū)脊邊緣直線濾除，能有效濾除無(wú)效的書(shū)脊邊緣，從而獲得更加準(zhǔn)確有效的書(shū)脊邊緣區(qū)域。

在對(duì)圖像進(jìn)行預(yù)處理、書(shū)脊邊緣檢測(cè)、書(shū)脊邊緣提取等一系列處理后，最后對(duì)單本書(shū)脊進(jìn)行分割。書(shū)脊分割結(jié)果如圖2所示。由圖2書(shū)脊分割結(jié)果可知，當(dāng)確定單本書(shū)脊的左右邊緣位置后，可以根據(jù)書(shū)脊左右兩邊緣線段的起點(diǎn)和終點(diǎn)坐標(biāo)對(duì)原圖像進(jìn)行裁剪，實(shí)現(xiàn)單本書(shū)脊逐一分割，然后將分割出的單本書(shū)脊整齊排列到一張白色圖像上，并統(tǒng)計(jì)分割的書(shū)脊數(shù)量，生成所需要的書(shū)脊分割圖像。

圖2 書(shū)脊分割結(jié)果

1.3 索書(shū)號(hào)區(qū)域定位

在分割出單本書(shū)脊圖像后，接下來(lái)需要定位圖書(shū)書(shū)脊下方的索書(shū)號(hào)區(qū)域，然后識(shí)別索書(shū)號(hào)字符，并根據(jù)識(shí)別出的索書(shū)號(hào)進(jìn)行錯(cuò)序分析。索書(shū)號(hào)標(biāo)簽分割流程圖如圖3所示。依照索書(shū)號(hào)標(biāo)簽分割流程，首先獲取書(shū)本索書(shū)號(hào)標(biāo)簽的紅色邊緣圖像，然后獲取紅色邊緣圖像的色調(diào)H通道和飽和度S通道，接著分別計(jì)算H通道和S通道的灰度直方圖，根據(jù)灰度直方圖確定H通道和S通道的閾值范圍，然后根據(jù)閾值確定索書(shū)號(hào)標(biāo)簽的位置分割出索書(shū)號(hào)標(biāo)簽區(qū)域，然后識(shí)別索書(shū)號(hào)字符，并根據(jù)識(shí)別出的索書(shū)號(hào)進(jìn)行錯(cuò)序檢測(cè)。

圖3 索書(shū)號(hào)標(biāo)簽分割流程圖

在獲得圖書(shū)書(shū)脊分割結(jié)果后，針對(duì)分割出的書(shū)脊進(jìn)行感興趣區(qū)域定位，感興趣區(qū)域（Regions of Interest，ROI）是進(jìn)一步處理的重點(diǎn)關(guān)注目標(biāo)區(qū)域。本文的感興趣區(qū)域即是索書(shū)號(hào)標(biāo)簽區(qū)域，能否準(zhǔn)確地提取索書(shū)號(hào)標(biāo)簽區(qū)域，直接影響索書(shū)號(hào)識(shí)別的準(zhǔn)確度。目前，ROI提取算法很多，常用的算法有HSV顏色空間算法、卷積神經(jīng)網(wǎng)絡(luò)提取算法、形態(tài)學(xué)定位算法。由經(jīng)驗(yàn)可知，一般情況下，索書(shū)號(hào)標(biāo)簽區(qū)域都有其固定的特征，如顏色、形狀、尺寸、位置等。以西安工程大學(xué)圖書(shū)館藏書(shū)為例，通常索書(shū)號(hào)標(biāo)簽上下各有一條紅色邊線，索書(shū)號(hào)字符為黑色，背景顏色為白色，二者顏色相差較大，索書(shū)號(hào)寬高比有一定比例等特征，這些都是分割索書(shū)號(hào)標(biāo)簽區(qū)域的先驗(yàn)信息[16]。根據(jù)這些先驗(yàn)特征信息，由于顏色分量R、G、B之間的相關(guān)性較高，而H、S、V能較好地反映人眼對(duì)顏色的主觀感受，為保證后續(xù)識(shí)別效果，本文將分割出的RGB書(shū)脊圖像變換到HSV顏色空間提取索書(shū)號(hào)標(biāo)簽區(qū)域。在HSV顏色空間，色調(diào)分量H和飽和度分量S反映了色彩的本質(zhì)特性，而V分量反映圖像的亮度，因此可以分析書(shū)脊區(qū)域H分量和S分量的顏色直方圖確定分割閾值，以消除圖像亮度變化對(duì)索書(shū)號(hào)區(qū)域分割的影響。

