[发明专利]一种基于支持向量机的复选框选择状态的识别方法及装置有效

专利信息
申请号: 201711352905.5 申请日: 2017-12-15
公开(公告)号: CN108108753B 公开(公告)日: 2022-08-19
发明(设计)人: 杨飞;高昊江;候金利 申请(专利权)人: 京北方信息技术股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06V10/764;G06V10/50;G06V30/414
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 100089 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 支持 向量 复选 选择 状态 识别 方法 装置
【说明书】:

发明实施例公开了一种基于支持向量机的复选框选择状态的识别方法及装置,该方法包括:获取预处理的目标待识别图像;按照不同的预设尺度对所述目标待识别图像执行与所述不同的预设尺度对应的分块操作,获取分块图像,提取所述分块图像的方向梯度直方图特征向量,并获取所述目标待识别图像的方向梯度直方图特征向量;将所述目标待识别图像的方向梯度直方图特征向量输入至训练后的支持向量机分类模型中,获取识别结果。本发明实施例能够消除复杂背景以及噪声对图像识别造成的不良影响,提高了判断复选框是否处于选中状态的识别效率,鲁棒性能好,有效地提升了复选框选择状态的识别准确性,且应用范围广泛。

技术领域

本发明实施例涉及图像识别技术领域,尤其涉及一种基于支持向量机的复选框选择状态的识别方法及装置。

背景技术

随着我国信息化的快速发展,各行各业对于图像识别的需求越来越多,在银行票据、税务报表、标准化考试的答题卡、以及人口普查表等数据表单中,通常含有需用户填写的复选框,判断复选框选中与否的结果十分重要。

现有技术中,通常采用以下方法识别复选框的选中状态:

1、通过人工识别复选框的选中状态之后,再输入到计算机系统进行存储。该方法人力成本较高、对于大量需要识别的数据表单,识别效率低。

2、通过分割出复选框并采用模板匹配的方法识别复选框的选中状态,但是,该方法没有考虑到手写符号对于分割复选框的影响,通常情况下,手写符号会超出复选框的范围,在此基础上进行模板匹配会导致识别准确率低,而且如果模板匹配的匹配目标发生旋转或者大小变化,则算法失效。该方法对于符号的填写位置存在一定的限制,应用范围不广。

发明内容

本发明实施例提供一种基于支持向量机的复选框选择状态的识别方法及装置,解决现有技术中识别效率低、应用范围不广的问题。

第一方面,本发明实施例提供了一种基于支持向量机的复选框选择状态的识别方法及装置,包括:

获取预处理的目标待识别图像;

按照不同的预设尺度对所述目标待识别图像执行与所述不同的预设尺度对应的分块操作,获取分块图像,提取所述分块图像的方向梯度直方图特征向量,并获取所述目标待识别图像的方向梯度直方图特征向量;

将所述目标待识别图像的方向梯度直方图特征向量输入至训练后的支持向量机分类模型中,获取识别结果。

第二方面,本发明实施例还提供了一种基于支持向量机的复选框选择状态的识别装置,包括:

预处理模块,用于获取预处理的目标待识别图像;

特征向量获取模块,用于按照不同的预设尺度对所述目标待识别图像执行与所述不同的预设尺度对应的分块操作,获取分块图像,提取所述分块图像的方向梯度直方图特征向量,并获取所述目标待识别图像的方向梯度直方图特征向量;

识别模块,用于将所述目标待识别图像的方向梯度直方图特征向量输入至训练后的支持向量机分类模型中,获取识别结果。

本发明实施例通过对预处理的目标待识别图像按照不同的预设尺度进行分块操作,提取分块图像的方向梯度直方图特征向量,通过对图像局部的处理,能够消除复杂背景以及噪声对图像识别造成的不良影响,并进一步将获取的目标待识别图像的方向梯度直方图特征向量输入至训练后的支持向量机分类模型中,获取识别结果。本发明实施例提高了对复选框选中状态的识别效率,鲁棒性能好,有效地提升了复选框状态的识别准确性,且应用范围广泛。

附图说明

图1是本发明实施例一中的一种基于支持向量机的复选框选择状态的识别方法的流程图;

图2a是本发明实施例二中的一种基于支持向量机的复选框选择状态的识别方法的流程图;

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京北方信息技术股份有限公司,未经京北方信息技术股份有限公司许可,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/201711352905.5/2.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