[发明专利]一种级联分布式的人工智能箱号识别系统

说明书

本发明提出了一种级联分布式的人工智能箱号识别系统，包括：边缘计算检测设备，所述边缘计算检测设备自动检测进入视频区域的车辆，对车牌和箱号进行初步识别处理，如果待识别车辆的所有车牌及箱号的识别结果置信度均满足第一阈值，则直接以初步识别结果作为系统的最终识别结果；否则，将相关视频帧传输给云识别中心服务器；云识别中心服务器，利用SPSS神经网络模型进行深度学习，将深度学习输出的识别结果作为最终识别结果；所述SPSS神经网络模型包括输入层、3个卷积层、池化层、全连接层以及输出层；所述输入层接收相关视频帧图像，所述3个卷积层包括第一卷积层至第三卷积层，所述第一卷积层至第三卷积层的卷积核的个数分别为32、64、32，所述全连接层连接所有的特征，将输出值送给softmax分类器，所述输出层用于输出最终的识别结果。

技术领域

本发明所涉及的技术包括：人工智能边缘计算、视频/图像检测与识别、云服务、深度神经网络等技术领域，尤其涉及一种级联分布式的人工智能箱号识别系统。边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理，将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。视频识别主要通过前端视频信息的采集，采集到的视频流通过智能识别模块，对视频画面进行检测、识别、分析，对视频画面中的出现的物体做目标分析；图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术；云服务是一种基于网络相关服务的增加、使用和交互的模式，它可以通过互联网来提供动态、易扩展、虚拟化的资源；深度神经网络是机器学习领域的一种技术，相对于传统的神经网络而言，具有多个中间层。

背景技术

伴随着全球一体化的发展以及信息化和工业自动化进程的深入，很多现代信息技术都朝着智能化、网络化、自动化的方向发展，出现了一些大于实际生产与生活需要的现代信息技术集成式应用，在这种信息化创新的趋势下，物联网技术及人工智能的发展得到了较多的重视，随之而来的技术革新给很多行业的发展提供了高效的服务。

技术简介：

传统的箱号识别技术是基于图像识别(OCR)技术对图像进行识别，识别率偏低收外界干扰大；新兴的基于人工智能技术的视频流集装箱箱号识别系统虽然最终识别率高但是初始识别率低，识别率提升慢，同时对硬件资源要求高成本高。

如果为了提升箱号识别率，可以将待识别视频数据全部放在云端服务器进行深度学习，但是需要传输的数据量巨大，会产生较大的识别延迟，降低用于体验。

本发明基于边缘计算的集装箱箱号云识别系统，首先利用边缘计算检测设备进行初步识别，运用本发明提出的初步识别算法能够在初始识别率一般能达到92％-95％，如果识别结果置信度大于第一阈值，则直接输出识别结果，否则，将相关图像帧发送给云识别中心服务器进行处理，由于云识别中心服务器具有深度学习能力，识别率可以无限提升趋近100％。

本发明的创新性贡献一方面在边缘检测设备端首创性地提出了具有较高识别率的初步识别算法，能达到95％左右，另一方面在云识别中心服务器架构了基于SPSS神经网络模型进行深度学习，其中池化层和惩罚函数的设计使得系统具有极高的识别率，能无限接近于100％，由于边缘检测设备端具备极高的识别率，因此仅需将少量无法识别出的数据传输给云识别中心服务器，大大降低了边缘计算检测设备与云识别中心服务器之间数据的传输量和云识别中心服务器的压力，加快了整个系统的识别效率，提升了用户体验。

其中初步识别算法设计如下：初步识别包括：步骤1，对箱号位置区域进行检测，获得感兴趣区域；步骤2，对感兴趣区域内的图像进行图像增强，得到增强后的图像；步骤3，对增强后的图像的各个字符进行分割，获得分割后的M个字符；步骤4:依次对各个字符及字符模板提取特征向量，计算待识别字符与各模板向量之间的相似度，所述相似度计算公式表示为：