[发明专利]设备身份识别方法及装置在审

专利信息
申请号: 202110836802.6 申请日: 2021-07-23
公开(公告)号: CN113591066A 公开(公告)日: 2021-11-02
发明(设计)人: 田寨兴;许锦屏;余卫宇;廖伟权;刘嘉 申请(专利权)人: 广州绿怡信息科技有限公司
主分类号: G06F21/44 分类号: G06F21/44;G06K9/20;G06K9/34
代理公司: 广州市律帆知识产权代理事务所(普通合伙) 44614 代理人: 王园园
地址: 510000 广东省广州市黄埔区科*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 设备 身份 识别 方法 装置
【说明书】:

发明涉及一种设备身份识别方法及装置,在获取到智能设备的屏幕图片后,截取屏幕图片的识别文字区域,并分割识别文字区域内的识别文字,获得分割结果。进一步地,将分割结果与特征模板库进行匹配,识别出屏幕图片内的文字,并根据文字确定智能设备的身份。基于此,通过对屏幕图片的识别文字区域的识别文字进行分割,将分割结果与特征模板库进行匹配,精准识别出各识别文字对应的文字,并通过文字确定智能设备的身份,以文字识别的准确性保证智能设备的身份的准确性和稳定性。

技术领域

本发明涉及电子产品技术领域,特别是涉及一种设备身份识别方法及装置。

背景技术

随着电子产品技术的发展,各种智能设备层出不穷,例如智能手机、笔记本电脑和平板电脑等。目前,伴随着经济和技术的高速发展,智能设备的普及和更新换代速度也越来越快。以智能手机为例,5G时代的到来,加速了智能手机的换代。其中,在智能设备的购买、使用或回收过程中,往往需要验证智能设备的身份,以确定智能设备的唯一性和真实性。尤其在回收过程中的碎屏险开展过程中,需要识别智能设备屏幕的显示文字来确认设备的唯一性和真实性。

目前传统的识别智能设备屏幕的显示文字的方式主要是通过各类分类模型识别屏幕上显示的数字,分类模型包括CNN(卷积神经网络)模型、KNN(K近邻法)模型或RNN(循环神经网络)模型等。然而,这些分类模型只能对显示数字进行简单的识别分类,难以满足智能设备身份识别确认所需的精准文字识别要求。因此,传统的识别智能设备屏幕的显示文字的方式还存在以上不足。

发明内容

基于此,有必要针对传统的识别智能设备屏幕的显示文字的方式还存在的不足,提供一种设备身份识别方法及装置。

一种设备身份识别方法,包括步骤:

获取智能设备的屏幕图片;其中,智能设备的屏幕显示有识别文字;

截取屏幕图片的识别文字区域,并分割识别文字区域内的识别文字,获得分割结果;

将分割结果与特征模板库进行匹配,识别出屏幕图片内的文字,并根据文字确定智能设备的身份。

上述的设备身份识别方法,在获取到智能设备的屏幕图片后,截取屏幕图片的识别文字区域,并分割识别文字区域内的识别文字,获得分割结果。进一步地,将分割结果与特征模板库进行匹配,识别出屏幕图片内的文字,并根据文字确定智能设备的身份。基于此,通过对屏幕图片的识别文字区域的识别文字进行分割,将分割结果与特征模板库进行匹配,精准识别出各识别文字对应的文字,并通过文字确定智能设备的身份,以文字识别的准确性保证智能设备的身份的准确性和稳定性。

在其中一个实施例中,在获取智能设备的屏幕图片的过程之前,还包括步骤:

调整智能设备的屏幕显示;其中,屏幕显示包括背景显示和识别文字显示。

在其中一个实施例中,在截取屏幕图片的识别文字区域,并分割识别文字区域内的识别文字,获得分割结果的过程之前,还包括步骤:

对屏幕图片进行图像预处理。

在其中一个实施例中,对屏幕图片进行图像预处理的过程,包括步骤:

调整屏幕图片的尺寸,获得调整结果;

对调整结果进行一次滤波处理,获得滤波处理结果;

对滤波处理结果进行彩色图片分割处理,获得分割处理结果;

对分割处理结果进行灰度处理,获得灰度处理结果;

对灰度处理结果进行亮度处理,获得亮度处理结果;

将亮度处理结果二值化,获得二值化结果;

对二值化结果进行二次滤波处理,获得图像预处理结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州绿怡信息科技有限公司,未经广州绿怡信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110836802.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top