[发明专利]基于层次聚类和深度学习的箱号识别方法

说明书

本发明涉及基于层次聚类和深度学习的箱号识别方法，识别步骤如下：步骤1，首先通过单个字符检测算法得到候选字符区域；步骤2，通过字符过滤和字符合并得到真正的集装箱号码字符；步骤3，集装箱号码字符通过层次聚类算法得到候选的文本行；步骤4，过文本行过滤得到最终的集装箱箱号文本行；步骤5，对文本行中的单个字符采用深度学习技术进行识别，最终得到箱号的识别结果。

技术领域

本发明涉及基于层次聚类和深度学习的箱号识别方法，特别是涉及基于层次聚类和深度学习的箱号识别方法。

背景技术

集装箱作为国际运输业的重要组成部分,其应用范围和数量都在大幅度的增加。目前中国的集装箱运输呈现出了飞跃式的发展,货物量的大幅度增加给集装箱的追踪和统计提出了更高的要求,使得智能集装箱识别系统的研究和开发成为迫切的需求。

集装箱箱号识别是智能集装箱识别系统的一个关键技术，在实际应用中集装箱图像较为复杂，主要表现在以下方面：1.货运车停泊位置不固定，拍摄视角难以固定，使集装箱图像产生畸变。2.夜晚、早晨、傍晚的光照条件不同，此外，白天常存在强光照射，使得图像复杂化。3.雨、雪天气，箱体污染等因素对图像产生干扰。4.由于拍摄设备等原因，图像清晰度较低。

发明内容

本发明针对实际应用中集装箱成像条件较为复杂的背景下，提出了一种基于层次聚类和深度学习的箱号识别方法。能够克服多种复杂条件的影响，保持较高的识别率。

技术方案

基于层次聚类和深度学习的箱号识别方法。首先通过单个字符检测算法得到候选字符区域，然后通过字符过滤和字符合并得到真正的集装箱号码字符；集装箱号码字符通过层次聚类算法得到候选的文本行，再通过文本行过滤得到最终的集装箱箱号文本行；最后对得到的文本行进行识别，得到箱号的识别结果。识别整体流程图图1所示。

所述的基于层次聚类和深度学习的箱号识别方法，单个字符检测利用最大稳定极值区域(MSER)算法得到候选的字符区域，MSER算法基于分水岭的思想，其公式为，表示为Q_i为第i个连通区域的面积，Δ为阈值的微小变化，v(i)小于阈值时，认为该区域为MSER。实际使用的时候，需要原图做一次MSER，原图取反后再做一次MSER，两次的结果取并。

所述的基于层次聚类和深度学习的箱号识别方法，因为箱体有些掉漆、破损、污渍等，也会被MSER算法误判为字符区域，所以要通过字符过滤规则进行过滤。字符过滤的规则如下：

(1)利用字符区域的高宽比、宽高比、最小面积、最大面积、最小高度、最大高度过滤非字符区域。满足规则的，即认为是字符区域，不满足，则是非字符区域。

(2)取出字符区域对应的灰度图像，利用方差特征过滤非字符区域。满足规则，即认为是字符区域，不满足，则是非字符区域。

(3)利用致密度(Solidity)特征过滤非字符区域，公式如下：

whiteNumber为MSER区域白色前景点的数目，contourNumber代表MSER区域白色前景点最小凸多边形的面积。

(4)利用Extent特征过滤非字符区域，公式如下：

whiteNumber为MSER区域白色前景点的数目，rectArea代表MSER区域白色前景点最小外接矩形的面积。

(5)利用离心率特征过滤非字符区域。

(6)取出MSER区域对应的灰度图像，提取方向梯度直方图(Hog)特征，然后利用线性支持向量机分类器进行过滤非字符区域