[发明专利]一种基于手写文字识别的物流标签信息检测方法及系统

权利要求书

1.一种基于手写文字识别的物流标签信息检测方法，其特征在于，包括：

S11：从快递分拣传送带获取标签图像；

S12：对提取到的标签图像进行裁剪，去除标签信息区域图像边缘背景；

所述S12具体包括：

S121：测量出模板图像信息区域外侧矩形4个顶点位置坐标，同时测量出面单上寄/收件人姓名、地址、联系电话小矩形区域的多组顶点位置坐标；

S122：利用ORB特征检测算法将视频流中待检测标签与模板标签的特征点进行检测匹配，求出两幅图像之间的仿射变换矩阵；

S123：根据得到的仿射变换矩阵的逆矩阵求出模板标签上外侧矩形区域四个顶点位置坐标在待检测标签上对应的四个顶点坐标，得到具有一定倾斜角度的矩形待检测区域，对其进行剪裁；

S13：根据已求出的四个顶点坐标计算待检测标签的倾角及中心位置坐标，并以中心位置为中心转动倾角以校正倾角；

S14：对倾角校正后的待检测标签的标签信息区域图像做二值化与平滑处理，并利用得到的仿射变换矩阵H求出标签内侧矩形各顶点位置，按顶点位置进行剪裁获得每个分块标签，然后利用基于投影的切分算法提取出每个分块标签上的汉字字符，对汉字字符进行规整化处理，提取其特征，并对特征进行降维处理；

S15：构建修改的二次判别函数分类器MQDF和深度置信网络DBN的融合模型，融合模型的工作过程包括：训练、识别以及融合；

所述S15具体包括：

S151：训练阶段，利用手写汉字数据库中的汉字对MQDF和DBN同时训练，其中MQDF提取汉字梯度特征，DBN提取汉字层次特征；

S152：识别阶段，对于MQDF设置预设阈值T作为其分类识别可信度Rc的阈值并规定MQDF输出结果判定规则，对于DBN则直接进行分类输出；

S153：融合阶段，将两个分类器的识别部分调整到同一个可比较域中；

S16：利用融合模型对汉字字符逐一进行分类识别，获取每个汉字分类信息，并将分类好的汉字进行合并，获取连续文字表达信息；

S17：按每个单独信息区域划分将对应信息导入到标签信息管理系统中。

2.根据权利要求1所述的基于手写文字识别的物流标签信息检测方法，其特征在于，所述S122在检测匹配时，由于特征点间存在一定误匹配，采用消除误匹配的随机采样一致RANSAC算法消除匹配误差。

3.根据权利要求2所述的基于手写文字识别的物流标签信息检测方法，其特征在于，所述S122中的采用消除误匹配的随机采样一致RANSAC算法消除匹配误差具体包括：

S1221：将待检测标签与模板标签进行ORB特征检测与匹配，找出匹配特征点对坐标集合；

S1222：从以上特征点对坐标集合中随机抽出多对样本数据，然后带入多对样本点计算出仿射变换矩阵H的9个元素值，并记为模型M；

其中，H满足：

其中，(x，y)为模板标签上的匹配点坐标，(x’，y’)为待检测标签上的匹配点坐标，s为尺度参数；

S1223：设特征点对坐标集合中所有数据与模型M的投影误差为代价函数Q，若数据的代价函数值小于设定的阈值，则将该数据加入内点集I，内点集为受信任的坐标点对集合；

其中，代价函数Q的计算公式为：

S1224：如果当前内点集I元素的个数大于设定的最优内点集I_best,则更新I_best＝I，同时更新迭代次数k；

其中，p为置信度，w为内点的比例，m为计算模型所需要的最少样本数；

S1225：如果计算的迭代次数大于k，则退出；否则迭代次数加1，并重复上述，迭代次数在不大于最大迭代次数k的情况下，迭代次数加1；一旦大于最大迭代次数k，计算停止，迭代结束。

4.根据权利要求1所述的基于手写文字识别的物流标签信息检测方法，其特征在于，所述S123中的待检测标签上对应的四个顶点坐标计算方法如下：

其中，H为仿射变换矩阵，H^-1为H的逆矩阵。