喷涂类标识的识别方法、装置和电子设备制造方法及图纸

本公开公开了喷涂类标识的识别方法、装置和电子设备，涉及人工智能技术领域，尤其涉及文字识别、深度学习、智能交通、智能监控、智能停车等技术领域。具体实现方案为：获取第一图像，第一图像为包含第一标识的图像，第一标识为喷涂类标识；将第一图像输入至第一模型对第一标识进行识别，得到第一标识的第一识别结果；将第一图像输入至第二模型对第一标识进行识别，得到第一标识的第二识别结果；根据第一识别结果和第二识别结果，确定第一标识对应的字符串；其中，第一模型为使用具有喷涂类标识的图像集训练得到的模型，第二模型为使用通用的图像集训练得到的模型，通用的图像集的图像数量大于具有喷涂类标识的图像集的图像数量。数量大于具有喷涂类标识的图像集的图像数量。数量大于具有喷涂类标识的图像集的图像数量。

【技术实现步骤摘要】
喷涂类标识的识别方法、装置和电子设备


[0001]本公开涉及人工智能
，尤其涉及文字识别、深度学习、智能交通、智能监控、智能停车等
，具体涉及喷涂类标识的识别方法、装置和电子设备。

技术介绍

[0002]喷涂类标识在很多场景下均存在，喷涂类标识是通过喷涂的方式在物体的表面设置的标识。由于喷涂类标识的外观、喷涂部位等方面不一，且喷涂类标识容易被污损或容易被设置在物体表面的部件或标识进行干扰，因此，较难对喷涂类标识进行精准识别。