為了確定索書(shū)號(hào)標(biāo)簽區(qū)域，本文對(duì)方建軍等人提出的索書(shū)號(hào)標(biāo)簽區(qū)域直方圖統(tǒng)計(jì)方法[18]加以改進(jìn)，通過(guò)對(duì)大量索書(shū)號(hào)標(biāo)簽的上下紅色邊線進(jìn)行直方圖統(tǒng)計(jì)確定分割閾值。利用直方圖確定紅色標(biāo)簽的色調(diào)分量H和飽和度分量S的值域，從而確定H分量和S分量取值范圍，進(jìn)而提取得出索書(shū)號(hào)標(biāo)簽區(qū)域。為了確定H分量和S分量的具體閾值范圍，需要對(duì)大量的索書(shū)號(hào)標(biāo)簽的紅色邊線進(jìn)行灰度直方圖統(tǒng)計(jì)，選出出現(xiàn)頻率高的公共區(qū)間，即為某一分量的閾值范圍。以色調(diào)H為例，對(duì)大量的索書(shū)號(hào)標(biāo)簽的紅色邊線的H值進(jìn)行排序，得到顏色分布直方圖，選出分布概率較高的區(qū)間作為H分量的值域。采用類(lèi)似方法可得到S分量值域[18]。通過(guò)上述的直方圖統(tǒng)計(jì)方法確定索書(shū)號(hào)區(qū)域的H、S分量的閾值范圍如表1所示（以西安工程大學(xué)圖書(shū)館圖書(shū)索書(shū)號(hào)標(biāo)簽顏色特征為例）。

表1 索書(shū)號(hào)標(biāo)簽HSV分量閾值范圍

將RGB圖像轉(zhuǎn)換成HSV圖像后，對(duì)在閾值范圍內(nèi)的圖像區(qū)域置為1，即為白色，閾值范圍外的目標(biāo)圖像置為0，即為黑色。在黑色的背景下更容易提取到索書(shū)號(hào)標(biāo)簽的準(zhǔn)確位置。通過(guò)確定索書(shū)號(hào)標(biāo)簽位置，再通過(guò)邊緣坐標(biāo)將索書(shū)號(hào)標(biāo)簽切割出來(lái)。索書(shū)號(hào)標(biāo)簽的分割結(jié)果如圖4所示?？梢钥闯?，索書(shū)號(hào)上下邊緣所在位置為白色，其余部分為黑色，根據(jù)白色像素的位置即可確定索書(shū)號(hào)位置，從而實(shí)現(xiàn)索書(shū)號(hào)標(biāo)簽區(qū)域的正確分割。

圖4 索書(shū)號(hào)區(qū)域分割結(jié)果

2 索書(shū)號(hào)識(shí)別與錯(cuò)序檢測(cè)

2.1 索書(shū)號(hào)識(shí)別

將分割出的索書(shū)號(hào)標(biāo)簽作為輸入圖像，利用pytesseract庫(kù)對(duì)圖像中的字符進(jìn)行識(shí)別[20]。pytesseract能夠從圖片中識(shí)別和“讀取”其中嵌入的字符。字符識(shí)別結(jié)果如圖5所示。

圖5 字符識(shí)別結(jié)果

2.2 索書(shū)號(hào)錯(cuò)序檢測(cè)

在識(shí)別出索書(shū)號(hào)字符后，計(jì)算每個(gè)字符對(duì)應(yīng)的ASCII碼，逐位比較當(dāng)前索書(shū)號(hào)與相鄰前一索書(shū)號(hào)對(duì)應(yīng)位置的ASCII碼的大小。若相鄰前一索書(shū)號(hào)的ASCII碼小于等于當(dāng)前索書(shū)號(hào)的ASCII碼，則繼續(xù)比較下一位ASCII碼，直到所有位ASCII碼比較完成或出現(xiàn)相鄰前一索書(shū)號(hào)的ASCII碼大于當(dāng)前索書(shū)號(hào)的ASCII碼為止。如果所有位的ASCII碼都滿(mǎn)足相鄰前一索書(shū)號(hào)的ASCII碼小于或等于當(dāng)前索書(shū)號(hào)的ASCII碼，則相鄰前一本書(shū)與當(dāng)前書(shū)位置正確，否則可以判斷當(dāng)前圖書(shū)在書(shū)架上的排放發(fā)生錯(cuò)序。同理，可以使用相同的方法判斷當(dāng)前圖書(shū)與相鄰的后續(xù)圖書(shū)的排序關(guān)系，后續(xù)圖書(shū)的索書(shū)號(hào)的ASCII碼必須大于或等于當(dāng)前索書(shū)號(hào)的ASCII碼。當(dāng)且僅當(dāng)書(shū)架上的所有圖書(shū)滿(mǎn)足“前者索書(shū)號(hào)<=當(dāng)前索書(shū)號(hào)<=后者索書(shū)號(hào)”的條件，則說(shuō)明當(dāng)前書(shū)架上的圖書(shū)擺放位置正確，否則存在錯(cuò)序。錯(cuò)序檢測(cè)過(guò)程如圖6所示。

