一种标识牌识别方法、装置、电子设备及存储介质与流程

本技术涉及图像识别和数字图像处理的，具体而言，涉及一种标识牌识别方法、装置、电子设备及存储介质。

背景技术：

1、光学字符识别(optical character recognition，ocr)是指利用相机、扫描仪等光学输入电子设备对票据、订单号、文本文件或其它载体上的字符进行拍摄或扫描，然后对拍摄或扫描后的图像文件进行数字化处理，得到文字信息的过程。

2、目前的识别标识牌的方式大都是采用光学字符识别(ocr)来进行识别的，具体例如：利用相机等光学输入电子设备对门牌号上的字符进行拍摄，然后，对拍摄或扫描后的图像文件进行数字化识别处理，获得识别结果。然而，在具体的实践过程中发现，相机拍摄的图像具有不同角度或不同环境，且门牌号的样式、颜色和形状均是不同的，这些门牌号的多样性和图像的多样性导致识别标识牌的准确率较低。

技术实现思路

1、本技术实施例的目的在于提供一种标识牌识别方法、装置、电子设备及存储介质，用于改善识别标识牌的准确率较低的问题。

2、本技术实施例提供了一种标识牌识别方法，包括：获取针对标识牌的多张待处理图像，多张待处理图像是具有相同的图片中心点的；从多张待处理图像识别出标识牌的检测矩形框；根据检测矩形框的矩形中心点与图片中心点之间的距离，对多张待处理图像进行筛选，获得筛选后的图像；对筛选后的图像进行光学字符识别，获得标识牌的文字识别结果。在上述方案的实现过程中，通过根据标识牌的检测矩形框的矩形中心点与该标识牌的多张待处理图像的图片中心点之间的距离，来对多张待处理图像进行筛选，并识别出筛选后的图像的文字识别结果，有效地减小了标识牌的多样性和多张待处理图像的多样性对识别结果的影响，从而提高了识别标识牌的准确率。

3、可选地，在本技术实施例中，从多张待处理图像识别出标识牌的检测矩形框，包括：使用神经网络模型对多张待处理图像进行目标识别，获得标识牌的检测矩形框。在上述方案的实现过程中，通过使用残差网络(resnet)或者区域卷积神经网络(rcnn)等神经网络模型对多张待处理图像进行目标识别，从而提高了图像目标识别的准确率。

4、可选地，在本技术实施例中，在从多张待处理图像识别出标识牌的检测矩形框之后，还包括：根据检测矩形框对待处理图像进行截取，获得标识牌的区域图像；对标识牌的区域图像进行光学字符识别，获得标识牌的区域识别结果；根据文字识别结果和区域识别结果确定标识牌的最终结果。在上述方案的实现过程中，通过对截取获得的标识牌的区域图像进行光学字符识别，并根据文字识别结果和标识牌的区域识别结果确定标识牌的最终结果，从而改善了对待处理图像进行全局识别的准确率较低的情况，有效地结合了全局图像识别的文字识别结果和局部区域识别的区域识别结果，提高了识别标识牌的准确率。

5、可选地，在本技术实施例中，根据文字识别结果和区域识别结果确定标识牌的最终结果，包括：从文字识别结果和区域识别结果筛选出置信度较高的识别结果；将置信度较高的识别结果确定为标识牌的最终结果。在上述方案的实现过程中，通过从文字识别结果和区域识别结果筛选出置信度较高的识别结果，并将置信度较高的识别结果确定为标识牌的最终结果，从而改善了将置信度较低的结果作为识别结果的情况，有效地提高了识别标识牌的准确率。

6、可选地，在本技术实施例中，将置信度较高的识别结果确定为标识牌的最终结果，包括：判断置信度较高的识别结果的置信度是否大于置信度阈值；若是，则将置信度较高的识别结果确定为标识牌的最终结果，否则，将标识牌的最终结果确定为识别失败。在上述方案的实现过程中，通过在置信度较高的识别结果的置信度大于置信度阈值的情况下，才将置信度较高的识别结果确定为标识牌的最终结果，从而改善了将置信度非常低(甚至低于置信度阈值)的结果作为识别结果的情况，有效地提高了识别标识牌的准确率。

