[發明專利]一種字符識別系統和方法

在審

• 申請號: 202010460052.2
• 申請日: 2020-05-27
• 公開（公告）號: CN111626285A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 李伯軒;趙文超;崔述金;魏阿滿;閆鑫;董慧
• 申請（專利權）人: 北京環境特性研究所
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/34;G06N3/04;G06N3/08;G06T5/00
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 周嬌嬌

1.一種字符識別系統，其特征在于，包括：光源、數字微鏡陣列、桶探測器和計算裝置；其中，

數字微鏡陣列將光源發出的光線轉換為動態散斑信號，并將動態散斑信號投射到待識別目標表面；

桶探測器接收待識別目標反射的光強信號；

計算裝置對所述動態散斑信號和所述光強信號進行二階相關計算，得到待識別目標的鬼成像圖像；并將所述鬼成像圖像輸入預先訓練完成的字符識別模型，獲得待識別目標中的字符。

2.根據權利要求1所述的系統，其特征在于，所述計算裝置依據以下公式對所述動態散斑信號和所述光強信號進行二階相關計算：

GI(x,y)＝＜D_i·S_i(x,y)＞-＜D_i＞＜S_i(x,y)＞

其中，GI(x,y)為待識別目標的鬼成像圖像，D_i為所述光強信號，S_i(x,y)為所述動態散斑信號，x為光場橫坐標，y為光場縱坐標，為求和取平均運算符。

3.根據權利要求1所述的系統，其特征在于，所述計算裝置進一步用于：在得到待識別目標的鬼成像圖像之后，對所述鬼成像圖像進行中值濾波。

4.根據權利要求1-3任一所述的系統，其特征在于，所述字符識別模型為卷積神經網絡，其通過包括多個訓練樣本的訓練集訓練而成，每一訓練樣本包括：作為輸入部分的訓練圖像、和作為標簽部分的該訓練圖像中的已知字符；其中，所述訓練圖像根據以下方式獲得：

所述數字微鏡陣列將所述光源發出的光線轉換為動態散斑信號，并將該動態散斑信號投射到原始圖像；所述桶探測器接收原始圖像反射的光強信號；

所述計算裝置對該動態散斑信號和該光強信號進行二階相關計算，得到所述訓練圖像。

5.一種字符識別方法，其特征在于，包括：

將數字微鏡陣列生成的動態散斑信號投射到待識別目標表面，利用桶探測器接收待識別目標反射的光強信號；

對所述動態散斑信號和所述光強信號進行二階相關計算，得到待識別目標的鬼成像圖像；以及

將所述鬼成像圖像輸入預先訓練完成的字符識別模型，獲得待識別目標中的字符。

6.根據權利要求5所述的方法，其特征在于，所述方法進一步包括：

在得到待識別目標的鬼成像圖像之后，對所述鬼成像圖像進行中值濾波。

7.根據權利要求5所述的方法，其特征在于，所述對所述動態散斑信號和所述光強信號進行二階相關計算，包括：使用以下公式進行二階相關計算：

GI(x,y)＝＜D_i·S_i(x,y)＞-＜D_i＞＜S_i(x,y)＞

其中，GI(x,y)為待識別目標的鬼成像圖像，D_i為所述光強信號，S_i(x,y)為所述動態散斑信號，x為光場橫坐標，y為光場縱坐標，為求和取平均運算符。

8.根據權利要求5-7任一所述的方法，其特征在于，所述字符識別模型為卷積神經網絡，其通過包括多個訓練樣本的訓練集訓練而成，每一訓練樣本包括：作為輸入部分的訓練圖像、和作為標簽部分的該訓練圖像中的已知字符；其中，所述訓練圖像根據以下步驟獲得：

將所述數字微鏡陣列生成的動態散斑信號投射到原始圖像，利用所述桶探測器接收該原始圖像反射的光強信號；

對該動態散斑信號和該光強信號進行二階相關計算，得到所述訓練圖像。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求5-8中任一所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求5-8中任一所述的方法。