[發明專利]基于層次聚類和深度學習的箱號識別方法

在審

• 申請號: 201611144568.6
• 申請日: 2016-12-13
• 公開（公告）號: CN108229506A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 崔鵬飛;范柘
• 申請（專利權）人: 上海安維爾信息科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06N3/08
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 王法男

本發明涉及基于層次聚類和深度學習的箱號識別方法，識別步驟如下：步驟1，首先通過單個字符檢測算法得到候選字符區域；步驟2，通過字符過濾和字符合并得到真正的集裝箱號碼字符；步驟3，集裝箱號碼字符通過層次聚類算法得到候選的文本行；步驟4，過文本行過濾得到最終的集裝箱箱號文本行；步驟5，對文本行中的單個字符采用深度學習技術進行識別，最終得到箱號的識別結果。

技術領域

本發明涉及基于層次聚類和深度學習的箱號識別方法，特別是涉及基于層次聚類和深度學習的箱號識別方法。

背景技術

集裝箱作為國際運輸業的重要組成部分,其應用范圍和數量都在大幅度的增加。目前中國的集裝箱運輸呈現出了飛躍式的發展,貨物量的大幅度增加給集裝箱的追蹤和統計提出了更高的要求,使得智能集裝箱識別系統的研究和開發成為迫切的需求。

集裝箱箱號識別是智能集裝箱識別系統的一個關鍵技術，在實際應用中集裝箱圖像較為復雜，主要表現在以下方面：1.貨運車停泊位置不固定，拍攝視角難以固定，使集裝箱圖像產生畸變。2.夜晚、早晨、傍晚的光照條件不同，此外，白天常存在強光照射，使得圖像復雜化。3.雨、雪天氣，箱體污染等因素對圖像產生干擾。4.由于拍攝設備等原因，圖像清晰度較低。

發明內容

本發明針對實際應用中集裝箱成像條件較為復雜的背景下，提出了一種基于層次聚類和深度學習的箱號識別方法。能夠克服多種復雜條件的影響，保持較高的識別率。

技術方案

基于層次聚類和深度學習的箱號識別方法。首先通過單個字符檢測算法得到候選字符區域，然后通過字符過濾和字符合并得到真正的集裝箱號碼字符；集裝箱號碼字符通過層次聚類算法得到候選的文本行，再通過文本行過濾得到最終的集裝箱箱號文本行；最后對得到的文本行進行識別，得到箱號的識別結果。識別整體流程圖圖1所示。

所述的基于層次聚類和深度學習的箱號識別方法，單個字符檢測利用最大穩定極值區域(MSER)算法得到候選的字符區域，MSER算法基于分水嶺的思想，其公式為，表示為Q_i為第i個連通區域的面積，Δ為閾值的微小變化，v(i)小于閾值時，認為該區域為MSER。實際使用的時候，需要原圖做一次MSER，原圖取反后再做一次MSER，兩次的結果取并。

所述的基于層次聚類和深度學習的箱號識別方法，因為箱體有些掉漆、破損、污漬等，也會被MSER算法誤判為字符區域，所以要通過字符過濾規則進行過濾。字符過濾的規則如下：

(1)利用字符區域的高寬比、寬高比、最小面積、最大面積、最小高度、最大高度過濾非字符區域。滿足規則的，即認為是字符區域，不滿足，則是非字符區域。

(2)取出字符區域對應的灰度圖像，利用方差特征過濾非字符區域。滿足規則，即認為是字符區域，不滿足，則是非字符區域。

(3)利用致密度(Solidity)特征過濾非字符區域，公式如下：

whiteNumber為MSER區域白色前景點的數目，contourNumber代表MSER區域白色前景點最小凸多邊形的面積。

(4)利用Extent特征過濾非字符區域，公式如下：

whiteNumber為MSER區域白色前景點的數目，rectArea代表MSER區域白色前景點最小外接矩形的面積。

(5)利用離心率特征過濾非字符區域。

(6)取出MSER區域對應的灰度圖像，提取方向梯度直方圖(Hog)特征，然后利用線性支持向量機分類器進行過濾非字符區域