[发明专利]一种基于深度神经网络集装箱箱号检测方法

说明书

本发明公开了一种基于深度神经网络集装箱箱号检测方法，其包括有以下步骤：首先获取集装箱后侧的RGB图像，通过对包含箱号的集装箱图片输入到训练好的字符分割神经网络模型，得到箱号字符分割的图片集。然后对得到的图片集进行透视变换及二值化处理，然后输入到训练好的字符识别深度神经网络中，得到每个文字框中的文字信息。最后将获取到的文字信息进行筛选和组合进而得到准确的集装箱箱号。本发明能够快速、准确的得到集装箱箱号，实现更高的识别准确率和识别速率。

技术领域

本发明设计一种图像处理方法，属于图像处理技术领域，尤其是指一种基于深度神经网络集装箱箱号检测方法。

背景技术

随着科学技术的进步和国家进出口贸易的增加，物流运输行业处于逐年迅速发展和需求大量提升的环境，对集装箱的运输量也是逐年增加。对于集装箱来讲在海上运输起到重要的作用，在海运大力发展的同时，需要更加智能快速的方法获取到集装箱的箱号信息，从而对大规模集装箱能够实现集装箱的信息化、智能化和现代化。

集装箱箱号是每个集装箱的专有识别码，在集装箱的进出港口、海关和仓库等都需要。对于集装箱箱号自动识别更是对集装箱进行管理操作的基础。而现在的识别大多数是人工或者图像传统算法，对于集装箱箱号字符区域残缺等传统算法不能取得很好的结果，或者进行单字分割，进而识别单个字符，但是单个字符分割过程中会出现字符增多或减少，导致文本识别不准确。人工识别更是增加了人力成本。在这种背景下，基于深度神经网络集装箱箱号检测方法应运而生。

在现有技术中，有传统算法基于机器视觉的集装箱箱号，检测主要基于集装箱箱号的图像学信息，例如箱号图片的边缘检测、箱号文字特征、建立模板进行模板匹配等来实现对集装箱箱号进行定位识别。但是传统算法存在很大局限性和对集装箱环境要求较高，比如在利用箱号图片的边缘检测中，如果拍摄角度存在问题，就会使得集装箱箱号定位出现误差。并且在箱号识别中，使用传统OCR识别对集装箱去噪要求较高，并且识别效果较差，容易受到图片质量的影响。

随着深度学习在自然环境下文字检测技术的突破，在集装箱箱号定位出来之后，利用训练好的深度神经网络去识别。这样基于深度神经网络的箱号识别模型能够很好的识别出集装箱箱号，但是箱号定位仍然存在传统算法的缺陷。

深度神经网络文字精确定位的效果远优于传统的方法，但是基于深度神经网络端对端直接输入集装箱图片输出集装箱箱号虽然能较快输出集装箱箱号，但是由于端对端模型训练需要大量的集装箱数据和标注，不容易训练，并且其他数据集跟集装箱字符有较大差异。同时端对端直接获得集装箱箱号模型还存在着不容易对两个重要过程：集装箱箱号定位和集装箱箱号识别的分部调节。而端对端模型想对其中一个过程调节则可能会影响到另一个过程。

发明内容

针对上述方案存在的缺点，在集装箱箱号检测过程中，我们提出两个基于深度神经网络模型，一个是基于深度神经网络的集装箱文字定位模型，另一个基于深度神经网络的文字识别模型。首先用集装箱文字定位模型得到集装箱箱号所在的文本框位置，之后用透视变换把得到的图片角度校正，然后用文字识别模型得到集装箱文本信息。最后通过文本框的位置信息和文字信息得到集装箱箱号。使用这基于深度神经网络的集装箱箱号检测方法能够不受复杂的自然环境的影响，快速准确的识别箱号。

本发明是通过以下技术方案来实现的:

首先，本发明使用的整体框架是，先提出基于深度神经网络算法对集装箱箱号进行定位，然后利用基于深度神经网络算法对集装箱箱号进行识别，最后通过识别得到的箱号信息来对筛选得到集装箱箱号，提高集装箱箱号的定位识别的效率和准确度。

(1)本发明提出的基于深度神经网络的集装箱箱号定位和识别算法，并非单指某一种算法，而包括所有的基于深度神经网络的模型，对集装箱箱号识别定位只要基于深度神经网络，都受到该专利的保护。

所指的基于深度神经网络的集装箱箱号定位方法是指：