[發(fā)明專利]融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配的表盤數(shù)字字符識別法

有效

• 申請?zhí)枺?/td>: 201910160157.3
• 申請日: 2019-03-04
• 公開（公告）號: CN109902751B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 吳林煌;楊繡郡;陳志峰
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06V10/82;G06V10/28;G06N3/04;G06N3/08
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 蔡學(xué)俊

本發(fā)明涉及一種融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配的表盤數(shù)字字符識別方法，首先獲取帶有全字半字標簽的分割好的灰度圖，接著將標簽篩選分類，若標簽為0則進行半字識別，若標簽為1則進行全字識別；最后按照圖像輸入的順序，依次輸出灰度圖的識別結(jié)果。本發(fā)明識別正確率高，為表盤數(shù)字字符半字全字的分開識別提供了新思路，并融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配，可廣泛應(yīng)用于需要進行數(shù)字字符識別的領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理與識別中的表盤數(shù)字字符識別領(lǐng)域，特別是一種融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配的表盤數(shù)字字符識別方法。

背景技術(shù)

由于現(xiàn)階段大多數(shù)表盤是基于齒輪的滾動型表盤，比如水表、電表、時鐘等等，由于齒輪帶動常會出現(xiàn)進位不完全，即低位表盤框同時出現(xiàn)相鄰兩個數(shù)字的上下各一半的情況，而高位為整個數(shù)字都在表盤框內(nèi)，這就將表盤里的數(shù)字字符分為兩個類別，我們稱之為全字和半字。正確識別是表盤數(shù)字字符識別的核心，由于出現(xiàn)兩種數(shù)字字符類別，并且全字半字的屬性各不相同，若用同一種方法識別則整體識別效果不是特別好。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的是提出一種融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配的表盤數(shù)字字符識別方法，識別正確率高，為表盤數(shù)字字符半字全字的分開識別提供了新思路，并融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配，可廣泛應(yīng)用于需要進行數(shù)字字符識別的領(lǐng)域。

本發(fā)明采用以下方案實現(xiàn)：一種融合卷積神經(jīng)網(wǎng)絡(luò)和半字模板匹配的表盤數(shù)字字符識別方法，具體包括以下步驟：

步驟S1：獲取帶有全字半字標簽的分割好的灰度圖，并輸入到步驟S2中；其中，標簽0代表半字，標簽1代表全字；其中輸入圖像的大小均為m×n，其中，m是所述輸入圖像的行數(shù)，n是所示輸入圖像的列數(shù)；

步驟S2：將標簽篩選分類，若標簽為0則進入步驟S4，若標簽為1則進入步驟S3；

步驟S3：訓(xùn)練一個卷積神經(jīng)網(wǎng)絡(luò)，將標簽為1的全字灰度圖輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中識別，得到全字識別結(jié)果；

步驟S4：將標簽為0的半字灰度圖二值化后，保留兩個最大連通域，得到處理后的待識別半字二值圖像M₂；

步驟S5：將步驟S4得到的處理后的圖像與半字模板進行基于像素的模板匹配，得到半字識別結(jié)果；

步驟S6：按照步驟S1中圖像輸入的順序，依次輸出灰度圖的識別結(jié)果。

進一步地，步驟S3具體包括以下步驟：

步驟S31：輸入測試集圖片和標簽以及訓(xùn)練集圖片和標簽，其中全字共有0至9共10個字符，用10個獨熱碼表示；

步驟S32：用TensorFlow訓(xùn)練一個前向傳輸?shù)木矸e神經(jīng)網(wǎng)絡(luò)；其中，該卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為“卷積層1-池化層1-卷積層2-池化層2-……-卷積層x-池化層x-全連接層”；

步驟S33：保存該卷積神經(jīng)網(wǎng)絡(luò)的各項權(quán)重值；

步驟S34：將輸入的全字灰度圖輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中進行自動識別，得到識別結(jié)果。

較佳的，所述卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)如下：

輸入層：由于輸入的是一個m×n的灰度圖像，其在二維空間上的維度是m×n。一個像素點相當于一個神經(jīng)元，故輸入層的維度就是三維[32,24,1]；