[发明专利]轮胎文本的获取方法及装置、轮胎规格的检测方法在审
| 申请号: | 201910974900.9 | 申请日: | 2019-10-14 |
| 公开(公告)号: | CN110705560A | 公开(公告)日: | 2020-01-17 |
| 发明(设计)人: | 周康明;周佳敏 | 申请(专利权)人: | 上海眼控科技股份有限公司 |
| 主分类号: | G06K9/34 | 分类号: | G06K9/34;G06K9/62;G06T7/00;G06T7/10;G06N3/08 |
| 代理公司: | 44224 广州华进联合专利商标代理有限公司 | 代理人: | 曹瀚青 |
| 地址: | 200030 上海市徐汇*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 轮胎 文本 文本图像 分割结果 轮胎图像 残差 计算机可读存储介质 计算机设备 目标检测 文本识别 文本信息 点连接 检测 准确率 拟合 网络 合并 分割 申请 | ||
1.一种轮胎文本的获取方法,其特征在于,所述方法包括:
获取轮胎图像;
通过目标检测模型对所述轮胎图像进行检测,得到轮胎文本图像;
将所述轮胎文本图像输入至预先训练好的深度残差网络中,通过所述深度残差网络对所述轮胎文本图像进行分割,得到多个分割结果,并对所述多个分割结果进行合并,得到轮胎文本轮廓,其中,所述轮胎文本轮廓由轮胎文本周围的点连接而成;
对所述轮胎文本轮廓进行文本识别,得到轮胎文本信息。
2.根据权利要求1所述的方法,其特征在于,将所述轮胎文本图像输入至预先训练好的深度残差网络中,通过所述深度残差网络对所述轮胎文本图像进行分割,得到多个分割结果,并对所述多个分割结果进行合并,得到轮胎文本轮廓,包括:
对所述轮胎文本图像进行扩边,得到扩边后的轮胎文本图像;
将所述扩边后的轮胎文本图像输入至预先训练好的深度残差网络中,通过所述深度残差网络对所述轮胎文本图像进行分割,得到多个分割结果,并对所述多个分割结果进行合并,得到轮胎文本轮廓。
3.根据权利要求2所述的方法,其特征在于,对所述轮胎文本图像进行扩边,得到扩边后的轮胎文本图像,包括:
获取所述轮胎文本图像的边线;
根据预设的扩边值对所述轮胎文本图像的边线进行向外扩大,得到扩边后的初始轮胎文本图像,其中,所述扩边后的初始轮胎文本图像包括轮胎文本区域和扩充区域,所述轮胎文本区域对应于所述轮胎文本图像在所述扩边后的初始轮胎文本图像中的位置;
使用指定颜色对所述扩充区域进行填充,并将填充后的所述扩边后的初始轮胎文本图像确定为扩边后的轮胎文本图像。
4.根据权利要求1所述的方法,其特征在于,所述通过目标检测模型对所述轮胎图像进行检测,得到轮胎文本图像,包括:
通过目标检测模型对所述轮胎图像进行检测,得到多个第一候选区域;
对所述多个第一候选区域进行非极大值抑制,以在所述多个第一候选区域中选取多个无重叠关系的第二候选区域;
获取每个第二候选区域的置信度,将多个第二候选区域中置信度大于预设置信度阈值的第二候选区域,确定为轮胎文本图像。
5.根据权利要求1所述的方法,其特征在于,将所述轮胎文本图像输入至预先训练好的深度残差网络中,通过所述深度残差网络对所述轮胎文本图像进行分割,得到多个分割结果,并对所述多个分割结果进行合并,得到轮胎文本轮廓,包括:
将所述轮胎文本图像输入至预先训练好的深度残差网络中,通过所述深度残差网络提取所述轮胎文本图像中的语义特征,得到所述深度残差网络中每层网络对应的语义特征;
根据所述每层网络对应的语义特征对所述轮胎文本图像进行分割,得到多个分割结果;
根据渐进尺度扩展算法对所述多个分割结果进行合并,得到轮胎文本轮廓。
6.根据权利要求5所述的方法,其特征在于,根据渐进尺度扩展算法对所述多个分割结果进行合并,得到轮胎文本轮廓,包括:
获取所述多个分割结果的大小,其中,所述多个分割结果按照大小分为最小分割结果、第二小分割结果、第三小分割结果……最大分割结果;
将所述最小分割结果确定为初始化文本轮廓;
扫描所述第二小分割结果中的每个像素,根据扫描结果将所述第二小分割结果合并到所述初始化文本轮廓中,得到第一合并轮廓;
扫描所述第三小分割结果中的每个像素,根据扫描结果将所述第三小分割结果合并到所述第一合并轮廓中,得到第二合并轮廓;
……
以此类推,直到扫描所述最大分割结果中的每个像素,根据扫描结果将所述最大分割结果合并到上一合并轮廓中,得到轮胎文本轮廓。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海眼控科技股份有限公司,未经上海眼控科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910974900.9/1.html,转载请声明来源钻瓜专利网。





