一种驾照日期数字识别方法及装置制造方法及图纸

本发明专利技术公开了一种驾照日期数字识别方法及装置，涉及字符和模式识别技术领域；方法包括获得驾照日期部分的待处理图像，输入基于先验知识的双CNN的识别网络获得每一位置的数字，识别网络包括依次连接的均值滤波器、第一CNN结构、第二CNN结构、第一全连接层、第二全连接层和输出层，两个CNN结构相同，两个全连接层相同，CNN结构包括依次连接的卷积层、最大池化层、卷积层和最大池化层，输出层添加有先验知识，先验知识包括年份的前三位为194至202中的任意一项、月份不超过12和日期不超过31；装置包括识别模块，其通过带有先验知识的双CNN的神经网络进行识别，实现驾照日期识别效率高、效果好。效果好。效果好。

【技术实现步骤摘要】
一种驾照日期数字识别方法及装置


[0001]本专利技术涉及字符和模式识别
，尤其涉及一种驾照日期数字识别方法及装置。

技术介绍

[0002]撰写人检索，检索式为TACD_ALL:((驾照OR驾驶证OR身份证)AND日期AND数字AND识别AND(先验OR知识))，获得较为接近的现有技术方案如下。
[0003]授权公告号为CN106874968B，名称为一种二代身份证真伪鉴别方法。包括如下步骤：一、输入：1)读取二代证芯片内的存储信息，2)CIS扫描身份证的两张正反图像；二、处理：1)关键要素识别，2)证件照识别，3)字符识别；三、输出：将步骤二中的所有识别汇总，得到身份证真伪信息。优点：1)没有使用汉字识别而使用的汉字比对。避免了汉字识别率低的问题；2)没有使用人脸识别，而使用了证件比对。避免了人很像，但实际不是一张照片的问题；3)快速，高效，鲁棒性佳。
[0004]授权公告号为CN108717543B，名称为一种发票识别方法及装置、计算机存储介质。方法包括：对发票图像进行文本识别处理，得到所述发票图像的文本识别结果；对所述发票图像的文本识别结果进行分行，得到至少一个文本行；基于所述至少一个文本行中每行包含的文本识别结果，确定所述发票图像中的条目对应的条目信息。
[0005]结合上述两篇专利文献和现有的技术方案，专利技术人分析现有技术方案并梳理如下：
[0006]近年来机器视觉行业发展迅速，机器视觉的硬件平台更新迭代加快，机器视觉也在各行各业得到广泛应用。图像识别是机器视觉的常见任务，而数字识别是图像识别的一个重要分支。伴随着计算机技术的飞速发展，模式识别技术也在不断创新，很多高校和企业研发工作者都在不断努力地开发新的技术和产品，模式识别在数字识别、机动车号牌识别、票据识别、名片识别等领域发挥着重要的作用，这其中最主要的应用就是字符识别。
[0007]在60年代初，这种早期的数字识别理论有了一些实际应用的产品，第一代产品是由NCR和IBM等公司分别研制的，它只能识别指定字体的印刷体数字、英文及部分字符，第二代产品出现在60年代中期，可对手写体进行识别，其中日本东芝公司研OCR产品应用于手写邮政编码的识别上，用于邮件的分拣工作，识别率高达92％，第三代产品就可以实现复杂环境和大篇幅文档识别了，1983年，日本东芝公司研究的OCR系统能够对日文汉字进行识别，识别率已经达到99.5％，识别速度最高可达100字/秒。
[0008]柴兰娟提出了一种利用分级RBF神经网络的车牌数字识别方法；Zhang Ping等人利用中线特征，点特征等组合起来识别数字字符；黄承清分别使用反向神经网络和Adaboost的分类方法来识别车牌中的数字字符；董立乾的主要工作是研究了利用蚁群算法进化神经树的手写字符识别技术；Meng Shi等人提出了利用梯度和曲率的方法来提高字符识别的效率；Anilkumar N Holambe等人用KNN的方法识别字符。
[0009]在过去的数十年中，研究者们提出了许多的识别方法，都取得了很高的识别率。这
些方法可以分为六类：模板匹配法、统计决策法(含几何分类法)、句法结构法、模糊判别法、逻辑推理(人工智能)法、神经网络法。
[0010]现有方法可一定程度上解决车辆驾照年份数字识别的问题，但是驾照上的其他纹理以及驾驶员在保管驾照过程中可能会出现其他污渍等，影响数字的识别，并且有时识别出来的数字不符合正常年月日规律；同时，原有的驾照年份数字识别采用的方法识别速度较低，在非专业设备上使用效率较低从而影响识别方法在现场的应用，鲁棒性不强，效果较差。
[0011]现有技术问题及思考：
[0012]如何解决驾照日期识别效率较低的技术问题。