7、可选地，在本技术实施例中，根据检测矩形框的矩形中心点与图片中心点之间的距离，对多张待处理图像进行筛选，包括：从多张待处理图像中筛选出检测矩形框的矩形中心点与图片中心点之间的距离小于预设阈值的至少一张待处理图像；或者，从多张待处理图像中筛选出检测矩形框的矩形中心点与图片中心点之间的距离最近的一张待处理图像。

8、在上述方案的实现过程中，通过从多张待处理图像中筛选出检测矩形框的矩形中心点与图片中心点之间的距离最近的一张待处理图像，从而改善了对矩形框的矩形中心点与图片中心点之间的距离较远的图像进行识别导致准确率较低的情况，有效地提高了识别标识牌的准确率。

9、可选地，在本技术实施例中，对筛选后的图像进行光学字符识别，包括：对筛选后的图像进行梯度校正，获得校正图像；按照预设角度将校正图像进行旋转，获得旋转图像；将校正图像和/或旋转图像铺满检测矩形框，获得铺满图像的矩形框；对铺满图像的矩形框进行光学字符识别。

10、本技术实施例还提供了一种标识牌识别装置，包括：处理图像获取模块，用于获取针对标识牌的多张待处理图像，多张待处理图像是具有相同的图片中心点的；检测矩形识别模块，用于从多张待处理图像识别出标识牌的检测矩形框；中心距离筛选模块，用于根据检测矩形框的矩形中心点与图片中心点之间的距离，对多张待处理图像进行筛选，获得筛选后的图像；光学字符识别模块，用于对筛选后的图像进行光学字符识别，获得标识牌的文字识别结果。

11、可选地，在本技术实施例中，检测矩形识别模块，包括：图像目标识别子模块，用于使用神经网络模型对多张待处理图像进行目标识别，获得标识牌的检测矩形框。

12、可选地，在本技术实施例中，标识牌识别装置，还包括：区域图像获得模块，用于根据检测矩形框对待处理图像进行截取，获得标识牌的区域图像；区域图像识别模块，用于对标识牌的区域图像进行光学字符识别，获得标识牌的区域识别结果；最终结果获得模块，用于根据文字识别结果和区域识别结果确定标识牌的最终结果。

13、可选地，在本技术实施例中，最终结果获得模块，包括：识别结果筛选子模块，用于从文字识别结果和区域识别结果筛选出置信度较高的识别结果；最终结果确定子模块，用于将置信度较高的识别结果确定为标识牌的最终结果。

14、可选地，在本技术实施例中，最终结果确定子模块，包括：识别结果判断单元，用于判断置信度较高的识别结果的置信度是否大于置信度阈值；识别结果确定单元，用于若置信度较高的识别结果的置信度大于置信度阈值，则将置信度较高的识别结果确定为标识牌的最终结果，否则，将标识牌的最终结果确定为识别失败。

15、可选地，在本技术实施例中，中心距离筛选模块，包括：第一图像筛选子模块，用于从多张待处理图像中筛选出检测矩形框的矩形中心点与图片中心点之间的距离小于预设阈值的至少一张待处理图像；或者，第二图像筛选子模块，用于从多张待处理图像中筛选出检测矩形框的矩形中心点与图片中心点之间的距离最近的一张待处理图像。

16、可选地，在本技术实施例中，光学字符识别模块，包括：图像梯度校正子模块，用于对筛选后的图像进行梯度校正，获得校正图像；校正图像旋转子模块，用于按照预设角度将校正图像进行旋转，获得旋转图像；图像铺满矩形子模块，用于将校正图像和/或旋转图像铺满检测矩形框，获得铺满图像的矩形框；图像矩形识别子模块，用于对铺满图像的矩形框进行光学字符识别。

17、本技术实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执行如上面描述的方法。

18、本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上面描述的方法。