[发明专利]字符识别方法、装置、智能取餐柜、电子设备及存储介质在审

专利信息
申请号: 202011540674.2 申请日: 2020-12-23
公开(公告)号: CN112560845A 公开(公告)日: 2021-03-26
发明(设计)人: 祖春山 申请(专利权)人: 京东方科技集团股份有限公司
主分类号: G06K9/20 分类号: G06K9/20;G06N3/08
代理公司: 北京鼎佳达知识产权代理事务所(普通合伙) 11348 代理人: 任媛;刘铁生
地址: 100015 *** 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: 字符 识别 方法 装置 智能 取餐柜 电子设备 存储 介质
【权利要求书】:

1.一种字符识别方法,其特征在于,包括:

将待识别图像转化为标准格式图像;

确定所述标准格式图像中的字符区域;

基于轻量化字符识别神经网络识别出所述字符区域中的字符串。

2.根据权利要求1所述的方法,其特征在于,所述将待识别图像转化为标准格式图像,包括:

将待识别图像转化为符合预设颜色模式和/或预设图像尺寸的标准格式图像。

3.根据权利要求1所述的方法,其特征在于,所述确定所述标准格式图像中的字符区域,包括:

采用轻量化文本检测神经网络确定出所述标准格式图像中的字符区域。

4.根据权利要求3所述的方法,其特征在于,所述轻量化文本检测神经网络包括:

采用轻量级神经网络MobileNet作为主干网络的渐进式尺度扩展网络PSENet。

5.根据权利要求1所述的方法,其特征在于,所述基于轻量化字符识别神经网络识别出所述字符区域中的字符串,包括:

通过仿射变换从所述标准格式图像中提取包含所述字符区域的字符区域图像;

基于轻量化字符识别神经网络,从所述字符区域图像中识别出所述字符区域中的字符串。

6.根据权利要求5所述的方法,其特征在于,所述轻量化字符识别神经网络,包括:

轻量化卷积递归神经网络。

7.根据权利要求6所述的方法,其特征在于,所述轻量化卷积递归神经网络的输出层采用局部敏感哈希LSH编码。

8.根据权利要求1所述的方法,其特征在于,基于轻量化字符识别神经网络识别出的所述字符串包括多个;

所述方法,还包括:

从多个所述字符串中筛选得到符合当前应用场景约束条件的目标字符串。

9.根据权利要求8所述的方法,其特征在于,所述从多个所述字符串中筛选得到符合当前应用场景约束条件的目标字符串,包括:

采用正则表达式匹配、背景信息匹配和置信度匹配中的至少一种方式,从多个所述字符串中匹配得到符合当前应用场景约束条件的目标字符串。

10.一种字符识别装置,其特征在于,包括:

标准格式转换模块,用于将待识别图像转化为标准格式图像;

字符区域确定模块,用于确定所述标准格式图像中的字符区域;

字符串提取模块,用于基于轻量化字符识别神经网络识别出所述字符区域中的字符串。

11.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行以实现如权利要求1至9任一项所述的方法。

12.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至9任一项所述的方法。

13.一种智能取餐柜,其特征在于,包括:柜体,以及设于所述柜体上的图像采集装置和主控装置;其中,

所述图像采集装置和所述主控装置连接;

所述图像采集装置用于对取餐凭证进行图像采集以生成待识别图像,并将所述待识别图像发送给所述主控装置;

所述主控装置用于采用权利要求1至9任一项所述的方法从所述待识别图像中识别字符串以确定所述取餐凭证所记载的取餐码,并根据所述取餐码控制所述柜体中指定取餐位的柜门开启。

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东方科技集团股份有限公司,未经京东方科技集团股份有限公司许可,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/202011540674.2/1.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