【技术实现步骤摘要】
本专利技术涉及一种图像识别工具，具体是基于0cr的智慧识别工具。
技术介绍
1、0cr(图像识别技术)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，并用字符识别方法将形状翻译成计算机文字的过程。ocr图像识别技术属于人工智能领域，衡量一个ocr系统性能好坏的主要指标有：拒识率、误识率、识别速度、用户界面的友好性，产品的稳定性，易用性及可行性等。
2、目前市面上的图像识别技术，基本都基于原始图像质量高、大量数据进行训练学习，无法满足存储内存、识别失效等问题。主要归类为以下问题：受光线影响：在光线影响下，摄像头的感光能力会受到干扰，特别是白天不同阶段与晚上所需的模型不同，无法完全解决随机事件的影响。受限于图像效果：如果因外界干扰、图像质量较差(如图像模糊)等问题，造成图像识别时干扰性元素增加，可能会影响图像识别的精度。需要大量标注数据进行训练：许多深度学习算法需要大量的标注数据进行训练，才能达到较高的识别精度。但是，获取这些标注数据需要大量的人力、物力和时间。计算量大：图像识别算法通常需要进行大量的计算，需要高性能的计算机硬件支持，这限制了其在大规模数据集上的应用。为此，如何提高图像识别工具的识别效果与识别速度是目前急需解决的难题。
3、因此，本领域技术人员提供了基于0cr的智慧识别工具，以解决上述
技术介绍
中提出的问题。
技术实现思路
1、本专利技术的目的在于提供基于0cr的智慧识别工具，能够有效提高识别效果与识别速度，
2、为实现上述目的，本专利技术提供如下技术方案：
3、基于0cr的智慧识别工具，包括数据采集模块、预处理模块、特征提取与选择模块、分类决策模块、信息识别模块；
4、所述数据采集模块用于采集获取终端设备传送的待处理图像文件；所述预处理模块用于对待处理图像文件进行预处理，预处理包括增加待处理图形清晰度、调整图像角度、归一化处理；所述特征提取与选择模块用于对预处理后的图像文件相同特征信息进行提取与选择；所述分类决策模块用于获取待处理图像信息，对图像根据场景类型进行分类；所述信息识别模块用于将图像获取的归类及结果与图像识别信息库中原型模板进行匹配，输出待处理图像中的匹配识别结果。
5、作为本专利技术进一步的方案：所述预处理模块对待处理图像文件进行预处理的具体过程为：
6、将采集的图像大小归一化，并获取关于采集图像的光照强度参数；
7、基于光照强度参数判断采集图像是否出现光照异常，同时对光照异常图像进行异常类型分析；
8、对光照异常图像进行光照矫正；
9、对增加待处理图像清晰度后的图像文件进行描点定位，得到带有背景颜色的图像特征；
10、基于图像背景颜色集合对图像进行图像分割。
11、作为本专利技术再进一步的方案：所述特征提取与选择模块在对预处理后的图像文件相同特征信息进行提取与选择前需对图像文件进行再处理，具体如下：
12、基于光照矫正图像的图像分割识别结果，调用对应的遮挡剔除算法对待识别物体的图像特征清除遮挡信息；
13、调用对应的背景溅出算法对待识别物体的图像特征进行去背景的减除操作，并利用各待识别物体的图像特征组成特征向量。
14、作为本专利技术再进一步的方案：所述特征提取与选择模块对预处理后的图像文件相同特征信息进行提取与选择的具体过程为：
15、(1)特征分类∶物理特征、结构特征、数学特征；
16、(2)特征形成︰根据被识别的图像产生出一组基本特征，这样产生的特征叫做原始特征；
17、(3)特征提取︰通过映射的方法用低维空间表示样本，映射后的二次特征是原始特征的线性组合；
18、(4)特征选择︰从一组特征中挑选出一定数量最有效的特征以达到降低特征空间维数。
19、作为本专利技术再进一步的方案：所述分类决策模块对图像根据场景类型进行分类的具体过程为：
20、对光照矫正图像进行预处理，具体为：确定差分算子，进行邻域内的灰度差分，得到差分灰度图；确定颜色色差阀门值，利用色差阀门值将差分灰度图中的待识别图像区域与背景颜色分离；
