[发明专利]一种基于深度神经网络的出入境验讫章识别方法及装置

说明书

本发明提出一种基于深度神经网络的出入境验讫章识别方法及装置，所述方法首先采集图像，并对图像进行标注，然后通过回归网络对采集好的数据进行回归剪裁，对于剪裁下来的印章，再应用基于注意力机制的网络进行对国别的图像识别，之后应用参数化的Bezier曲线进行对日期的文本识别，最后再将信息整合。最终搭建前端，设计了出入境验讫章识别平台，使用十分方便。

技术领域

本发明属于图像识别技术领域，特别是涉及一种基于深度神经网络的出入境验讫章识别方法及装置。

背景技术

细粒度图像识别是计算机科学技术领域中的一项重要工作，旨在识别同一类别下的不同子类物体。细粒度图像识别问题的难点在于识别对象来自于同一大类，具有大量的相同特征以及有细微差别的部分特征。这要求模型的特征提取能力十分灵敏且具有鲁棒性。至今为止仍没有一种通用且可靠的细粒度图像识别算法被广泛应用。因此，细粒度图像识别领域具有极大的研究价值和意义。

近年来，随着深度学习领域的飞速发展，细粒度识别技术的准确率也有了大幅提升。目前细粒度图像识别的主流方法有：基于端到端的特征编码方法、基于定位-分类子网络的方法、利用外部辅助信息的方法。其中，基于端到端的特征编码方法受到人们最广泛的关注。其主要思想是通过设计细粒度特征提取能力更强大的模型，挖掘更具有区分性的细粒度特征表示，并依据此特征表示进行细粒度图像识别。现有的深度学习与印章识别相结合的研究大多集中于文字识别，提取印章中的文字部分。然而这类提取方法大多对印章形状有所要求，难以应对大量的形状差异较大的印章识别。但是在出入境印章日期识别中，存在诸多方向任意和文字模糊的问题。故而难以将其应用到具有多种类印章的机场安检领域。目前，尚未有研究者提出将分类识别方法与出入境验讫章结合起来，以提升机场安检效率的方法。

因此，本发明针对细粒度图像识别问题，提出了一种实现速度快、识别效果好的基于深度神经网络的出入境验讫章识别方法及装置，具有重要的实际应用价值。

发明内容

本发明为了解决现有印章检测及日期检测识别困难的问题，提出了一种基于深度神经网络的出入境验讫章识别方法及装置。

本发明是通过以下技术方案实现的，本发明提出一种基于深度神经网络的出入境验讫章识别方法，所述方法包括：

对目标印章进行回归剪裁，即设计回归剪裁网络，来检测印章图片中包含的国家和日期信息，并将其定位；

对于国家检测部分：通过搭建细粒度识别分类网络将检测出的国家进行识别分类；

对于日期检测识别部分：定位一张完整的印章图片中所有的日期信息并且进行剪裁，分成若干个时间信息块进行日期检测，将检测出的日期信息进行识别，给出准确的日期，从而可以判断出入境人员在境外国家的活动时间。

进一步地，所述对目标印章进行回归剪裁，即设计回归剪裁网络，来检测印章图片中包含的国家和日期信息，并将其定位；具体为：

步骤一：搭建由卷积和残差网络堆叠而成的主干网络，该主干网络由五个使用CSP网络的分块组成；

步骤二：搭建池化网络；所述池化网络分为四支线，前三支线对池化网络的输入特征分别进行5*5、9*9、13*13步长为1的最大池化，第四支线不对池化网络的输入特征进行池化，最后把四条支线的池化结果进行route相加；

步骤三：搭建上采样网络，共上采样两次：首先对池化网络的输出特征进行卷积，而后进行上采样操作，对所得到的输出特征再次进行卷积，并将卷积后的特征再次进行上采样；

步骤四：搭建头部网络；共有三个头部作为输出：前两个头部网络分别进行2次1步长卷积，第三个头部网络进行1次1步长卷积；

步骤五：输入图片数据通过步骤一至步骤四搭建的网络进行特征提取，对提取后的特征应用特征金字塔，采用三个尺度再次提取特征，得到印章的特征图，对得到的印章的特征图进行国家检测和日期检测识别。