[发明专利]基于密集连接网络的多线程营业执照定位识别方法

说明书

本发明提供了一种基于密集连接网络的多线程营业执照定位识别方法，包括：对输入的营业执照图像进行预处理；基于图像预处理结果，对处理后的结果分别进行营业执照识别处理和许可证号识别处理，营业执照识别处理采用基于密集连接网络的多线程识别网络识别出营业执照上的所有文字，许可证号识别处理识别出营业执照上的许可证号；将营业执照识别模块和许可证号识别模块输出的识别结果相对应地融合，利用许可证号识别处理的识别结果，为营业执照识别处理识别出的许可证号纠错。本发明基于密集连接网络的多线程识别网络提高了营业执照字符的识别精度，并可结合许可证号独立识别结果对比纠错，进一步提高识别准确度，本发明适用于各类文字识别场景。

技术领域

本发明涉及一种基于密集连接网络的多线程营业执照定位识别方法，属于多媒体信号处理领域。

背景技术

营业执照许可证是基于信息安全保障技术的有效凭证，也是对于个体户商铺的认证和保障。高效、智能的营业执照定位识别系统可实现工商登记全程电子化管理，加快电子政务建设，巩固网络环境下政府职能部门对于经营主体的线上与线下监管，从而规范市场运行秩序，加快商事登记制度的改革和创新。

营业执照定位识别系统属于字符识别领域，这一领域的开山之作当属谷歌公司提供的Tesseract引擎，用以将字符读取出来，并转换成计算机能够接受的方式，该引擎对于数字和英文字母的识别效果非常好，但对于中文的识别效果却很一般。此外，针对简单、固定的识别场景，字符模板匹配法十分有效，尤其适用于字体统一、清晰度高、字符库少的场景，但是营业执照中字符大小不一致、所需字符库庞大，无法使用字符模板匹配法。

近年来，深度学习正如火如荼地发展，将卷积神经网络融入字符识别中，识别率获得大幅提升。为提升字符特征提取的精度，基于密集连接网络的字符识别模型被提出，该模型在字符排列整齐的场景下效果很好，但是，营业执照中存在很多分行、错位的情况，该模型在特征提取的全面性和完整性上表现欠佳，尤其体现在对营业执照中许可证号码无法正确识别。

发明内容

为解决上述问题，本发明提出了一种基于密集连接网络的多线程营业执照定位识别方法，着重在以下两方面进行改进和优化：一方面，对密集连接网络结构进行创新和改进，提出基于密集连接网络的多线程识别结构，提高字符识别精度；另一方面，由于许可证号(包括注册号、统一社会信用代码等)是每一份营业执照的专属代号和唯一标志，是市场经营主体的“身份证号”，可以识别主体身份的唯一性，保障主体身份信息的完整性，因此本发明单独对营业执照的许可证号、统一社会信用代码进行精确定位和识别。

为了达到上述目的，本发明提供如下技术方案：

基于密集连接网络的多线程营业执照定位识别方法，包括如下步骤：

步骤1，对输入的营业执照图像进行预处理；

步骤2，基于步骤1的图像预处理结果，对处理后的结果分别进行营业执照识别处理和许可证号识别处理，营业执照识别处理采用基于密集连接网络的多线程识别网络识别出营业执照上的所有文字，许可证号识别处理识别出营业执照上的许可证号；

步骤3，将营业执照识别模块和许可证号识别模块输出的识别结果相对应地融合，利用许可证号识别处理的识别结果，为营业执照识别处理识别出的许可证号纠错。

进一步的，所述步骤1具体包括如下子步骤：

步骤1.1：对输入图像进行规范化处理，通过平移、缩放等几何仿射变换将图像调整到同一尺寸，其中，仿射变换的表达式为：

其中，(u,v)表示输入图像中像素的坐标，T为变换矩阵，可将输入像素点映射到输出图像中的不同位置，(x,y)表示原始像素点(u,v)经过变换矩阵T处理后的在输出图像中的像素坐标；将上式展开可得：