[發(fā)明專利]一種混合字體的數(shù)字序列識(shí)別方法

在審

• 申請?zhí)枺?/td>: 201711079179.4
• 申請日: 2017-11-06
• 公開（公告）號(hào): CN107886065A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計(jì)）人: 馬忠麗;李倩倩;佘靜;李帥陽;何江達(dá)
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/20;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于圖像識(shí)別領(lǐng)域，具體涉及一種混合字體的數(shù)字序列識(shí)別方法。

背景技術(shù)

手寫數(shù)字識(shí)別是光學(xué)字符識(shí)別技術(shù)的一個(gè)分支，是光學(xué)字符識(shí)別技術(shù)領(lǐng)域的重要研究方向，它要實(shí)現(xiàn)的功能是，如何利用電子計(jì)算機(jī)自動(dòng)辨認(rèn)人手寫在紙張上的阿拉伯?dāng)?shù)字。手寫數(shù)字識(shí)別在現(xiàn)實(shí)生活中有著廣泛的應(yīng)用。由于手寫數(shù)字隨意性大，研究的難度大，所以近年來對于手寫數(shù)字的研究也是熱門的話題。

混合字體的數(shù)字序列識(shí)別技術(shù)屬于圖像識(shí)別技術(shù)，目的是為了智能的識(shí)別混合數(shù)字尤其是人類手寫的數(shù)字，能提高機(jī)器設(shè)備的智能性。盡管人們對手寫數(shù)字的研究已從事了很長的時(shí)間，并已經(jīng)取得了很多成果，但到目前為止，機(jī)器的識(shí)別本領(lǐng)還是無法與人的認(rèn)知能力相比。如今，對于單個(gè)手寫數(shù)字的識(shí)別，研究效果已經(jīng)非常成熟，但是對于混合字體的數(shù)字序列的識(shí)別，在字符領(lǐng)域中，還是一項(xiàng)具有挑戰(zhàn)性的課題，對于識(shí)別的準(zhǔn)確度和速度都具有相當(dāng)?shù)碾y度。所以，一個(gè)可靠、精準(zhǔn)、快速的數(shù)字識(shí)別系統(tǒng)具有重要的意義。

在人工智能領(lǐng)域的發(fā)展中，機(jī)器學(xué)習(xí)的地位可謂是舉足輕重，它的發(fā)展歷程大致經(jīng)歷了淺層學(xué)習(xí)和深度學(xué)習(xí)兩個(gè)研究階段，機(jī)器學(xué)習(xí)借助模型通過算法，使機(jī)器能夠從海量的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)數(shù)據(jù)的統(tǒng)計(jì)規(guī)律，從而可以對新的未知的數(shù)據(jù)做識(shí)別，對未知的事件做預(yù)測。隨著深度學(xué)習(xí)在近年的興起，基于深度學(xué)習(xí)的各種研究成了新的突破口。針對數(shù)字的識(shí)別，使用傳統(tǒng)方法，每次識(shí)別都需要進(jìn)行特征提取，速度較慢，準(zhǔn)確率還有提升的空間，并且識(shí)別的算法是固定不變的，適應(yīng)性差。而利用深度學(xué)習(xí)的方法訓(xùn)練模型，特征提取的工作將由模型來完成，并且速度更快，準(zhǔn)確率更高，模型是可以不斷迭代更新、學(xué)習(xí)新的特征的，因此具有較強(qiáng)的適應(yīng)能力。因此對于手寫數(shù)字識(shí)別采取深度學(xué)習(xí)的方法具有很高的現(xiàn)實(shí)意義。

發(fā)明內(nèi)容

針對目前現(xiàn)有技術(shù)中存在的不足，本發(fā)明旨在提供一種利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器、對待識(shí)別圖像進(jìn)行數(shù)字檢測的混合字體的數(shù)字序列識(shí)別方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

本發(fā)明為一種混合字體的數(shù)字序列識(shí)別方法，包括待識(shí)別圖像、圖像采集裝置、卷積神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)分類器、檢測系統(tǒng)；其特征是：所述的檢測系統(tǒng)使用滑動(dòng)窗口，建立同一個(gè)圖像的不同分辨率的金字塔結(jié)構(gòu)，使用NMS非極大值抑制去除重復(fù)的檢測；所述的方法分為以下幾個(gè)步驟：

1利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器；

2神經(jīng)網(wǎng)絡(luò)分類器對待識(shí)別圖像進(jìn)行數(shù)字檢測。

所述的待識(shí)別圖像為印刷字體和手寫字體的混合字體數(shù)字序列。

所述的卷積神經(jīng)網(wǎng)絡(luò)使用LeNet5。

所述的圖像采集裝置使用PC機(jī)上的攝像頭。

所述的步驟1具體為：

1.1定義一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，輸入大小32×32，caffemodel大小約2.2M，測試集分類準(zhǔn)確率97.2％；

1.2使用全卷積網(wǎng)絡(luò)方法改造網(wǎng)絡(luò)結(jié)構(gòu)，使之只包含卷積層。

所述的步驟2具體為：

2.1輸入待識(shí)別圖像，得到候選目標(biāo)區(qū)域：候選目標(biāo)區(qū)域采用滑動(dòng)窗口，建立同一幅圖不同分辨率的圖像金字塔；采用非極大值抑制方法去除重復(fù)的檢測，非極大值抑制采用兩個(gè)參數(shù)，分別為該候選區(qū)域的分?jǐn)?shù)，和兩個(gè)區(qū)域的重疊率；

2.2卷積神經(jīng)網(wǎng)絡(luò)對候選目標(biāo)區(qū)域進(jìn)行特征選取：用卷積的方法從原始像素中提取特征，使用反向傳播算法修正卷積核參數(shù)；

2.3神經(jīng)網(wǎng)絡(luò)分類器判斷這個(gè)區(qū)域是否是目標(biāo)；

2.4對檢測的候選目標(biāo)區(qū)域進(jìn)行定位校正。

本發(fā)明與現(xiàn)有技術(shù)相比，有益效果在于：

一種混合字體的數(shù)字序列識(shí)別方法能檢測出混合字體的數(shù)字序列，識(shí)別準(zhǔn)確率非常高，適用于所有的視覺系統(tǒng)。

附圖說明

圖1為本發(fā)明的檢測系統(tǒng)的結(jié)構(gòu)框圖。

圖2為本發(fā)明的大小為2×2步長為1的滑動(dòng)窗口的移動(dòng)過程。

圖3為本發(fā)明的卷積計(jì)算舉例。

圖4為本發(fā)明的deploy文件中最后一層改造前和改造后的對比。

圖5為本發(fā)明的deploy文件中倒數(shù)第三層改造前和改造后的對比。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做更詳細(xì)地描述：

一種混合字體的數(shù)字序列識(shí)別方法是在原卷積神經(jīng)網(wǎng)絡(luò)LeNet5應(yīng)用的基礎(chǔ)上，設(shè)計(jì)出一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，從而實(shí)現(xiàn)印刷字體和手寫字體混合在一起的數(shù)字序列識(shí)別的目的。