[发明专利]一种基于深度学习的铭牌识别方法及系统

说明书

一种基于深度学习的铭牌识别方法，该方法包括：利用目标检测算法对目标图片进行识别确定铭牌所在的区域；然后利用霍夫变换进行边缘检测，将倾斜的图片利用仿射变换进行自动矫正；将铭牌的图片进行文本切分，确定每行文本的位置信息；将切分出来的文本进行文本识别，得到识别结果。还包括一种基于深度学习的铭牌识别系统。本发明采用深度学习算法对铭牌进行行级的文本切分，解决了中文字符分割效率低、分割精度低的问题，提高了识别的效率。利用CRNN算法对行级的文本进行识别，提高了文本识别的精度。

技术领域

本发明涉及铭牌识别技术领域，具体地说是一种基于深度学习的铭牌识别方法及系统。

背景技术

传统的铭牌识别通常是传统的霍夫变换检测图片中的直线，利用预设的边缘提取算法，对待测场景图像进行边缘提取处理，获取相应的待测轮廓图像，并定位待测轮廓图像中的铭牌轮廓区域，这种方式必须根据不同铭牌设置不同的边缘提取算法，同时该种边缘检测算法对复杂环境下的铭牌提取效果比较差。变电站内的设备多，干扰因素也多。基于传统的算法对铭牌识别，识别的精度低。

现有技术通常使用投影技术对字符进行投影分割，这样的分割的方式对于自然场景下的字符分割效率低，并且由于自然场景下的铭牌风化比较严重，对于字符分割的精度也比较低。

发明内容

本发明的目的在于提供一种基于深度学习的铭牌识别方法及系统，用于解决现有技术中铭牌识别受环境干扰因素较多，且文本分割精度低的问题。

为了解决上述问题，本发明提供了一种基于深度学习的铭牌识别方法及系统。

本发明第一方面提供了一种基于深度学习的铭牌识别方法，该方法包括：

利用目标检测算法对目标图片进行识别，确定铭牌所在的区域，然后利用霍夫变换确定铭牌的边缘信息；

将铭牌的图片进行文本切分，确定每行文本的位置信息；

将切分出来的文本进行文本识别，得到识别结果。

结合第一方面，在第一方面第一种可能实现的方式中，确定铭牌所在的区域具体包括以下方法：

对目标图片进行区域划分；

针对每个小区域进行分类，判断每个小区域中是否有铭牌以及铭牌的类型；

通过YOLO神经网络的softmax函数计算每个小区域中包含铭牌的概率；

将符合概率阈值的小区域进行合并，不符合的舍弃；

最终将铭牌所在的区域划分出来。

结合第一方面，在第一方面第二种可能实现的方式中，方法还包括判断铭牌是否倾斜，具体包括：

经过深度学习缩小铭牌的范围，利用霍夫变换检测铭牌所在的区域；

对区域去噪处理后，进行边缘提取；

通过二值化判断是否为边缘点；

将区域映射到霍夫空间，取局部极大值，与预设的阈值比较，过滤干扰直线；

绘制直线、标定角点，确定铭牌的四个顶点的坐标，确定铭牌是否倾斜。

结合第一方面，在第一方面第三种可能实现的方式中，方法还包括将倾斜的图片利用仿射变换进行自动矫正，具体包括：

利用目标检测算法确认铭牌的区域，进而确定铭牌的四个顶点的位置信息；

根据四个顶点的坐标进行计算，得出投影变换的矩阵；

根据投影变换的矩阵，对图像中的每个像素点进行投影变换，得到矫正以后的图像信息。