本發(fā)明專利技術(shù)公開一種基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別的方法及算法，S1，讀取火車票圖片；S2，二維碼區(qū)域二值化：將二維碼圖像進行二值化處理；S3，定位二維碼角點；S4，圖像傾斜校正；S5，確定身份證號碼字符位置；S6，基于輪廓的字符提取；S7，基于身份證號碼排列特征的字符篩選；S8，基于神經(jīng)網(wǎng)絡(luò)的字符識別：采用粒子群算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立改進的神經(jīng)網(wǎng)絡(luò)模型，利用經(jīng)過訓練的神經(jīng)網(wǎng)絡(luò)模型對字符進行識別。本發(fā)明專利技術(shù)通過采用對圖像和字符分開識別和驗證的方法，有效提高識別的精度，根據(jù)鳥類通過群體作業(yè)獲得最佳覓食路徑的原理和BP神經(jīng)網(wǎng)絡(luò)算法結(jié)合，改善BP神經(jīng)網(wǎng)絡(luò)算法收斂速度慢，提高整個算法的速度，進一步實現(xiàn)識別算法的精確度。的精確度。
【技術(shù)實現(xiàn)步驟摘要】
基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別的方法及算法
[0001]本專利技術(shù)涉及火車票領(lǐng)域，基體涉及基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別的方法及算法。
技術(shù)介紹
[0002]目前國內(nèi)火車站已全面實現(xiàn)購票實名制驗證和上車前火車票機器驗票，然而火車票機器驗票僅可以驗證該票的合法性，持票人是否與身份證和票相符，則要通過人工方法才能進行確認，浪費大量人力成本，同時具有勞動強度高和識別率低的缺點。隨著圖像識別技術(shù)的發(fā)展，基于圖像識別應用已日益廣泛。常見的包括支持向量機模型、高斯混合模型、基于紋理特征等圖像識別和特征提取算法，但由于技術(shù)復雜、環(huán)境多變等因素，傳統(tǒng)的支持向量機的圖像分類技術(shù)識別準確率不到50％。而部分學者研究將卷積神經(jīng)網(wǎng)絡(luò)結(jié)合推薦方法相完成圖像特征提取，準確度有提升但性能下降明顯。如何將圖像識別技術(shù)的算法進行改進提升識別的正確率的同時也不影響性能，成為研究熱點所在點。
[0003]中國專利公開了(申請?zhí)枮椋?02010211320.7，申請公布號為：CN111340035A)一種火車票識別方法、系統(tǒng)、設(shè)備以及存儲介質(zhì)，公開的技術(shù)特征為：獲取待識別的火車票的圖像；根據(jù)所述火車票的各種信息的位置，獲取所述圖像中的多個信息區(qū)域，并利用分類網(wǎng)絡(luò)獲取所述圖像中的多個文本框；利用第一識別網(wǎng)絡(luò)對每一個所述信息區(qū)域中的每一個字符分別進行識別以得到第一識別結(jié)果，并利用第二識別網(wǎng)絡(luò)對每一個所述文本框中的所有字符進行整體識別以得到第二識別結(jié)果；對所述第一識別結(jié)果和所述第二識別結(jié)果進行置信度對比以得到組合識別結(jié)果。
[0004]參考上述公開的中國專利一種火車票識別方法、系統(tǒng)、設(shè)備以及存儲介質(zhì)，發(fā)現(xiàn)以下缺陷：同一時間對不同的信息區(qū)域進行識別，沒有精準性區(qū)域細化分析，不能保證識別的精度，同時整個流程效率不高。