21、确定图像中每一个背景颜色区域像素点像素值所属的像素值区间，基于每一个像素点像素值所属的像素值区间和预设的像素值区间标识信息对应关系得到第一像素标识信息序列。
22、作为本专利技术再进一步的方案：所述第一像素标识信息序列的具体得到过程为：
23、确定预先划分的多个连续的像素值区间，并确定第一区域中每一个像素点像素值所属的像素值区间；
24、基于像素值区间对第一区域像素点进行分割，得到至少一个第一像素点像素值串，且任意两个相邻第一像素点像素值串中的像素点像素值所属的像素值区间不同；
25、将每一个所述第一像素点像素值串的像素标识信息进行排序得到对应的第一像素标识信息序列。
26、作为本专利技术再进一步的方案：所述信息识别模块将图像获取的归类及结果与图像识别信息库中原型模板进行匹配的具体过程为：
27、获取待识别物体的图像特征，基于卷积算法对图像特征进行特征提取，得到中间特征矩阵；
28、对中间特征矩阵进行排序重组，得到后置特征矩阵；
29、基于卷积算法对后置特征矩阵进行特征提取，得到图像特征集合；
30、将图像特征集合与图像识别信息库中原型模板进行匹配。
31、作为本专利技术再进一步的方案：所述输出的待处理图像中的匹配识别结果通过移动端和电脑端进行展示，同时支持手动调整识别结果，以保证识别结果的准确性。
32、与现有技术相比，本专利技术的有益效果是：
33、1、自动化和节省成本，图像识别技术能够自动处理大量图像，并自动增加图像可识别性，减少人工干预成本和错误率，提高工作效率与识别速度。
34、2、实时性和精准度，图像识别能够通过实时处理获取实时数据，与人工处理相比，大大提升识别的准确率和识别效果。
35、3、扩展性和智能化，图像识别技术能够通过多种算法和模型实现不断升级和扩展，不同领域的需求也能够更好地得到满足。
本文档来自技高网...【技术保护点】
1.基于0CR的智慧识别工具，其特征在于，包括数据采集模块、预处理模块、特征提取与选择模块、分类决策模块、信息识别模块；
2.根据权利要求1所述的基于0CR的智慧识别工具，其特征在于，所述预处理模块对待处理图像文件进行预处理的具体过程为：
3.根据权利要求2所述的基于0CR的智慧识别工具，其特征在于，所述特征提取与选择模块在对预处理后的图像文件相同特征信息进行提取与选择前需对图像文件进行再处理，具体如下：
4.根据权利要求3所述的基于0CR的智慧识别工具，其特征在于，所述特征提取与选择模块对预处理后的图像文件相同特征信息进行提取与选择的具体过程为：
5.根据权利要求4所述的基于0CR的智慧识别工具，其特征在于，所述分类决策模块对图像根据场景类型进行分类的具体过程为：
6.根据权利要求5所述的基于0CR的智慧识别工具，其特征在于，所述第一像素标识信息序列的具体得到过程为：
7.根据权利要求6所述的基于0CR的智慧识别工具，其特征在于，所述信息识别模块将图像获取的归类及结果与图像识别信息库中原型模板进行匹配的具体
8.根据权利要求1所述的基于0CR的智慧识别工具，其特征在于，所述输出的待处理图像中的匹配识别结果通过移动端和电脑端进行展示，同时支持手动调整识别结果，以保证识别结果的准确性。
...【技术特征摘要】
1.基于0cr的智慧识别工具，其特征在于，包括数据采集模块、预处理模块、特征提取与选择模块、分类决策模块、信息识别模块；
2.根据权利要求1所述的基于0cr的智慧识别工具，其特征在于，所述预处理模块对待处理图像文件进行预处理的具体过程为：
3.根据权利要求2所述的基于0cr的智慧识别工具，其特征在于，所述特征提取与选择模块在对预处理后的图像文件相同特征信息进行提取与选择前需对图像文件进行再处理，具体如下：
4.根据权利要求3所述的基于0cr的智慧识别工具，其特征在于，所述特征提取与选择模块对预处理后的图像文件相同特征信息进行提取与选择的具体过程为：
【专利技术属性】
技术研发人员：刘晓龙，孙强，刘新语，陈洋洋，陆昕雨，
申请(专利权)人：中通服和信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。