技术实现思路

[0003]本公开提供了一种用于喷涂类标识的识别方法、装置、电子设备、存储介质和计算机程序产品。
[0004]根据本公开的第一方面，提供了喷涂类标识的识别方法，包括：
[0005]获取第一图像，所述第一图像为包含第一标识的图像，所述第一标识为喷涂类标识；
[0006]将所述第一图像输入至第一模型对所述第一标识进行识别，得到所述第一标识的第一识别结果，所述第一识别结果包括第一字符串；
[0007]将所述第一图像输入至第二模型对所述第一标识进行识别，得到所述第一标识的第二识别结果，所述第二识别结果包括第二字符串；
[0008]根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符串；
[0009]其中，所述第一模型为使用具有喷涂类标识的图像集训练得到的模型，所述第二模型为使用通用的图像集训练得到的模型，所述通用的图像集的图像数量大于所述具有喷涂类标识的图像集的图像数量。
[0010]根据本公开的第二方面，提供了一种喷涂类标识的识别装置，包括：
[0011]获取模块，用于获取第一图像，所述第一图像为包含第一标识的图像，所述第一标识为喷涂类标识；
[0012]第一识别模块，用于将所述第一图像输入至第一模型对所述第一标识进行识别，得到所述第一标识的第一识别结果，所述第一识别结果包括第一字符串；
[0013]第二识别模块，用于将所述第一图像输入至第二模型对所述第一标识进行识别，得到所述第一标识的第二识别结果，所述第二识别结果包括第二字符串；
[0014]确定模块，用于根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符串；
[0015]其中，所述第一模型为使用具有喷涂类标识的图像集训练得到的模型，所述第二模型为使用通用的图像集训练得到的模型，所述通用的图像集的图像数量大于所述具有喷涂类标识的图像集的图像数量。
[0016]根据本公开的第三方面，提供了一种电子设备，包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
[0020]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
[0021]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1是根据本公开实施例的喷涂类标识的识别方法的流程图；
[0025]图2是根据本公开一实施例的根据编辑距离矩阵确定回溯路径的示意图；
[0026]图3是根据本公开一实施例的喷涂车牌标识识别的示意图；
[0027]图4是根据本公开实施例的喷涂类标识的识别装置的结构图；
[0028]图5是用来实现本公开实施例的喷涂类标识的识别方法的电子设备的框图。
具体实施方式
[0029]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0030]图1示出了本公开实施例提供的一种喷涂类标识的识别方法的流程图。如图1所示，该喷涂类标识的识别方法包括如下步骤：
[0031]步骤101：获取第一图像，所述第一图像为包含第一标识的图像，所述第一标识为喷涂类标识；
[0032]步骤102：将所述第一图像输入至第一模型对所述第一标识进行识别，得到所述第一标识的第一识别结果，所述第一识别结果包括第一字符串；
[0033]步骤103：将所述第一图像输入至第二模型对所述第一标识进行识别，得到所述第一标识的第二识别结果，所述第二识别结果包括第二字符串；
[0034]步骤104：根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符串；
[0035]其中，所述第一模型为使用具有喷涂类标识的图像集训练得到的模型，所述第二模型为使用通用的图像集训练得到的模型，所述通用的图像集的图像数量大于所述具有喷涂类标识的图像集的图像数量。
[0036]本公开实施例在于提供一种融合多个网络模型来实现喷涂类标识的识别。喷涂类标识的识别属于文字识别。喷涂类标识是通过喷涂的方式在物体的表面设置的标识。喷涂
类标识通常较难识别，原因有：喷涂类标识的外观不一，例如，喷涂类标识的字体、形状、大小、颜色等均不统一；喷涂类标识的喷涂部位不一，例如，喷涂类标识可喷涂于墙体、车体、幕布、树木、广告牌等物体表面；喷涂类标识容易被污损，例如油漆剥落、油漆老化等原因；喷涂类标识容易被设置在物体表面的部件或标识干扰，例如，喷涂类车牌容易被车体表面的边框、线条、栏杆等干扰。
[0037]多个网络模型包括第一模型和第二模型。
[0038]第一模型是使用具有喷涂类标识的图像集训练得到的模型，也就是说，第一模型是通过采集真实的数据进行训练的，第一模型是在喷涂类标识这个特定的业务场景上的数据训练而来的，因此，第一模型能够学习到有用的喷涂类标识的特征。由于真实训练数据的数据量一般为几万或更少，因此，第一模型虽然能够识别大部分喷涂类标识，具备一定的泛化性，但对于一些字体奇怪的字符或非字符背景干扰，容易误识别。也就是说，第一模型虽然能够学习到有用的特征并具有一定的泛化性，但第一模型往往会陷入局部最优。
[0039]第二模型是使用通用的图像集(即通用数据)训练得到的模型，由于通用数据的数据量一般为几十万或更多，第二模型通常能够很好地识别各种类型的字符和非字符背景干扰(或抵抗噪声)，因此，第二模型的泛化性和鲁棒性通常要比第一模型更强。然而，由于第二模型的训练数据为通用数据，可能并没有学习到喷涂类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种喷涂类标识的识别方法，包括：获取第一图像，所述第一图像为包含第一标识的图像，所述第一标识为喷涂类标识；将所述第一图像输入至第一模型对所述第一标识进行识别，得到所述第一标识的第一识别结果，所述第一识别结果包括第一字符串；将所述第一图像输入至第二模型对所述第一标识进行识别，得到所述第一标识的第二识别结果，所述第二识别结果包括第二字符串；根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符串；其中，所述第一模型为使用具有喷涂类标识的图像集训练得到的模型，所述第二模型为使用通用的图像集训练得到的模型，所述通用的图像集的图像数量大于所述具有喷涂类标识的图像集的图像数量。2.根据权利要求1所述的方法，其中，所述根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符串，包括：在所述第一字符串与所述第二字符串不同的情况下，确定所述第一字符串和所述第二字符串的相同字符，以及所述第一字符串和所述第二字符串的差异字符；确定所述差异字符中所需保留的字符；将所述相同字符和确定保留的字符所形成的字符串确定为所述第一标识对应的字符串。3.根据权利要求2所述的方法，其中，所述确定所述第一字符串和所述第二字符串的相同字符，以及所述第一字符串和所述第二字符串的差异字符，包括：根据编辑距离算法计算所述第一字符串与所述第二字符串之间的编辑距离矩阵；根据所述编辑距离矩阵，确定由所述第一字符串和所述第二字符串中的一者到另一者的目标编辑操作路径；根据所述目标编辑操作路径，确定所述第一字符串和所述第二字符串的相同字符，以及所述第一字符串和所述第二字符串的差异字符。4.根据权利要求3所述的方法，其中，所述目标编辑操作路径为由所述第一字符串变到所述第二字符串的最短编辑操作路径。5.根据权利要求2至4中任一项所述的方法，其中，所述第一识别结果还包括所述第一字符串的每个字符的置信度，所述第二识别结果还包括所述第二字符串的每个字符的置信度；所述确定所述差异字符中所需保留的字符，包括：根据所述差异字符的每个字符的置信度，确定所述差异字符中所需保留的字符。6.根据权利要求5所述的方法，其中，所述差异字符包括所述第一字符串中的第一字符和所述第二字符串中的第二字符；所述根据所述差异字符的每个字符的置信度，确定所述差异字符中所需保留的字符，包括：在所述第一字符和所述第二字符的置信度均大于或等于预设阈值的情况下，将所述第一字符和所述第二字符中置信度更大的字符确定为所需保留的字符。7.根据权利要求1所述的方法，其中，所述根据所述第一识别结果和所述第二识别结果，确定所述第一标识对应的字符信息，包括：
在所述第一字符串与所述第二字符串相同的情况下，将所述第一字符串或所述第二字符串确定为所述第一标识的字符串。8.根据权利要求1所述的方法，其中，所述第一标识包括喷涂车牌标识。9.根据权利要求8所述的方法，其中，所述获取第一图像，包括：获取第二图像，所述第二图像为车辆图像；检测所述第二图像的喷涂车牌标识区域；对所述第二图像的所述喷涂车牌标识区域进行裁剪，得到所述第一图像。10.根据权利要求1所述的方法，其中，所述第二模型为开源光学字符识别OCR系统的预训练模型。11.一种喷涂类标识的识别装置，包括：获取模块，用于获取第一图像，所述第一图像为包含第一标识的图像，所述第一标识为喷涂类标识；第一识别模块，用于将所述第一图像输入至第一模型对所述第一标识进行识别，得到所述第一标识的第一...

【专利技术属性】
技术研发人员：陈昭霏，彭炜，徐浩，闫晓广，
申请(专利权)人：阿波罗智行科技广州有限公司，
类型：发明
国别省市：