[发明专利]一种基于视频图像的快递面单三段码识别方法

权利要求书

1.一种基于视频图像的快递面单三段码识别方法，其特征在于，通过以下步骤来实现：

a).构建数据库，通过拍摄大量的快递面单图像，构建面单数据库；随机选取数据库中的部分面单图像作为训练样本，余下的面单图像作为测试样本；

b).生成标签文件，对训练样本和测试样本中所有面单图像的三段码进行人工标注，标注出三段码中每位数字的位置及类别，数字的位置为数字外围的矩形框，类别为0、1、2、…、9的阿拉伯数字，数字位置及类别组成图像的标签文件；

c).训练网络模型，将训练样本中的面单图像及其标签作为训练数据，输入到神经网络模型中，按照神经网络模型定义的各项参数进行训练，获得所需的用于检测三段码的神经网络模型；

d).检测网络模型，以测试样本中的面单图像为输出，测试样本的标签文件为输出校准数据，对步骤c)训练出的神经网络的准确度进行检测，如果神经网络模型的准确度大于设定的阈值，则表明其满足要求；如果准确度小于设定阈值，则增大训练样本的容量继续进行训练；

e).三段码实时检测，获取在传送带上运动的快递物品的面单图像，采用利用训练好的神经网络模型识别出其三段码，并根据三段码所标示的目的地对快递物品进行自动分拣。

2.根据权利要求1所述的基于视频图像的快递面单三段码识别方法，其特征在于，步骤c)中神经网络模型定义的各项参数包括类别总数、矩形框尺度、训练速率和训练次数，然后利用训练样本中的面单图像及其标签文件进行训练，并输出训练日志，并计算整体损失度和准确率的变化，以便根据损失度和准确率的变化进行网络参数的调整，并不断迭代，最后得到满足要求的网络模型。

3.根据权利要求1或2所述的基于视频图像的快递面单三段码识别方法，其特征在于：步骤c)在训练网络模型过程中，将输入的训练样本中的面单图片经过不同的卷积核卷积操作后得到不同的特征图，从而提取出不同的特征，每个特征图生成若干个矩形框，每个矩形框的尺度通过公式(1)进行处理：

式中，S_k为矩形框尺度，S_min为矩形框尺度的最小值，S_max为矩形框尺度的最大值，m为特征图的个数。

4.根据权利要求1或2所述的基于视频图像的快递面单三段码识别方法，其特征在于：步骤c)在训练网络模型过程中，损失度通过公式(2)进行求取：

式中，L(x,c,l,g)为特征图的损失值，x为匹配程度，c为预测框的置信度，l为预测框，g为真实框，N为匹配的默认框数目，L_conf为置信度损失函数，L_loc为位置损失函数，α为权重项，0＜α＜1。