一种基于深度学习的特写图识别方法及系统技术方案

本发明专利技术公开了一种基于深度学习的特写图识别方法及系统，所述方法包括：将待区分的拼图拆分成待区分的原始子图组；将所述原始子图组输入训练好的分类模型中，判断每张原始子图是否为特写图。其中，分类模型的训练步骤包括：采集拼图原图；根据所述拼图原图，将每组原始子图中的每张子图分为不同的类别；根据每组原始子图中的每张子图，得到训练好的分类模型。本发明专利技术可以快速有效地对违法证据链中的特写图进行识别，鲁棒性高、效果好，基于gpu或npu的模型计算速度快，且能顺利处理不同张数特写图的场景。的场景。的场景。

【技术实现步骤摘要】
一种基于深度学习的特写图识别方法及系统


[0001]本专利技术涉及图像处理和深度学习
，特别是一种基于深度学习的特写图识别方法及系统。

技术介绍

[0002]在实际应用如交通违法证据图片审核中，各地不同设备、不同违法类别设定的制造违法证据拼图的规则不一样，其中大部分设备会在拼图里提供1到5张特写证据子图(少部分甚至没有特写图)，而剩下的子图则组成了按时间顺序排列的违法证据图片流。特写图可以提供帮助找到违法车辆、识别违法车辆车牌号等功能，剩下的子图则提供判断违法过程逻辑、补充识别车牌等信息的功能。显然，误插入时间顺序子图证据链的特写图，或者误识别为特写图的非特写图，会导致智能审核算法得出不正确的结果。因此，需要在对拼图拆分后的原始子图里准确区分出特写图与非特写图。
[0003]对于此类问题，传统方法一般使用传统的图像处理算法，如计算图片特征如HOG、HARR等来判断相似度、使用SIFT特征来匹配关键点，或者甚至统计特写图分布来给出经验位置等。
[0004]但是传统方法准确率低，局限性强，需要调整大量经验性参数，全部需要强假设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的特写图识别方法，其特征在于，包括：将待区分的拼图拆分成待区分的原始子图组；将所述原始子图组输入训练好的分类模型中，判断每张原始子图是否为特写图。2.根据权利要求1所述的方法，其特征在于，所述分类模型的训练步骤包括：采集拼图原图；根据所述拼图原图，将每组原始子图中的每张子图分为不同的类别；根据每组原始子图中的每张子图，得到训练好的分类模型。3.根据权利要求2所述的方法，其特征在于，所述采集拼图原图包括：采集来自各种设备的不同拼图与特写模式的白天、夜间违法证据链图片拼图原图。4.根据权利要求2所述的方法，其特征在于，所述根据所述拼图原图，将每组原始子图中的每张子图分为不同的类别，包括：将每个所述拼图原图均拆成一组原始子图；通过人工标注将每组原始子图中所有原始子图分为不同的类别。5.根据权利要求4所述的方法，其特征在于，通过人工标注将每组原始子图中所有原始子图分为不同的类别，包括：若原始子图为特写图类，则其对应的类别标注为0；若原始子图为非特写图类，则其对应的类别标注为1。6.根据权利要求5所述的方法，其特征在于，所述根据每组原始子图中的每张子图，得到训练好的分类模型，包括：当每组原始子图中的原始子图数量不足8张时，用全黑假子图填充；将每组原始子图中的每张子图均缩放到固定尺寸，然后依...

【专利技术属性】
技术研发人员：阚欣，
申请(专利权)人：成都臻识科技发展有限公司，
类型：发明
国别省市：