[发明专利]一种集装箱拖车编号识别方法、装置和计算机设备在审
申请号: | 201811113618.3 | 申请日: | 2018-09-25 |
公开(公告)号: | CN110942073A | 公开(公告)日: | 2020-03-31 |
发明(设计)人: | 朱尧 | 申请(专利权)人: | 杭州海康威视数字技术股份有限公司 |
主分类号: | G06K9/34 | 分类号: | G06K9/34;G06K9/46 |
代理公司: | 北京博思佳知识产权代理有限公司 11415 | 代理人: | 林祥 |
地址: | 310051 浙*** | 国省代码: | 浙江;33 |
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 集装箱 拖车 编号 识别 方法 装置 计算机 设备 | ||
1.一种集装箱拖车编号识别方法,其特征在于,所述方法包括:
从包含集装箱拖车的待识别图像中定位拖车编号所在的目标区域;
对所述目标区域进行特征提取,得到特征图;
将所述特征图输入到预先训练好的拖车编号识别模型中,由所述拖车编号识别模型对所述特征图进行序列化,得到特征序列,并对所述特征序列进行编码处理,得到编码结果,以及对所述编码结果进行解码后输出解码结果;
根据所述解码结果确定待识别图像中的拖车编号。
2.根据权利要求1所述的方法,其特征在于,所述从包含集装箱拖车的待识别图像中定位拖车编号所在的目标区域,包括:
将所述待识别图像输入到YOLO模型中,由所述YOLO模型对所述待识别图像进行卷积处理和池化处理后输出拖车编号所在的目标区域。
3.根据权利要求1所述的方法,其特征在于,所述拖车编号识别模型为注意力模型,所述注意力模型包括卷积网络,所述对所述特征图进行序列化,得到特征序列,包括:
所述卷积网络按照预设移动步长将预设滑窗在所述特征图上滑动,以分割出所述滑窗所在位置的局部特征图;
将分割出的所有局部特征图确定为所述特征序列。
4.根据权利要求1所述的方法,其特征在于,所述根据解码结果确定待识别图像中的拖车编号,包括:
判断所述解码结果是否满足指定校验规则;
若是,将所述解码结果中识别出的各个号码依序组合后的组合结果确定为所述待识别图像中的拖车编号;
若否,修改所述解码结果中识别出的各个号码中置信度最低的号码,得到修改后的解码结果;其中,所述修改后的解码结果满足所述校验规则;
将所述修改后的解码结果中的各个号码依序组合后的组合结果确定为所述待识别图像中的拖车编号。
5.根据权利要求4所述的方法,其特征在于,所述判断所述解码结果是否满足指定的校验规则,包括:
计算所述解码结果中识别出的各个号码中除校验码之外的其他号码的和值;
将所述和值与10进行取模运算,得到取模运算结果;
判断所述取模运算结果是否等于所述校验码;
若是,确定所述解码结果满足指定的校验规则。
6.根据权利要求3所述的方法,其特征在于,所述注意力模型还包括依次连接的输入层、隐层和输出层,所述对所述特征序列进行编码处理,得到编码结果,以及对所述编码结果进行解码后输出解码结果,包括:
所述输入层计算各个时刻所述特征序列中各特征的权值参数;
所述隐层依据各个时刻所述特征序列中各特征的权值参数和所述特征序列,计算各个时刻的编码结果;
所述隐层依据所述特征序列和各个时刻的编码结果,计算各个时刻上下文相关的隐层状态;
所述输出层依据各个时刻上下文相关的隐层状态,得到各个时刻的解码结果。
7.一种集装箱拖车编号识别装置,其特征在于,所述装置包括检测模块、提取模块、识别模块和处理模块,其中,
所述检测模块,用于从包含集装箱拖车的待识别图像中定位拖车编号所在的目标区域;
所述提取模块,用于对所述目标区域进行特征提取,得到特征图;
所述识别模块,用于将所述特征图输入到预先训练好的拖车编号识别模型中,由所述拖车编号识别模型对所述特征图进行序列化,得到特征序列,并对所述特征序列进行编码处理,得到编码结果,以及对所述编码结果进行解码后输出解码结果;
所述处理模块,用于根据解码结果确定待识别图像中的拖车编号。
8.根据权利要求7所述的装置,其特征在于,所述检测模块,用于将所述待识别图像输入到YOLO模型中,由所述YOLO模型对所述待识别图像进行卷积处理和池化处理后输出拖车编号所在的目标区域。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
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杭州海康威视数字技术股份有限公司,未经杭州海康威视数字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/201811113618.3/1.html,转载请声明来源钻瓜专利网。