技術(shù)實現(xiàn)思路
[0005]本專利技術(shù)目的是針對上述不足之處，提供一種識別精度號，算法簡單可高并且提高識別效率的基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別的方法及算法。
[0006]本專利技術(shù)是這樣實現(xiàn)的：基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別方法，其特征在于：
[0007]S1，讀取火車票圖片:結(jié)合火車票的圖像特征，根據(jù)火車票的二維碼所在位置能夠精確地進行火車票定位；
[0008]S2，二維碼區(qū)域二值化：將二維碼圖像進行二值化處理；
[0009]S3，定位二維碼角點：通過尋找輪廓的方法，尋找圖形中的閉合的正方形輪廓，進行篩選，篩選出符合周長相等面積相似的輪廓，定位為角點；
[0010]S4，圖像傾斜校正：對圖像進行傾斜校正；
[0011]S5，確定身份證號碼字符位置：利用二維碼角點的位置，運用局部自適應閾值分割火車票票面的身份證號的矩形區(qū)域；
[0012]S6，基于輪廓的字符提取：在身份證號碼區(qū)域內(nèi)，進行輪廓檢測，根據(jù)檢測到的輪廓，得到每一個輪廓的外接矩形；針對得到的輪廓矩形圖形中的水平交叉點、垂直交叉點以及對角交叉點的特征項進行提取；
[0013]S7，基于身份證號碼排列特征的字符篩選；
[0014]S8，基于神經(jīng)網(wǎng)絡(luò)的字符識別：采用粒子群算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立改進的神經(jīng)網(wǎng)絡(luò)模型，然后利用經(jīng)過訓練的神經(jīng)網(wǎng)絡(luò)模型對字符進行識別。
[0015]所述二值化采用基于熵的圖像二值化方法，對圖像中的每一個灰度級分別求熵，選取使熵最大的灰度級作為分割圖像的閾值。
[0016]所述S2步驟中的二值化，采用基于熵的圖像二值化方法，對圖像中的每一個灰度級分別求熵，選取使熵最大的灰度級作為分割圖像的閾值。
[0017]所述S4圖像傾斜校正的方法如下：
[0018]當二維碼水平傾斜時，二維碼字符自身無錯切，只是二維碼與x軸成一定角度α，求出α，之后旋轉(zhuǎn)
?
α就可以完成二維碼校正；
[0019]當二維碼垂直傾斜時，二維碼區(qū)域同一行間像素存在錯位偏移，計算出錯位偏移β之后校正；
[0020]當二維碼混合傾斜時，先進行水平校正，之后垂直校正，所述水平校正、垂直校正的方法同上。
[0021]所述S5確定身份證號碼字符位置的方法如下：
[0022]S5
?
1，識別身份證號碼所在區(qū)域
[0023]身份證號碼所在區(qū)域用矩形RECT((L
x
,L
y
),(R
x
,R
y
))進行表示，其中，(L
x
,L
y
)為矩形的左上角坐標，(R
x
,R
y
)為矩形的右下角坐標，矩形頂點坐標采用公式(1)計算：
[0024][0025]式中，Δl
x
＝300pixs，Δl
y
＝10pixs，Δr
x
＝50pixs，Δr
y
＝40pixs；
[0026]S5
?
2分割單個身份證號所在的矩形區(qū)域；
[0027]采用局部自適應閾值分割火車票票面的身份證號碼。
[0028]所述S6中基于輪廓的字符提取方法如下：
[0029]對特征字符進行提取，針對字符中的水平交叉點、垂直交叉點以及對角交叉點的特征項進行提取，提取的特征項Feature使用公式(2)：
[0030]Feature＝[F1,F2,F3,F4,F5,F6,F7,F8,F9]??
