在计算机视觉任务中目标检测与识别是最为重要的一个环节。对扑克牌进行检测与识别,是以扑克牌为目标,对一幅图像中的扑克牌目标进行类别区分与位置定位。其在实现智能斗地主的过程当中具有重要应用价值。斗地主场景下的扑克牌会出现类别数量较多、目标相互遮挡等情况,这些都会对检测与识别的效果产生影响。针对扑克牌图像数据的特点以及实际应用的需求,本文以深度学习、神经网络和目标检测为理论和技术指导,对扑克牌图像的检测与识别进行研究。主要研究内容如下:1、建立了扑克牌识别标注的图像数据集。针对目前的目标检测数据集中没有关于扑克牌数据的情况,提出制作扑克牌专题图像数据集的解决方案。首先从实际的网络斗地主平台上收集游戏中的原始图像,这样能够验证该算法在实际场景下应用的可行性;其次对收集到的图像进行筛选、整理,如去除不完整图像、统一尺寸等,得到扑克牌图像总计4000张,扑克牌目标数共79040个。随后对扑克牌图像数据进行目标标注处理;最后按照一定的比例将标注后的图像数据分为训练、验证、测试等部分,再将各个部分的图像数据和标注数据一起打包成为TFRecord格式的数据文件,得到训练集、验证集、测试集。2、基于深度学习框架设计并实现了扑克牌识别算法。利用深度可分离卷积对SSD算法中图像特征提取的部分进行修改,减少了传统卷积神经网络的参数数量,实现了识别扑克牌目标的算法N-SSD。并使用前述扑克牌图像数据集,对N-SSD网络模型进行训练、验证。实验结果表明,在验证数据集上N-SSD算法的平均检测准确率达到90%,具有比较高的检测精度。3、基于N-SSD扑克牌识别算法,以B/S架构,设计并实现了一个识别扑克牌原型系统。首先,将经过训练后的扑克牌模型导出、参数冻结、部署服务;再通过客户端进行远程调用服务端上的模型进行目标检测,并将检测的结果在客户端进行展示。同时开放了扑克牌检测的API接口。算法源代码及实验见:https://github.com/yesyihua/N-SSD＿Flask