圖6 錯(cuò)序檢測(cè)過(guò)程

3 結(jié)果分析

為進(jìn)一步驗(yàn)證本文方法對(duì)實(shí)際在架圖書(shū)是否存在錯(cuò)序的檢測(cè)效果，使用Pycharm中PyQt5工具設(shè)計(jì)Windows平臺(tái)下的應(yīng)用程序，利用OpenCV-Python4.4.0版本和pytesseract庫(kù)實(shí)現(xiàn)所有算法。利用移動(dòng)手機(jī)圖像采集設(shè)備獲取50幅西安工程大學(xué)圖書(shū)館在架圖書(shū)圖像進(jìn)行驗(yàn)證實(shí)驗(yàn)，每幅圖像采自同一書(shū)架的一排圖書(shū)。表2是實(shí)驗(yàn)中測(cè)試圖像的測(cè)試結(jié)果。

表2 測(cè)試結(jié)果

由表中結(jié)果可以看出，對(duì)采集的50張?jiān)诩軋D書(shū)圖像進(jìn)行測(cè)試，成功分割出單本書(shū)脊圖像的有46張，書(shū)脊分割準(zhǔn)確率達(dá)92%，能正確檢測(cè)出圖書(shū)錯(cuò)序信息的有42張，總錯(cuò)序檢測(cè)準(zhǔn)確率為84%，能夠滿(mǎn)足本系統(tǒng)的設(shè)計(jì)要求。

對(duì)書(shū)架上排放錯(cuò)序的圖書(shū)，檢測(cè)時(shí)系統(tǒng)自動(dòng)使用紅色的矩形框標(biāo)記出它在書(shū)架上的位置，以方便圖書(shū)管理員快速定位錯(cuò)序圖書(shū)的位置并進(jìn)行整理。盡管本文方法正確檢測(cè)出圖書(shū)錯(cuò)位的情況較多，但也存在少數(shù)錯(cuò)誤檢測(cè)的情況。錯(cuò)誤檢測(cè)主要存在漏檢和錯(cuò)檢兩種情況，其原因在于通過(guò)手機(jī)采集的在架圖書(shū)圖像分辨率不高，如果不能正確識(shí)別出圖書(shū)的索書(shū)號(hào)，則會(huì)導(dǎo)致錯(cuò)序分析失效而發(fā)生誤判。因此，本文設(shè)計(jì)的圖書(shū)錯(cuò)序檢測(cè)方法的性能在一定程度上依賴(lài)于采集的書(shū)架圖像的質(zhì)量，采集的圖書(shū)圖像質(zhì)量越高，分割得到的索書(shū)號(hào)區(qū)域圖像就越清晰，索書(shū)號(hào)的識(shí)別準(zhǔn)確率就越高，發(fā)生錯(cuò)判的概率就越低。

4 結(jié)語(yǔ)

本文提出了一種基于索書(shū)號(hào)識(shí)別的圖書(shū)串架檢測(cè)方法，該方法首先利用邊緣檢測(cè)和霍夫變換直線檢測(cè)算法獲取在架圖書(shū)書(shū)脊邊緣并分割圖書(shū)圖像，然后利用顏色直方圖特征定位并分割出圖書(shū)書(shū)脊上的索書(shū)號(hào)區(qū)域，并采用光學(xué)字符識(shí)別識(shí)別索書(shū)號(hào)。最后，通過(guò)對(duì)識(shí)別出的索書(shū)號(hào)進(jìn)行錯(cuò)序分析，從而判斷書(shū)架上排放的圖書(shū)是否存在錯(cuò)序情況。

盡管本文方法取得了較好的檢測(cè)效果，但仍存在不足之處，有待進(jìn)一步研究與完善，主要包括以下三個(gè)方面：（1）在架圖書(shū)圖像是由人工通過(guò)手機(jī)采集，因而圖像質(zhì)量不穩(wěn)定。在實(shí)際應(yīng)用中，可以利用安裝在云臺(tái)上的高清晰攝像頭自動(dòng)采集在架圖書(shū)圖像，然后利用網(wǎng)絡(luò)傳輸?shù)接?jì)算機(jī)中進(jìn)行分析，從而使系統(tǒng)對(duì)工作環(huán)境具有更好的適應(yīng)性。（2）實(shí)驗(yàn)中，采集的在架圖書(shū)擺放整齊，但實(shí)際圖書(shū)館中的圖書(shū)并不全都整齊擺放，對(duì)于存在擺放傾斜的圖書(shū)，該系統(tǒng)不能有效檢測(cè)。因此，需要進(jìn)一步完善書(shū)脊檢測(cè)算法，通過(guò)傾斜檢測(cè)與校正算法，保證檢測(cè)算法的魯棒性，從而提高系統(tǒng)的實(shí)際應(yīng)用能力。（3）對(duì)索書(shū)號(hào)進(jìn)行識(shí)別時(shí)，有些索書(shū)號(hào)出現(xiàn)誤識(shí)現(xiàn)象，其原因主要在于采集的在架圖書(shū)圖像的質(zhì)量不高。一方面，可以在采集圖像時(shí)應(yīng)利用專(zhuān)門(mén)的高清晰度圖像采集設(shè)備獲取高質(zhì)量圖像；另一方面，可以改進(jìn)索書(shū)號(hào)識(shí)別算法，增強(qiáng)檢測(cè)算法對(duì)低質(zhì)量圖像的識(shí)別能力。