Giấy phép mảng công nhận nguyên tắc làm việc

By: Thâm Quyến TGW Công Nghệ Co., LTD

Các giấy phép mảng công nhận công nghệ là dựa trên các hình ảnh phân khúc, nhận dạng hình ảnh lý thuyết. Các công nghệ được sử dụng để phân tích hình ảnh có chứa một số tấm để xác định các vị trí của các tấm giấy phép và hơn nữa chiết xuất và nhận các văn bản ký tự.

MỘT điển hình giấy phép mảng công nhận quá trình bao gồm thu nhận hình ảnh, hình ảnh trước khi chế biến, giấy phép tấm định vị, nhân vật phân khúc, công nhận nhân vật, và kết quả đầu ra. Mỗi quá trình là bổ sung để mỗi khác. Tất cả các quá trình phải đảm bảo của nó hiệu quả cao và khả năng chống nhiễu cao. Chỉ bằng cách này có thể xác định các chế biến đạt được một thỏa đáng kết quả.

Có hai chính cách để thực hiện các giấy phép mảng công nhận hệ thống, một hình ảnh tĩnh công nhận, và các khác là năng động dòng video công nhận. Nhận dạng hình ảnh được giới hạn bởi các yếu tố chẳng hạn như chất lượng hình ảnh, giấy phép tấm hủy hoại, và tấm giấy phép nghiêng. Năng động dòng video công nhận yêu cầu nhanh hơn Tốc độ nhận dạng, đó là giới hạn bởi các các chỉ số hiệu suất của các bộ vi xử lý, đặc biệt là khi chúng tôi muốn để nhận ra thời gian thực giấy phép mảng công nhận trên điện thoại di động thiết bị đầu cuối, nó đòi hỏi nhiều hơn tối ưu hóa hiệu suất.

Mặc dù các giấy phép mảng công nhận bao gồm sáu Lớn Quá trình, cốt lõi thuật toán là chỉ nằm ở trong ba mô-đun: giấy phép tấm định vị, nhân vật phân khúc, và nhân vật công nhận.

Giấy phép tấm định vị

Các Chính Nhiệm vụ của giấy phép tấm định vị là để tìm thấy các khu vực của tấm giấy phép từ các vẫn còn hình ảnh hoặc video khung và riêng biệt tấm giấy phép từ các hình ảnh cho tiếp theo mô-đun xử lý chế biến. Giấy phép tấm định vị là một trong những yếu tố quan trọng mà ảnh hưởng đến hiệu suất hệ thống. Hiện nay, có rất nhiều cách để xác định vị trí tấm giấy phép, nhưng nói chung, họ có thể được chia thành hai phương pháp:

Đầu tiên, các phương pháp dựa trên đồ họa hình ảnh.

Có chủ yếu là (1) Màu sắc dựa trên nội địa hóa phương pháp, chẳng hạn như màu sắc cạnh thuật toán, màu khoảng cách và tương tự thuật toán, vv.; (2) Kết cấu dựa trên nội địa hóa phương pháp, chẳng hạn như wavelet kết cấu, ngang Gradient khác biệt kết cấu, vv.; (3) phát hiện cạnh dựa trên Định Vị phương pháp; (4) Định Vị phương pháp dựa trên toán học hình thức.

Các định vị phương pháp dựa trên đồ họa và hình ảnh công nghệ là dễ bị can thiệp gây ra bởi can thiệp từ bên ngoài Thông tin và gây ra định vị thất bại. Ví dụ, trong các màu sắc phân tích dựa trên định vị phương pháp, nếu các nền màu sắc của tấm giấy phép là tương tự như các màu sắc của các tấm giấy phép, nó là khó khăn để trích xuất các tấm giấy phép từ các nền. Trong các phương pháp dựa trên phát hiện cạnh, các vết bẩn trên các cạnh của các tấm giấy phép có thể dễ dàng gây ra các định vị thất bại. Sự can thiệp của can thiệp từ bên ngoài thông tin cũng sẽ đánh lừa các định vị thuật toán, gây ra các định vị thuật toán để tạo ra quá nhiều không-Giấy phép tấm ứng cử viên khu vực, làm tăng tải hệ thống.

Thứ hai, các phương pháp dựa trên máy học tập.

