[发明专利]一种基于深层特征和浅层特征融合的字符识别方法及存储介质在审
| 申请号： | 201710741294.7 | 申请日： | 2017-08-23 |
| 公开（公告）号： | CN107688784A | 公开（公告）日： | 2018-02-13 |
| 发明（设计）人： | 张冬青;蔡滨海;刘坤朋;郑杭;张木连 | 申请（专利权）人： | 福建六壬网安股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 福州市景弘专利代理事务所(普通合伙)35219 | 代理人： | 吕元辉,林祥翔 |
| 地址： | 350015 福建省福州市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深层特征和浅层特征融合的字符识别方法及存储介质，通过训练卷积神经网络模型，来检测待识别图像的深层特征，并综合浅层特征进行分析，实现对待识别图像上字符的识别和分类。相较于只通过浅层特征(较为明显的特征，可以由人眼判断得出)来识别图像字符的方式，深层特征识别的引入，可以有效增加对待识别图像上字符的识别率。本发明创造性地将深层特征和浅层特征的识别相结合，提供一种鲁棒的车牌字符方法来改善监控环境下车牌字符识别的鲁棒性，有效提高了车牌识别的准确率。 | ||
| 搜索关键词： | 一种 基于 深层 特征 融合 字符 识别 方法 存储 介质 | ||
【主权项】：
一种基于深层特征和浅层特征融合的字符识别方法，其特征在于，所述方法包括：接收若干训练图像，并根据训练图像训练深层特征提取卷积神经网络模型，所述训练图像包括一个或多个字符，每一训练图像对应一标识信息；根据训练完成的深层特征提取卷积神经网络模型提取每一训练图像的深层特征；接收训练图像的浅层特征，并将训练的浅层特征与其对应的深层特征进行融合，得到该训练图像对应的全特征；根据各个训练图像的全特征以及其对应的标识信息训练支持向量机，得到一个鲁棒的全特征分类模型；提取待识别图像的深层特征和浅层特征，并将提取的深层特征和浅层特征输入全特征分类模型，输出待识别图像对应的分类结果。
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福建六壬网安股份有限公司，未经福建六壬网安股份有限公司许可，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/patent/201710741294.7/，转载请声明来源钻瓜专利网。
