[发明专利]基于改进神经网络的火车票号识别的方法及算法

说明书

本发明公开一种基于改进神经网络的火车票号识别的方法及算法，S1，读取火车票图片；S2，二维码区域二值化：将二维码图像进行二值化处理；S3，定位二维码角点；S4，图像倾斜校正；S5，确定身份证号码字符位置；S6，基于轮廓的字符提取；S7，基于身份证号码排列特征的字符筛选；S8，基于神经网络的字符识别：采用粒子群算法与神经网络算法相结合，建立改进的神经网络模型，利用经过训练的神经网络模型对字符进行识别。本发明通过采用对图像和字符分开识别和验证的方法，有效提高识别的精度，根据鸟类通过群体作业获得最佳觅食路径的原理和BP神经网络算法结合，改善BP神经网络算法收敛速度慢，提高整个算法的速度，进一步实现识别算法的精确度。

技术领域

本发明涉及火车票领域，基体涉及基于改进神经网络的火车票号识别的方法及算法。

背景技术

目前国内火车站已全面实现购票实名制验证和上车前火车票机器验票，然而火车票机器验票仅可以验证该票的合法性，持票人是否与身份证和票相符，则要通过人工方法才能进行确认，浪费大量人力成本，同时具有劳动强度高和识别率低的缺点。随着图像识别技术的发展，基于图像识别应用已日益广泛。常见的包括支持向量机模型、高斯混合模型、基于纹理特征等图像识别和特征提取算法，但由于技术复杂、环境多变等因素，传统的支持向量机的图像分类技术识别准确率不到50％。而部分学者研究将卷积神经网络结合推荐方法相完成图像特征提取，准确度有提升但性能下降明显。如何将图像识别技术的算法进行改进提升识别的正确率的同时也不影响性能，成为研究热点所在点。

中国专利公开了(申请号为：202010211320.7，申请公布号为：CN111340035A)一种火车票识别方法、系统、设备以及存储介质，公开的技术特征为：获取待识别的火车票的图像；根据所述火车票的各种信息的位置，获取所述图像中的多个信息区域，并利用分类网络获取所述图像中的多个文本框；利用第一识别网络对每一个所述信息区域中的每一个字符分别进行识别以得到第一识别结果，并利用第二识别网络对每一个所述文本框中的所有字符进行整体识别以得到第二识别结果；对所述第一识别结果和所述第二识别结果进行置信度对比以得到组合识别结果。

参考上述公开的中国专利一种火车票识别方法、系统、设备以及存储介质，发现以下缺陷：同一时间对不同的信息区域进行识别，没有精准性区域细化分析，不能保证识别的精度，同时整个流程效率不高。

发明内容

本发明目的是针对上述不足之处，提供一种识别精度号，算法简单可高并且提高识别效率的基于改进神经网络的火车票号识别的方法及算法。

本发明是这样实现的：基于改进神经网络的火车票号识别方法，其特征在于：

S1，读取火车票图片:结合火车票的图像特征，根据火车票的二维码所在位置能够精确地进行火车票定位；

S2，二维码区域二值化：将二维码图像进行二值化处理；

S3，定位二维码角点：通过寻找轮廓的方法，寻找图形中的闭合的正方形轮廓，进行筛选，筛选出符合周长相等面积相似的轮廓，定位为角点；

S4，图像倾斜校正：对图像进行倾斜校正；

S5，确定身份证号码字符位置：利用二维码角点的位置，运用局部自适应阈值分割火车票票面的身份证号的矩形区域；

S6，基于轮廓的字符提取：在身份证号码区域内，进行轮廓检测，根据检测到的轮廓，得到每一个轮廓的外接矩形；针对得到的轮廓矩形图形中的水平交叉点、垂直交叉点以及对角交叉点的特征项进行提取；

S7，基于身份证号码排列特征的字符筛选；

S8，基于神经网络的字符识别：采用粒子群算法与神经网络算法相结合，建立改进的神经网络模型，然后利用经过训练的神经网络模型对字符进行识别。