[發明專利]一種印章識別方法、系統、終端裝置及存儲介質

在審

• 申請號: 201810745909.8
• 申請日: 2018-07-09
• 公開（公告）號: CN109145723A
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 盛冠群;裔飛;謝凱;鄭祖兵
• 申請（專利權）人: 長江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 武漢河山金堂專利事務所(普通合伙) 42212
• 代理人: 胡清堂;陳懿

本發明公開了一種印章識別方法、終端裝置及存儲介質，用于識別印章。本發明提供的方法包括：收集印章圖像，對所述印章圖像進行小波變換后，獲得所述印章圖像的數據集；通過卷積神經網絡對所述數據集訓練；訓練后的卷積神經網絡匹配待識別印章圖像。本發明通過卷積神經網絡識別印章不僅可以提高識別速度，而且基于小波變換的印章圖像能夠提升識別精度，保障準確率。

技術領域

本發明涉及人工智能領域，尤其涉及一種印章識別方法、系統、終端裝置及存儲介質。

背景技術

隨著計算機技術的快速發展，計算機的智能化程度也越來越高。基于計算機的人工神經網絡已被廣泛應用到計算機視覺、語言及翻譯等眾多領域。計算機通過深度學習可以自動識別圖像，而印章作為一種獨特標志，人類的視覺有時難以區別偽造印章，這時就可以借助計算機分析區別。

目前，基于神經網絡的圖像識別，大多通過提取圖像特征，進行訓練。用于訓練及識別的圖像大多只經過簡單去噪及邊緣提取，這種處理方式對于較為清晰的圖像可以識別，但對于像印章這種有時印跡較淡，或邊緣特征不明顯的圖像，現有的識別方法識別精度較低，難以滿足對印章識別的準確度的要求。

發明內容

本發明實施例提供了一種印章識別方法、系統、終端裝置及存儲介質，能夠解決現有印章識別方法精準度不高的問題。

結合本發明實施例第一方面，提供了一種印章識別方法，包括：

收集印章圖像，對所述印章圖像進行小波變換后，獲得所述印章圖像的數據集；

通過卷積神經網絡對所述數據集訓練；

訓練后的卷積神經網絡匹配待識別印章圖像。

結合本發明實施例第二方面，提供了一種印章識別系統，包括：

收集模塊：用于收集印章圖像，對所述印章圖像進行小波變換后，獲得所述印章圖像的數據集；

訓練模塊：用于通過卷積神經網絡對所述數據集訓練；

匹配模塊：用于訓練后的卷積神經網絡匹配待識別印章圖像。

結合本發明實施例第三方面，提供了一種終端裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如本申請第一方面所述方法的步驟。

結合本發明實施例第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如本申請第一方面所述方法的步驟。

本發明實施例中，通過對收集的圖像進行小波變換處理，再對卷積神經網絡訓練，通過訓練后的卷積神經網絡識別印章圖像，通過卷積神經網絡識別印章不僅可以提高識別速度，而且基于小波變換的印章圖像能夠提升識別精度，保障準確率。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例一提供的印章識別方法的流程示意圖；

圖2為本發明實施例二提供的印章識別方法的實現流程圖；

圖3為本發明實施例三提供的印章識別系統的結構示意圖；

圖4為本發明實施例四提供的終端裝置的結構示意圖。

具體實施方式

本發明實施例提供了一種印章識別方法、系統、終端裝置及存儲介質，用于提升印章識別精度。