基于深度学习的卷烟牌号识别方法

发布时间：2021-08-16 23:59

　　为满足自动化采集卷烟零售数据需求,提出了一种基于深度学习的卷烟牌号识别方法。首先设计一种卷烟检测模型,检测卷烟在图像中的位置和姿态,并通过姿态矫正生成卷烟正向图像;其次构建卷烟特征提取模型,提取卷烟正向图像的特征;最后生成欧式距离阈值,通过阈值在卷烟特征库检索出与待识别特征最相符的卷烟特征,由卷烟特征与卷烟牌号的对应关系得出待识别特征的卷烟牌号。以广西南宁市若干卷烟零售店为例进行测试,结果表明:对卷烟牌号的识别准确率达到98.0%。说明所建卷烟牌号识别方法可满足卷烟零售数据自动化采集的需求,具备良好的泛化性能。 

【文章来源】：烟草科技. 2020,53(12)北大核心CSCD

【文章页数】：8 页

【部分图文】：

卷烟牌号识别系统结构图

将卷烟牌号识别方法分成卷烟检测、卷烟姿态矫正、卷烟特征提取和卷烟特征检索4个部分，其中：卷烟检测算法是基于Center Net思想设计的检测模型，负责检测卷烟在图像中的位置和姿态，其他物体都认为是背景；卷烟姿态矫正算法通过射影变换矫正卷烟姿态，生成卷烟的正向图像；卷烟特征提取算法采用Darknet53作为特征提取网络，负责提取卷烟正向图像的特征；卷烟特征检索算法通过欧式距离阈值从卷烟特征库中检索出与当前特征对应的卷烟特征和牌号信息，核心技术路线如图2所示。2 算法设计

卷烟检测任务包含卷烟的位置检测和姿态检测，其中位置检测输出卷烟的中心点位置pc(xc,yc）和卷烟包围框的高度h与宽度w；姿态检测输出每盒卷烟4个角点的位置，分别为p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4），其中x1≥x2≥x3≥x4，卷烟检测实例如图3a所示。在卷烟检测中，卷烟姿态信息具有重要作用，通过姿态矫正可以减少图像背景或者其他卷烟局部图像的干扰。如在图3b中，由于两盒卷烟靠得较近，如果只有卷烟位置检测，那么卷烟检测框中互相包含了相邻卷烟图像的一部分，将这些图像直接送入卷烟特征提取网络，易给卷烟特征提取网络带来二义性，不利于提升识别准确率。2.1.2 卷烟检测算法设计


本文编号：3346639