[發(fā)明專利]輪胎文本的獲取方法及裝置、輪胎規(guī)格的檢測方法

在審

• 申請?zhí)枺?/td>: 201910974900.9
• 申請日: 2019-10-14
• 公開（公告）號: CN110705560A
• 公開（公告）日: 2020-01-17
• 發(fā)明（設(shè)計(jì)）人: 周康明;周佳敏
• 申請（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06T7/00;G06T7/10;G06N3/08
• 代理公司: 44224 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司
• 代理人: 曹瀚青

本申請涉及一種輪胎文本的獲取方法及裝置、輪胎規(guī)格的檢測方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲介質(zhì)。該方法包括：獲取輪胎圖像；通過目標(biāo)檢測模型對輪胎圖像進(jìn)行檢測，得到輪胎文本圖像；將輪胎文本圖像輸入至預(yù)先訓(xùn)練好的深度殘差網(wǎng)絡(luò)中，通過深度殘差網(wǎng)絡(luò)對輪胎文本圖像進(jìn)行分割，得到多個分割結(jié)果，并對多個分割結(jié)果進(jìn)行合并，得到輪胎文本輪廓，其中，輪胎文本輪廓由輪胎文本周圍的點(diǎn)連接而成；對輪胎文本輪廓進(jìn)行文本識別，得到輪胎文本信息。采用本方法所獲得的輪胎文本輪廓能夠更好地?cái)M合真實(shí)的輪胎文本的輪廓，使得識別出的輪胎文本的準(zhǔn)確率更高。

技術(shù)領(lǐng)域

本申請涉及輪胎檢測技術(shù)領(lǐng)域，特別是涉及一種輪胎文本的獲取方法及裝置、輪胎規(guī)格的檢測方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

作為車輛重要組成部分的車輛輪胎，是車輛承受重力、傳遞牽引力、制動力、轉(zhuǎn)向力以及承受路面反作用力的重要部件，其質(zhì)量的好壞直接關(guān)系到人身安全。因此，在車輛年檢中，需要對車輛輪胎進(jìn)行性能檢查。

車輛輪胎上一般都刻有表征輪胎規(guī)格、輪胎結(jié)構(gòu)的文本信息，通過識別這些文本信息可有效判斷輪胎是否合格。然而，傳統(tǒng)的輪胎文本的獲取方式是用多邊形目標(biāo)檢測算法去檢測輪胎的文本多邊形區(qū)域，這種檢測算法檢測出來的多邊形最多只有16條邊，對于彎曲度比較大的輪胎文本，多邊形還是無法完全貼合輪胎文本的實(shí)際輪廓，會有多余字符包含進(jìn)來，影響后續(xù)的字符識別，

因此，采用傳統(tǒng)的輪胎文本的獲取方式所得到的輪胎文本信息的準(zhǔn)確性較差。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種能夠提高輪胎文本準(zhǔn)確率的輪胎文本的獲取方法及裝置、輪胎規(guī)格的檢測方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲介質(zhì)。

一種輪胎文本的獲取方法，所述方法包括：

獲取輪胎圖像；

通過目標(biāo)檢測模型對所述輪胎圖像進(jìn)行檢測，得到輪胎文本圖像；

將所述輪胎文本圖像輸入至預(yù)先訓(xùn)練好的深度殘差網(wǎng)絡(luò)中，通過所述深度殘差網(wǎng)絡(luò)對所述輪胎文本圖像進(jìn)行分割，得到多個分割結(jié)果，并對所述多個分割結(jié)果進(jìn)行合并，得到輪胎文本輪廓，其中，所述輪胎文本輪廓由輪胎文本周圍的點(diǎn)連接而成；

對所述輪胎文本輪廓進(jìn)行文本識別，得到輪胎文本信息。

在其中一個實(shí)施例中，將所述輪胎文本圖像輸入至預(yù)先訓(xùn)練好的深度殘差網(wǎng)絡(luò)中，通過所述深度殘差網(wǎng)絡(luò)對所述輪胎文本圖像進(jìn)行分割，得到多個分割結(jié)果，并對所述多個分割結(jié)果進(jìn)行合并，得到輪胎文本輪廓，包括：

對所述輪胎文本圖像進(jìn)行擴(kuò)邊，得到擴(kuò)邊后的輪胎文本圖像；

將所述擴(kuò)邊后的輪胎文本圖像輸入至預(yù)先訓(xùn)練好的深度殘差網(wǎng)絡(luò)中，通過所述深度殘差網(wǎng)絡(luò)對所述輪胎文本圖像進(jìn)行分割，得到多個分割結(jié)果，并對所述多個分割結(jié)果進(jìn)行合并，得到輪胎文本輪廓。

在其中一個實(shí)施例中，所述通過目標(biāo)檢測模型對所述輪胎圖像進(jìn)行檢測，得到輪胎文本圖像，包括：

通過目標(biāo)檢測模型對所述輪胎圖像進(jìn)行檢測，得到多個第一候選區(qū)域；

對所述多個第一候選區(qū)域進(jìn)行非極大值抑制，以在所述多個第一候選區(qū)域中選取多個無重疊關(guān)系的第二候選區(qū)域；

獲取每個第二候選區(qū)域的置信度，將多個第二候選區(qū)域中置信度大于預(yù)設(shè)置信度閾值的第二候選區(qū)域，確定為輪胎文本圖像。

在其中一個實(shí)施例中，將所述輪胎文本圖像輸入至預(yù)先訓(xùn)練好的深度殘差網(wǎng)絡(luò)中，通過所述深度殘差網(wǎng)絡(luò)對所述輪胎文本圖像進(jìn)行分割，得到多個分割結(jié)果，并對所述多個分割結(jié)果進(jìn)行合并，得到輪胎文本輪廓，包括：