[发明专利]一种基于深层特征和浅层特征融合的字符识别方法及存储介质

权利要求书

1.一种基于深层特征和浅层特征融合的字符识别方法，其特征在于，所述方法包括：

接收若干训练图像，并根据训练图像训练深层特征提取卷积神经网络模型，所述训练图像包括一个或多个字符，每一训练图像对应一标识信息；

根据训练完成的深层特征提取卷积神经网络模型提取每一训练图像的深层特征；

接收训练图像的浅层特征，并将训练的浅层特征与其对应的深层特征进行融合，得到该训练图像对应的全特征；

根据各个训练图像的全特征以及其对应的标识信息训练支持向量机，得到一个鲁棒的全特征分类模型；

提取待识别图像的深层特征和浅层特征，并将提取的深层特征和浅层特征输入全特征分类模型，输出待识别图像对应的分类结果。

2.如权利要求1所述的基于深层特征和浅层特征融合的字符识别方法，其特征在于，“根据训练图像训练深层特征提取卷积神经网络模型”包括以下步骤：

对训练图像进行卷积操作，生成若干个特征图；

对特征图进行下采样操作；

重复执行若干次卷积操作和下采样操作，得到抽象特征；

对抽象特征进行全连接操作，提取出训练图像对应的深层特征。

3.如权利要求2所述的基于深层特征和浅层特征融合的字符识别方法，其特征在于，所述卷积神经网络模型包括卷积层和全连接层，所述“对抽象特征进行全连接操作”包括：若卷积层之前为全连接层，所述全连接操作为卷积核为1×1的卷积操作；若卷积层之后仍为卷积层，所述全连接操作为卷积核为h×w的卷积操作，h为全连接层之前的卷积层运算结果的高，w为全连接层之前的卷积层运算结果的宽。

4.如权利要求2所述的基于深层特征和浅层特征融合的字符识别方法，其特征在于，所述下采样操作包括执行池化处理。

5.如权利要求1所述的基于深层特征和浅层特征融合的字符识别方法，其特征在于，所述待识别图像的浅层特征通过以下方式获得：

对待识别图像进行归一化处理，并对归一化处理后的待识别图像进行灰度化处理；

利用Gamma校正法对输入的待识别图像进行对比度的调节；

对待识别图像中的每个像素进行梯度的计算，捕获轮廓信息；

将待识别图像以NXN为单位划分为多个组块，计算每个组块对应的特征描述子；每一NXN组块包括多个MXM子块，组块对应的特征描述子计算方法具体包括：分别计算同一个NXN组块内各个MXM子块的特征描述子，并将同一个组块内各个MXM子块的特征描述串联起来，得到该NXN组块对应的特征描述子；

将每个组块对应的特征描述子串联起来，得到待识别图像对应的浅层特征。

6.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序被执行时，包括以下步骤：

接收若干训练图像，并根据训练图像训练深层特征提取卷积神经网络模型，所述训练图像包括一个或多个字符，每一训练图像对应一标识信息；

根据训练完成的深层特征提取卷积神经网络模型提取每一训练图像的深层特征；

接收训练图像的浅层特征，并将训练的浅层特征与其对应的深层特征进行融合，得到该训练图像对应的全特征；

根据各个训练图像的全特征以及其对应的标识信息训练支持向量机，得到一个鲁棒的全特征分类模型；

提取待识别图像的深层特征和浅层特征，并将提取的深层特征和浅层特征输入全特征分类模型，输出待识别图像对应的分类结果。

7.如权利要求6所述的存储介质，其特征在于，所述计算机程序被执行时还具体包括以下步骤：

对训练图像进行卷积操作，生成若干个特征图；

对特征图进行下采样操作；

重复执行若干次卷积操作和下采样操作，得到抽象特征；

对抽象特征进行全连接操作，提取出训练图像对应的深层特征。

8.如权利要求7所述的存储介质，其特征在于，所述卷积神经网络模型包括卷积层和全连接层，所述计算机程序被执行时还具体包括：若卷积层之前为全连接层，所述全连接操作为卷积核为1×1的卷积操作；若卷积层之后仍为卷积层，所述全连接操作为卷积核为h×w的卷积操作，h为全连接层之前的卷积层运算结果的高，w为全连接层之前的卷积层运算结果的宽。

9.如权利要求7所述的存储介质，其特征在于，所述计算机程序被执行时还包括：执行池化处理。

10.如权利要求6所述的存储介质，其特征在于，所述计算机程序被执行时还包括：

对待识别图像进行归一化处理，并对归一化处理后的待识别图像进行灰度化处理；

利用Gamma校正法对输入的待识别图像进行对比度的调节；

对待识别图像中的每个像素进行梯度的计算，捕获轮廓信息；

将待识别图像以NXN为单位划分为多个组块，计算每个组块对应的特征描述子；每一NXN组块包括多个MXM子块，组块对应的特征描述子计算方法具体包括：分别计算同一个NXN组块内各个MXM子块的特征描述子，并将同一个组块内各个MXM子块的特征描述串联起来，得到该NXN组块对应的特征描述子；

将每个组块对应的特征描述子串联起来，得到待识别图像对应的浅层特征。