(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210826332.X (22)申请日 2022.07.13 (71)申请人 上海泽高电子 工程技术股份有限公 司 地址 200444 上海市宝山区园丰路69号 4幢 301室 (72)发明人 不公告发明人 　 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种百米标数字识别方法 (57)摘要 本发明涉及一种百米标数字识别方法， 包括 以下步骤： 图像采集设备采集关于百米标的图 像， 对图像进行预处理； 训练目标检测网络， 对百 米标图像进行目标检测， 获取百米标检测框； 利 用数字识别方法对目标检测框中的百米标数字 进行识别， 获取 百米标数字 。 权利要求书3页 说明书5页 附图2页 CN 115359451 A 2022.11.18 CN 115359451 A 1.一种百米标 数字识别方法， 其特 征在于， 包括以下步骤： 利用图像采集设备采集关于百米标的图像， 对图像进行 预处理； 训练目标识别网络， 对百米标图像进行识别， 获取 百米标检测框； 利用数字识别方法对目标识别检测框中的百米标 数字进行识别， 获取 百米标数字。 2.根据权利要求1所述的百米标数字识别方法， 其特征在于， 所述对关于百米标的图像 进行预处理， 包括： S21、 规则分幅裁剪： 通过图像采集设备采集的关于百米标的图像， 对图像进行规则分 幅裁剪， 确定图像裁剪位置的左下角坐标为通过图像采集设备采集的关于百米标的图像左 下角坐标， 右上角坐标为通过图像采集设备采集的关于百米标的图像中心点坐标， 所述变 换公式如下： 其中， (xmin,ymin)为原始图像左下角坐标， (xmax,ymax)为原始图像右上角坐标， (x'max, y'max)为规则分幅裁 剪处理后的图像右上角坐标。 S22、 去模糊处 理： 采用去模糊算法对裁 剪后的图像进行去模糊处 理， 具体步骤为： (1)设置对抗损失函数， 对抗损失函数计算公式如下： 其中， LGAN为对抗损失函数； 为网络； 为训练好的卷积神经网络； IB为原始图像。 (2)设置内容损失函数， 内容损失函数的计算公式如下： 其中， LX为内容损失函数， φi,j为网络中第i个最大池 化层之前的第j次卷积获得的特征 图， Wi,j和Hi,j为特征图的维度， IS是去模糊后的清晰图像； 为训练好的卷积神经网络； IB 为原始图像。 (3)定义总损失函数， 计算公式如下： L＝LGAN+λ·LX 其中， L为总损失函数， LGAN为对抗损失函数， LX为内容损失函数， λ为内容损失函数的参 数。 (4)采用运动轨迹随机生成方法， 对运动轨迹矢量进行子像素插值。 假设点扩散函数hT 服从生成分布 m个运动点扩散函数的集合HT被认为独立于 其计算 公式为：权　利　要　求　书 1/3 页 2 CN 115359451 A 2点扩散函数运动轨 迹计算公式如下： 其中， zT为图像， T为时间， λ为代 表量子效率的参数， θ1,…, θn为点扩散函数描述子 。 3.根据权利要求1所述的百米标数字识别方法， 其特征在于， 训练目标检测网络， 对百 米标图像进行识别， 获取 百米标检测框， 具体步骤为： S31、 采集百米标图像， 建立样本数据库， 包 含海量的百米标的图像； S32、 将样本数据库中的百米标图像按照10： 1的比例随机分为训练集和测试集， 再对训 练集中的百米标图像标注目标区域的边界框参数； S33、 建立目标检测网络， 并根据 标注好目标 区域边界框的百米标图像训练所述目标检 测网络， 不断调整网络的结构和参数， 直到训练参数满足要求； S34、 基于目标检测网络检测结果， 裁 剪目标检测矩形框 。 4.根据权利要求1所属的百米标数字识别方法， 其特征在于， 步骤2所述的训练好的目 标检测网络的结构如下： 目标检测网络包括卷积层、 最大池化层、 融合层、 上采样层、 目标检测层， 一共24层； 所述卷积层通过3 ×3和1×1的卷积核提取原始图像的基本特征， 步长为1； 所述最大池 化层采用最大池化的方法， 对 前一层进行最大采样， 滑窗大小为2 ×2， 步长为2； 所述融合层 将深层的特征图与浅层的特征图进行拼接， 同时学习深层和浅层的特征； 所述上采样层对 图像进行上采样； 所述目标检测层指 定缺口图像类别数等参数， 计算训练的平均损失值， 并 进行输出； 第0至11层为6个卷积核大小为3 ×3的所述卷积层， 每个所述卷积层 之后是所述最大池 化层； 第12至15层是4个所述卷积层， 卷积核大小分别为3 ×3、 1×1、 3×3、 1×1； 第16层是所 述目标检测层； 第17层是所述融合层， 拼接所述第13层的特征图； 第18层是卷积核大小为1 ×1的所述卷积层； 第19层是所述上采样层； 第20层是所述融合层， 将第19层的特征图与所 述第8层的特征图进行拼接； 第21至22层是两个卷积核大小分别为3 ×3、 1×1的所述卷积 层； 第23层是 所述目标检测层， 输出最后的检测结果。 5.根据权利要求1的百米标数字识别方法， 其特征在于， 所述数字识别方法， 具体步骤 为： S51、 图像灰度化。 具体 计算公式为： 其中， Igray为图像转换后的灰度图， 矩阵 为对应的彩色图像， Imn为该彩 色图像中第m行、 第n列对应的像素点， R、 G和B分别代表图符图像在RGB三个 色彩通道上的分权　利　要　求　书 2/3 页 3 CN 115359451 A 3