[發(fā)明專利]一種結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法

在審

• 申請?zhí)枺?/td>: 201910904350.3
• 申請日: 2019-09-24
• 公開（公告）號: CN110659637A
• 公開（公告）日: 2020-01-07
• 發(fā)明（設(shè)計）人: 吳彬彬;朱雅魁;冀明;張增麗
• 申請（專利權(quán)）人: 國網(wǎng)河北省電力有限公司電力科學(xué)研究院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62
• 代理公司: 11369 北京遠(yuǎn)大卓悅知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 周婷

1.一種結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，包括如下步驟：

步驟一、選取代表不同電能表類型的模板；

步驟二、將待檢測圖片與所述模板進行SIFT特征點匹配，確定待檢測圖片的電能表類型；

步驟三、對待檢測圖片上的示數(shù)區(qū)域及漢字標(biāo)簽區(qū)域進行定位，并且對所述示數(shù)區(qū)域進行切分，得到單個數(shù)字區(qū)域；

步驟四、篩選出有數(shù)字顯示的單個數(shù)字區(qū)域及有漢字顯示的漢字標(biāo)簽區(qū)域，并進行漢字標(biāo)簽識別及單個數(shù)字識別。

2.根據(jù)權(quán)利要求1所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟二中，將待檢測圖片與所述模板進行SIFT特征點匹配后，還包括如下步驟：

步驟1、計算所述待檢測圖片的SIFT特征向量，并計算其與所述模板上的相匹配的特征向量之間的歐式距離，并且過濾掉超過設(shè)定閾值的特征點匹配對，得到初步篩選的特征點匹配對；

步驟2、將所述初步篩選的特征點匹配對輸入代理模型，進行進一步篩選，得到最終的特征點匹配對；并且根據(jù)所述最終的特征點匹配對，確定與待檢測圖片SIFT特征點匹配數(shù)量最多的模板；

其中，將與待檢測圖片SIFT特征點匹配數(shù)量最多的模板的電能表類型，確定為待檢測圖片的電能表類型。

3.根據(jù)權(quán)利要求2所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟2中，所述的代理模型為RANSAC模型，得到最終的特征點匹配對，包括如下步驟：

步驟a、隨機從最終的特征點匹配對組成的數(shù)據(jù)集中隨機抽出4個樣本數(shù)據(jù)，計算出變換矩陣H，記為模型M；

步驟b、計算所述數(shù)據(jù)集中所有數(shù)據(jù)與模型M的投影誤差，若誤差小于閾值，加入內(nèi)點集I；

其中，如果當(dāng)前內(nèi)點集I元素個數(shù)大于最優(yōu)內(nèi)點集I_best，則更新I_best＝I，同時更新迭代次數(shù)；

如果迭代次數(shù)大于k，則退出；否則迭代次數(shù)加1，并重復(fù)上述步驟；

其中，迭代次數(shù)k為：

其中，p為置信度；w為內(nèi)點數(shù)目和數(shù)據(jù)點數(shù)目的比例；m為計算模型所需要的最少樣本數(shù)。

4.根據(jù)權(quán)利要求1或3所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟三中，對待檢測圖片上的示數(shù)區(qū)域及漢字標(biāo)簽區(qū)域進行定位，包括如下步驟：

步驟A、根據(jù)待檢測圖片與其對應(yīng)的電能表類型的模板之間的映射關(guān)系，得到預(yù)判屏幕區(qū)域；

步驟B、對所述預(yù)判屏幕區(qū)域做邊緣檢測，得到液晶屏幕的四條邊緣直線，計算出屏幕區(qū)域四個頂點的位置，利用Hough變換進行校正，得到標(biāo)準(zhǔn)液晶屏幕區(qū)域；

步驟C、根據(jù)電能表類別，確定待檢測圖片上的示數(shù)區(qū)域及漢字標(biāo)簽區(qū)域出現(xiàn)在屏幕中的位置，截取出示數(shù)區(qū)域及漢字標(biāo)簽區(qū)域。

5.根據(jù)權(quán)利要求4所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟三中，通過對所述示數(shù)區(qū)域進行等比切分，得到單個數(shù)字區(qū)域。

6.根據(jù)權(quán)利要求5所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟四中，通過二分類感知器神經(jīng)網(wǎng)絡(luò)判別單個數(shù)字區(qū)域及漢字標(biāo)簽區(qū)域是否有數(shù)字或漢字顯示，并且篩選出有數(shù)字顯示的單個數(shù)字區(qū)域及有漢字顯示的漢字標(biāo)簽區(qū)域。

7.根據(jù)權(quán)利要求6所述的結(jié)合深度神經(jīng)網(wǎng)絡(luò)和SIFT特征的電能表示數(shù)與標(biāo)簽自動識別方法，其特征在于，在所述步驟四中，通過lenet-5神經(jīng)網(wǎng)絡(luò)對有數(shù)字顯示的單個數(shù)字區(qū)域進行識別，得到電能表示數(shù)。