[發明專利]大場景下集裝箱號識別方法

在審

• 申請號: 201910509311.3
• 申請日: 2019-06-13
• 公開（公告）號: CN110414318A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 戴元永;陳學明
• 申請（專利權）人: 北京數智源科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06N3/04
• 代理公司: 北京中企鴻陽知識產權代理事務所(普通合伙) 11487
• 代理人: 李斌

本發明提出了一種大場景下集裝箱號識別方法，包括以下步驟：S1，大場景下獲取實時的相機圖像；S2,對所述實時圖像提取圖像特征；利用經過訓練后的resNet殘差神經網絡模型，對圖像特征進行檢測；判斷檢測結果是否屬于預設分類結果；如果檢測結果屬于預設分類結果，則提取圖像特征中的集裝箱號區域坐標信息；并從獲取的實時相機圖像中截取該坐標區域圖像；如果不屬于則返回上一步；S3,根據提取的集裝箱號區域坐標信息，使用訓練后的LSTM網絡模型識別，對所截取的區域坐標圖像進行集裝箱號識別；S4，將識別的集裝箱號字符生成文本文件，并將文本文件推送顯示。通過深度學習神經網絡技術，克服了傳統算法存在的缺陷，提高了大場景下的集裝箱號識別率。

技術領域

本發明涉及集裝箱識別技術領域，特別涉及一種大場景下集裝箱號識別方法。

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增加，目前國內的集裝箱運輸呈現出了飛躍式發展，貨物量的大幅度增加給集裝箱的追蹤和自動化裝卸提出了更高標準的要求。使得智能集裝箱識別系統的研究和開發成為迫切需求。

目前的集裝箱號識別都是基于硬件設備實現的，例如，在卡口設置攝像機，通過攝像機采集集裝箱的圖像信息，實現了圖像的信息采集，進而對圖像進行特征提取，獲取集裝箱箱號；該系統只能近距離提取集裝箱的圖像信息；無法實現在大場景下獲取集裝箱的箱號。

目前在大場景下集裝箱號識別技術都是在傳統算法的基礎上研發的，傳統算法在復雜場景下的魯棒性差；所謂魯棒性是指在異常和危險情況下系統生存的關鍵。比如說，計算機軟件在輸入錯誤、磁盤故障、網絡過載或有意攻擊情況下，能否不死機、不崩潰，就是該軟件的魯棒性。傳統算法對于大場景下獲取的圖像，按照像素點進行分割，按照數字和字符進行分割后，直接識別為集裝箱號，所以在大場景下的集裝箱號識別存在較大的誤差。并且需要大量計算。

發明內容

本發明的目的旨在至少解決所述的技術缺陷之一。

為此，本發明的一個目的在于提出一種大場景下集裝箱號識別方法；通過深度學習神經網絡技術，克服了傳統算法存在的缺陷，提高了大場景下的集裝箱號識別率。

為了實現上述目的，本發明一方面的實施例提供一種大場景下集裝箱號識別方法，包括以下步驟：

S1，大場景下獲取實時的相機圖像；

S2,對所述實時圖像提取圖像特征；利用經過訓練后的resNet殘差神經網絡模型，對圖像特征進行檢測；判斷檢測結果是否屬于預設分類結果；如果檢測結果屬于預設分類結果，則提取圖像特征中的集裝箱號區域坐標信息；并從獲取的實時相機圖像中截取該坐標區域圖像；如果不屬于則返回上一步；

S3,根據提取的集裝箱號區域坐標信息，使用訓練后的LSTM網絡模型，對所截取的坐標區域圖像進行集裝箱號識別；

S4，將識別的集裝箱號字符生成文本文件，并將文本文件推送顯示。

在上述任意一項實施例中優選的是，在S2中，所述預設分類結果包括集裝箱箱號、集裝箱前門、集裝箱后門、集裝箱開關門狀態、集裝箱側面。

在上述任意一項實施例中優選的是，在S2中，所述圖像特征進行提取時，在tensorflow框架下，利用訓練后的resNet殘差神經網絡模型，構建深度卷積神經網絡算法，進行字符識別、字符定位、數字識別和數字定位；并按照集裝箱號特點進行區域劃分。

在上述任意一項實施例中優選的是，在S3中，集裝箱號識別后，將集裝箱號劃分為4個子區域，分別是4位英文字母區域，6位數字區域，1位數字校驗碼區域和4位集裝箱信息碼區域。

5在上述任意一項實施例中優選的是，在S3中，還包括在LSTM網絡模型下采用CTC算法識別集裝箱號區域的集裝箱號。