时钟识读,尤其是实时识读视频中的多个时钟,不仅是一个面向应用的研究问题,因为时间信息对于视频分析、视频处理以及视频检索等应用来说是一种关键信息,而且是视频文本识读领域一个很有挑战性的问题,主要表现为两个方面。第一个具有挑战性的方面是时钟数字的定位问题,现有的基于秒像素周期性方法对于定位视频中单时钟秒位数字区域来说是一种很好的方法,但是该方法不适用于定位多时钟的情况,因为多时钟存在秒数字同步变化的情况,并且该方法存在需要手动设置阈值参数、要求输入的视频长度较长等方面的不足。第二个具有挑战性的方面是时钟数字的识别问题,现有的字符识别算法的准确率不能达到100%,不能满足应用的要求。针对以上两个方面的挑战,本文提出了一种基于机器学习的时钟识读方法,该方法不仅可以识读视频中的单时钟,还可以识别视频中的多时钟。针对时钟数字定位方面的挑战,本文提出了一种机器学习算法,该算法利用了秒像素周期性和背景像素稳定性的特征。与现有的方法比较,本文提出的算法不仅可以定位视频中单时钟的秒数字区域,还可以定位视频中多时钟的秒数字区域,同时缩短了要求输入的视频的长度,由于使用了机器学习的方法,该算法不需要手动设置阈值参数。针对时钟数字识别方面的挑战,本文提出了基于3个数字序列的CNN识别算法,该算法利用了深度学习算法,同时结合了领域知识能够很好的识别时钟数字。实验结果表明本文提出的基于机器学习的时钟识读算法有以下3个方面的优势:(1)能够识读单时钟和多时钟;(2)在计算开销很低的情况下正确率可以达到100%;(3)缩短了要求输入的视频的长度。