Máy học tập dựa trên phương pháp bao gồm tính năng kỹ thuật dựa trên định vị phương pháp và neural Network dựa trên định vị phương pháp. Cho ví dụ, chúng tôi có thể đào tạo một tấm giấy phép hệ thống định vị thông qua một kết nối phân loại dựa trên haar các tính năng được cung cấp bởi OpenCV. Nhưng phương pháp này là rất tốn thời gian để đào tạo, và hiệu quả của phân loại và định vị là cũng thấp. Do đó, trong các khu vực của mục tiêu nội địa hóa, thần kinh Mạng dựa trên phương pháp là chính thống phương pháp. Trong thần kinh Mạng dựa trên nội địa hóa phương pháp, convolutional neural Networks chủ yếu được sử dụng để tìm hiểu mục tiêu các tính năng. Bởi vì các convolutional neural Network có dịch bất biến, nó có thể được bổ sung với ứng cử viên khu vực trong các quá trình học tập và phân loại các ứng cử viên khu vực. Các ứng cử viên khu vực đó là một cách chính xác phân loại là các vị trí của các mục tiêu. Có rất nhiều thực hiện mô hình cho chẳng hạn phương pháp, chẳng hạn như RCNN, nhanh hơn RCNN, SSD, và như vậy.

Nhân vật phân khúc

Các nhiệm vụ của nhân vật phân khúc là để cắt mỗi nhân vật trong một đa-Cột hoặc đa-Dòng nhân vật hình ảnh từ các toàn bộ hình ảnh vào một nhân vật hình ảnh. Nhân vật truyền thống phân khúc thuật toán có thể được tóm tắt vào các sau đây hai loại: trực tiếp phân khúc phương pháp, phân khúc phương pháp dựa trên hình ảnh hình thái học. Trực tiếp phân khúc phương pháp là đơn giản, dựa trên một số trước khi kiến thức, chẳng hạn như các phân phối của tấm giấy phép nhân vật, và cũng hỗ trợ một số cơ bản chiếu thuật toán để đạt được phân khúc; các hình thái học dựa trên phân khúc Phương pháp sử dụng phát hiện cạnh, mở rộng và ăn mòn để xác định các nhân vật hình ảnh vị trí. Nhân vật truyền thống phân khúc thuật toán là cũng nhạy cảm với bên ngoài rối loạn, chẳng hạn như giấy phép tấm độ nghiêng, nhân vật bẩn, và độ bám dính. Các Chính xác phân khúc của tấm giấy phép nhân vật là rất quan trọng đối với nhân vật công nhận. Chỉ khi các phân khúc là chính xác có thể công nhận độ chính xác được đảm bảo. Với liên tục phát triển của neural Network Lý Thuyết, end-to-End hình ảnh phân loại và công nghệ nhận dạng có cũng được làm bằng tuyệt vời đột phá, rất nhiều phần mềm OCR dần dần có được thoát khỏi của các nhân vật truyền thống phân khúc chế biến, và đa-Nhân Vật trực tiếp được công nhận bởi công nhận mạng.

Công nhận nhân vật

Nhân vật công nhận là các quá trình của chiết xuất nhân vật mã hóa từ một hình ảnh có chứa một hoặc nhiều hơn nhân vật. Các điển hình phương pháp của nhân vật công nhận là các phương pháp của hình ảnh phân loại dựa trên máy học tập. Trong các hình ảnh phân loại phương pháp, một hình ảnh có thể chỉ đầu ra một phân loại, đó là, một hình ảnh có thể chỉ chứa một nhân vật hình ảnh. Điều này đòi hỏi một độ chính xác cao của nhân vật phân khúc. Một phương pháp nhận dạng là các End-to-end nhân vật phương pháp nhận dạng dựa trên một tái phát neural network. Phương pháp này đầu vào toàn bộ tấm giấy phép hình ảnh vào các mạng, và các thần kinh mạng sẽ trực tiếp đầu ra tất cả các ký tự. Các End-to-end phương pháp trực tiếp loại bỏ các nhân vật phân khúc quá trình và tránh sự mất mát của sự ổn định gây ra bởi các nhân vật phân khúc lỗi, nhưng các End-to-end phương pháp là cũng nhạy cảm với khác rối loạn chẳng hạn như giấy phép tấm nghiêng.

Chúng tôi một thời gian ngắn thảo luận một số công nghệ của ba phần cốt lõi của các giấy phép mảng công nhận hệ thống trên. Trong các theo dõi, chúng tôi sẽ làm cho một chi tiết cuộc thảo luận của một số chính thống công nghệ.