技术实现思路

[0013]本专利技术所要解决的技术问题是提供一种驾照日期数字识别方法及装置，解决驾照日期识别效率较低的技术问题。
[0014]为解决上述技术问题，本专利技术所采取的技术方案是：一种驾照日期数字识别方法包括如下步骤，获得驾照日期部分的待处理图像，输入基于先验知识的双CNN的识别网络获得每一位置的数字，基于先验知识的双CNN的识别网络包括依次连接的均值滤波器、第一CNN结构、第二CNN结构、第一全连接层、第二全连接层和输出层，第一CNN结构与第二CNN结构相同，第一全连接层与第二全连接层相同，第一CNN结构包括依次连接的卷积层、最大池化层、卷积层和最大池化层，两个卷积层的结构相同，两个最大池化层结构相同，输出层添加有先验知识，先验知识包括年份的前三位为194至202中的任意一项、月份不超过12和日期不超过31。
[0015]进一步的技术方案在于：所述待处理图像的像素值为128x32，卷积层为3x3的卷积层，卷积层的自带激活函数为ReLU，最大池化层为2x2的最大池化层，输出层采用Softmax激活函数获得图像识别的分类。
[0016]进一步的技术方案在于：具体划分包括如下步骤，
[0017]S1添加有先验知识，对网络添加有先验知识；
[0018]S2图像采集，摄像头获得驾照带日期的页面图像，截取所述页面图像中的日期部分，获得待处理图像；
[0019]S3图像处理，将待处理图像输入识别网络获得每一位置数字的识别概率；
[0020]S4与先验知识对比，按年、月和日，对比每个数字位置的先验知识；去除不符合先验知识的结果，获得每一位置的数字。
[0021]进一步的技术方案在于：还包括步骤S4之后的如下步骤，S5显示识别结果，将与先验知识对比后概率最高的数字的识别结果展示。
[0022]一种驾照日期数字识别装置包括识别模块，用于获得驾照日期部分的待处理图像，输入基于先验知识的双CNN的识别网络获得每一位置的数字，基于先验知识的双CNN的识别网络包括依次连接的均值滤波器、第一CNN结构、第二CNN结构、第一全连接层、第二全连接层和输出层，第一CNN结构与第二CNN结构相同，第一全连接层与第二全连接层相同，第一CNN结构包括依次连接的卷积层、最大池化层、卷积层和最大池化层，两个卷积层的结构相同，两个最大池化层结构相同，输出层添加有先验知识，先验知识包括年份的前三位为
194至202中的任意一项、月份不超过12和日期不超过31。
[0023]进一步的技术方案在于：识别模块，还用于所述待处理图像的像素值为128x32，卷积层为3x3的卷积层，卷积层的自带激活函数为ReLU，最大池化层为2x2的最大池化层，输出层采用Softmax激活函数获得图像识别的分类。
[0024]进一步的技术方案在于：识别模块，还用于将待处理图像输入识别网络获得每一位置数字的识别概率，与先验知识对比，按年、月和日，对比每个数字位置的先验知识，去除不符合先验知识的结果，获得每一位置的数字。
[0025]进一步的技术方案在于：识别模块，还用于显示每一位置的数字。
[0026]一种驾照日期数字识别装置包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾照日期数字识别方法，其特征在于：包括如下步骤，获得驾照日期部分的待处理图像，输入基于先验知识的双CNN的识别网络获得每一位置的数字，基于先验知识的双CNN的识别网络包括依次连接的均值滤波器、第一CNN结构、第二CNN结构、第一全连接层、第二全连接层和输出层，第一CNN结构与第二CNN结构相同，第一全连接层与第二全连接层相同，第一CNN结构包括依次连接的卷积层、最大池化层、卷积层和最大池化层，两个卷积层的结构相同，两个最大池化层结构相同，输出层添加有先验知识，先验知识包括年份的前三位为194至202中的任意一项、月份不超过12和日期不超过31。2.根据权利要求1所述的一种驾照日期数字识别方法，其特征在于：所述待处理图像的像素值为128x32，卷积层为3x3的卷积层，卷积层的自带激活函数为ReLU，最大池化层为2x2的最大池化层，输出层采用Softmax激活函数获得图像识别的分类。3.根据权利要求1所述的一种驾照日期数字识别方法，其特征在于：具体划分包括如下步骤，S1添加有先验知识，对网络添加有先验知识；S2图像采集，摄像头获得驾照带日期的页面图像，截取所述页面图像中的日期部分，获得待处理图像；S3图像处理，将待处理图像输入识别网络获得每一位置数字的识别概率；S4与先验知识对比，按年、月和日，对比每个数字位置的先验知识；去除不符合先验知识的结果，获得每一位置的数字。4.根据权利要求3所述的一种驾照日期数字识别方法，其特征在于：还包括步骤S4之后的如下步骤，S5显示识别结果，将与先验知识对比后概率最高的数字的识别结果展示。5.一种驾照日期数字识别装置，其特征在于：包括识别模块，用于获得驾照日期部分的待处理图像，...

【专利技术属性】
技术研发人员：徐焕军，刘金龙，赵振远，徐蔚，王新颖，翟永杰，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：