(2)
[0031]公式中，F(xiàn)1、F2、F3分別代表了垂直5/12點位、垂直1/2點位以及7/1交叉點位對應的點數(shù)；F4、F5、F6分別代表了水平1/3點位、水平1/2點位以及水平2/3點位的對應點數(shù)；F7、F8、F9分別代表了左右兩側(cè)的對角線所對應的交點數(shù)和端點數(shù)。
[0032]所述S8中，采用粒子群算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合建立改進的神經(jīng)網(wǎng)絡(luò)模型的方法如下：
[0033]所述神經(jīng)網(wǎng)絡(luò)為BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、輸出層以及隱含層三層結(jié)構(gòu)；
[0034]提取火車票號的9個特征，因此BP模型參數(shù)設(shè)置為：輸入神經(jīng)神經(jīng)元數(shù)量N1＝9、根據(jù)Kolmogorov定理，隱含層神經(jīng)元數(shù)量N2＝2N1+1，則隱含層神經(jīng)元數(shù)量N2＝19和輸出神經(jīng)元數(shù)量N3＝1；
[0035]使用公式(3)獲取BP隱含層的輸出：
[0036][0037]公式(3)中，ε代表了神經(jīng)網(wǎng)絡(luò)輸出層的閾值；f代表網(wǎng)絡(luò)采用的激勵函數(shù)；c
j
代表了隱含層到輸出層各個神經(jīng)元的連接權(quán)重；b
j
代表了隱含層的輸出單元；基于公式(3)并引入公式(2)后，獲得公式(4)所代表的的隱含層神經(jīng)元的輸出為：
[0038][0039]公式(4)中，θ
j
和ω
ij
分別代表了隱含層的閾值和隱層與輸出層之間的連接權(quán)重值；
[0040]采用粒子群算法與神經(jīng)網(wǎng)絡(luò)算法結(jié)合，獲得神經(jīng)網(wǎng)絡(luò)的最優(yōu)隱含層閾值或輸出層的連接權(quán)重值；
[0041]所述粒子群算法中的粒子位置、離職變化速度計本文檔來自技高網(wǎng)...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別方法，其特征在于：S1，讀取火車票圖片:結(jié)合火車票的圖像特征，根據(jù)火車票的二維碼所在位置能夠精確地進行火車票定位；S2，二維碼區(qū)域二值化：將二維碼圖像進行二值化處理；S3，定位二維碼角點：通過尋找輪廓的方法，尋找圖形中的閉合的正方形輪廓，進行篩選，篩選出符合周長相等面積相似的輪廓，定位為角點；S4，圖像傾斜校正：對圖像進行傾斜校正；S5，確定身份證號碼字符位置：利用二維碼角點的位置，運用局部自適應閾值分割火車票票面的身份證號的矩形區(qū)域；S6，基于輪廓的字符提取：在身份證號碼區(qū)域內(nèi)，進行輪廓檢測，根據(jù)檢測到的輪廓，得到每一個輪廓的外接矩形；針對得到的輪廓矩形圖形中的水平交叉點、垂直交叉點以及對角交叉點的特征項進行提取；S7，基于身份證號碼排列特征的字符篩選；S8，基于神經(jīng)網(wǎng)絡(luò)的字符識別：采用粒子群算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，建立改進的神經(jīng)網(wǎng)絡(luò)模型，然后利用經(jīng)過訓練的神經(jīng)網(wǎng)絡(luò)模型對字符進行識別。2.根據(jù)權(quán)利要求1所述的基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別方法，其特征在于：所述S2步驟中的二值化，采用基于熵的圖像二值化方法，對圖像中的每一個灰度級分別求熵，選取使熵最大的灰度級作為分割圖像的閾值。3.根據(jù)權(quán)利要求1所述的一種火車票號識別方法，其特征在于：所述S4圖像傾斜校正的方法如下：當二維碼水平傾斜時，二維碼字符自身無錯切，只是二維碼與x軸成一定角度α，求出α，之后旋轉(zhuǎn)
?
α就可以完成二維碼校正；當二維碼垂直傾斜時，二維碼區(qū)域同一行間像素存在錯位偏移，計算出錯位偏移β之后校正；當二維碼混合傾斜時，先進行水平校正，之后垂直校正，所述水平校正、垂直校正的方法同上。4.根據(jù)權(quán)利要求1所述的基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別方法，其特征在于：所述S5確定身份證號碼字符位置的方法如下：S5
?
1，識別身份證號碼所在區(qū)域身份證號碼所在區(qū)域用矩形RECT((L
x
,L
y
),(R
x
,R
y
))進行表示，其中，(L
x
,L
y
)為矩形的左上角坐標，(R
x
,R
y
)為矩形的右下角坐標，矩形頂點坐標采用公式(1)計算：式中，Δl
x
＝300pixs，Δl
y
＝10pixs，Δr
x
＝50pixs，Δr
y
＝40pixs；S5
?
2分割單個身份證號所在的矩形區(qū)域；采用局部自適應閾值分割火車票票面的身份證號碼。
5.根據(jù)權(quán)利要求1所述的基于改進神經(jīng)網(wǎng)絡(luò)的火車票號識別方法，其特征在于：所述S6中基于輪廓的字符提取方法如下：對特征字符進行提取，針對字符中的水平交叉點、垂直交叉點以及對角交叉點的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉嫻，
申請(專利權(quán))人：南京機電職業(yè)技術(shù)學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。