[发明专利]网点开关门状态识别方法、装置、电子设备及存储介质

说明书

本发明涉及图像检测技术，揭露了一种网点开关门状态识别方法，包括：获取多个网点的门图像及每张门图像对应的网点识别码；将网点识别码转化为网点标记字段，利用网点标记字段对与网点识别码对应的门图像进行标记，得到标记门图像集；对标记门图像集进行图像标准化和特征提取，得到图像特征集；将图像特征集进行双全连接处理，得到连接特征集；计算连接特征集中各连接特征的概率结果，根据概率结果生成多个网点开关门状态。此外，本发明还涉及区块链技术，所述门图像可存储于区块链的节点。本发明还提出一种网点开关门状态识别装置、电子设备以及计算机可读存储介质。本发明可以解决卷积神经网络对网点开关门状态识别准确率低的问题。

技术领域

本发明涉及图像检测技术领域，尤其涉及一种网点开关门状态识别方法、装置、电子设备及计算机可读存储介质。

背景技术

一般大型公司或企业会在全国设立多处办理业务的网点，但是公司或企业的出于运营管理需要，需知悉设立的每个网点每天的营业起止时间。

传统的统计网点营业起止时间做法是利用现有的网点开关门时所拍摄的图像训练卷积神经网络，以使得训练后的卷积神经网络可根据输入的图像对图像中网点开关门的状态进行识别，但现有卷积神经网络多采用二分类判别对图像中开关门状态进行判断，这种方法需要获取网点的门图像，并在图像中标注开门和关门两个状态，再利用标注好状态的图像来训练出判别开关门的卷积神经网络，但由于公司或企业设立的网点往往较多，且开关门状态的图像差异性较大，导致卷积神经网络很难对每个网点进行足够的拟合匹配，造成整体上判别准确率并不会太高。

发明内容

本发明提供一种网点开关门状态识别方法、装置及计算机可读存储介质，其主要目的在于解决卷积神经网络对网点开关门状态识别准确率低的问题。

为实现上述目的，本发明提供的一种网点开关门状态识别方法，包括：

获取多个网点的门图像集，所述门图像集包括多张门图像及每张门图像对应的网点识别码；

将所述网点识别码转化为网点标记字段，利用所述网点标记字段对与所述网点识别码对应的门图像进行标记，得到标记门图像集；

对所述标记门图像集进行图像标准化处理，得到标准门图像集；

对所述标准门图像集进行特征提取，得到图像特征集；

将所述图像特征集进行双全连接处理，得到连接特征集；

计算所述连接特征集中各连接特征的概率结果，根据所述概率结果生成多个网点开关门状态。

可选地，所述将所述网点识别码转化为网点标记字段，包括：

将所述网点识别码按照预设的顺序进行字段分割，得到分割字段；

对所述分割字段进行二进制编码，得到字段编码；

将所述字段编码按照所述顺序进行拼接，得到网点标记字段。

可选地，所述利用所述网点标记字段对与所述网点识别码对应的门图像进行标记，包括：

获取门图像集的图像附加字段；

将所述网点标记字段写入所述图像附加字段。

可选地，所述对所述标记门图像集进行图像标准化处理，得到标准门图像集，包括：

将所述标记门图像集中的图像进行尺寸归一化处理，得到初始门图像集；

将所述初始门图像集中的图像进行像素均值修正，得到标准门图像集。

可选地，所述将所述标记门图像集中的图像进行尺寸归一化处理，得到初始门图像集，包括：

获取所述标记门图像集中多张标记门图像的图像尺寸；