一种集装箱箱号定位评测方法
【技术领域】
[0001]本发明涉及光学图像定位处理技术领域，尤其涉及一种集装箱箱号定位评测方法。
【背景技术】
[0002]随着集装箱船舶日趋大型化，而集装箱班轮又有较严格的船期要求，为保证船舶班期的准点率，需要集装箱码头尽快地完成集装箱货物装卸工作。而装卸过程中，技术人员主要依靠涂刷在箱体上的集装箱箱号来标识集装箱的身份归属。其中，每个集装箱均具有唯一的标识代码，通过对集装箱箱号的识别即可完成对集装箱的分辨识别工作。
[0003]目前，我国许多集装箱码头的堆场管理和装卸船管理均已实现计算机化；通常来说，集装箱箱号识别系统主要包括箱号图像预处理、箱号区域定位、箱号字符分割及箱号字符识别四个关键环节。然而值得注意的是，在对集装箱箱号区域进行定位的过程中，由于集装箱箱号区域图像较为复杂，因此往往难以达到准确的定位；而箱号区域定位一旦出现问题，则会导致后续步骤识别的困难，甚至出现识别不成功或识别错误的情况。
【发明内容】
[0004]本发明提供了一种集装箱箱号定位评测方法，该定位评测方法可对图像定位后的结果进行评测，从而确定是否需要对图像进行重新定位，最终可以减少因图像定位不准确而导致的集装箱箱号识别失败的可能性。
[0005]为解决上述技术问题，本发明采用了如下技术方案:
一种集装箱箱号定位评测方法，包括下述步骤:
S1:对集装箱箱号图像进行字符分割，形成训练识别样本；
S2:对训练识别样本进行网格分割，形成若干个具有相同尺寸的网格属性区域；
S3:统计每个网格属性区域内包含的像素点数量以及黑色像素点数量，将网格属性区域内包含的像素点数量以及黑色像素点数量保存为该网格属性区域对应的子定性映射簇；
整合训练识别样本中各网格属性区域对应的子定性映射簇，生成一个多维属性特征向量;
S4:将生成的多维属性特征向量输送给支持向量机；
根据支持向量机的算法对多维属性特性向量进行求解，并根据标准训练样本集对求解结果进行比对分析，确定训练识别样本中是否包含有噪声。
[0006]进一步的，所述定位评测方法，
在步骤SI后、步骤S2前还包括步骤Sll:对训练识别样本进行归一化处理，将训练识别样本转换成具有固定大小的二值图像。
[0007]进一步的，所述定位评测方法还包括，步骤SO:生成标准训练样本集。
[0008]较为优选的，形成的具有相同尺寸的网格属性区域中至少包含有4*4个像素点。
[0009]本发明提供了一种集装箱箱号定位评测方法，其中该定位评测方法包括有字符分割生成训练识别样本、网格分割训练识别样本、统计黑色像素点数量生成多维属性特征向量以及分析比对结果等步骤；通过上述步骤，该定位评测方法可以确定出集装箱箱号区域定位是否成功，并进一步引导识别系统进行后续识别操作或者更换定位技术进行重新定位。
【附图说明】
[0010]图1为本发明一种集装箱箱号定位评测方法的流程图。
【具体实施方式】
[0011]本发明提供了一种集装箱箱号定位评测方法，该定位评测方法可对图像定位后的结果进行评测，从而确定是否需要对图像进行重新定位，最终可以减少因图像定位不准确而导致的集装箱箱号识别失败的可能性。
[0012]下面结合下述附图对本发明实施例做详细描述。
[0013]本发明提供了一种集装箱箱号定位评测方法，如图1所示，该定位评测方法包括步骤S1:对集装箱箱号图像进行字符分割，形成训练识别样本。
[0014]首先对获得的集装箱箱号图像进行字符分割。具体的，根据获得的原始样本其图像清晰程度的不同，可采用如下两种字符分割方式。例如:当获取的集装箱箱号图像较为清晰时，可采用投影直方图的方法分割原始样本。值得注意的是，在原始样本的直方图中，字符与字符之间的间隙的像素个数与字符的像素个数呈现了一种波峰波谷的投影关系。因此，分析该投影直方图，选取直方图中高度小于某一阈值的“低谷”作为字符间的分割点，即可完成对原始样本的字符分割处理过程。此外，在采用投影直方图分割原始样本时，还应注意要保证横向箱号的分割间距大于箱号高度的一半，纵向箱号的分割间距大于箱号的宽度。
[0015]而当获取到的集装箱箱号图像较不清晰时，例如存在噪声、杂质与字符粘连时，可采用下述方式进行字符分割。举例来说，以原始样本中存在有信息的位置处作为起始点，以箱号高度的一半作为横向箱号进行分割，而纵向箱号按照类箱号区域的宽度进行分割。
[0016]除此之外，本领域技术人员可采用其他方式完成对集装箱箱号图像的字符分割处理从而形成训练识别样本，在此不做限定。
[0017]步骤S2:对训练识别样本进行网格分割，形成若干个具有相同尺寸的网格属性区域；
在完成步骤Si的基础上，进一步对训练识别样本进行网格分割。具体的，根据训练识别样本的大小选取采用合适的网格进行分割，将训练识别样本分割形成若干个具有相同尺寸的网格属性区域。举例来说，可依照习惯将训练识别样本按水平方向以及垂直方向分割为9行5列；形成的网格属性区域中优选至少包含有4*4个像素点(即至少包含有16个像素点)。
[0018]进一步的，在步骤SI之后、步骤S2之前，该定位评测方法还优选包括有步骤S11。步骤Sll具体为对训练识别样本进行归一化处理，将训练识别样本转换成具有固定大小的二值图像。值得注意的是，二值图像是指图像上的每一个像素只有两种可能的取值或灰度等级状态。通过归一化处理，可以简化集装箱箱号图像，排除色彩噪声可能对集装箱箱号图像造成的影响。
[0019]步骤S3:统计每个网格属性区域内包含的像素点数量以及黑色像素点数量，将网格属性区域内包含的像素点数量以及黑色像素点数量保存为该网格属性区域对应的子定性映射簇；
在完成步骤S2的基础上，进一步统计网格属性区域内包含的像素点数量以及黑色像素点数量。在统计完每个网格属性区域内包含的像素点数量以及黑色像素点数量后，将上述信息特征保存为该网格属性区域所对应的子定性映射簇；然后对上述多个子定性映射簇进行整合，从而生成一个多维属性特性的向量。需要说明的是，由于该多维属性特征向量是由子定性映射簇整合而来，而子定性映射簇又是保存有对应网格属性区域内的像素点数量以及黑色像素点数量信息；因此，多维属性特征向量事实上即反映了训练识别样本的特征信息。
[0020]步骤S4:将生成的多维属性特征向量输送给支持向量机；
根据支持向量机的算法对多维属性特性向量进行求解，并根据标准训练样本集对求解结果进行比对分析，确定训练识别样本中是否包含有噪声。
[0021]进一步在完成步骤S3的基础上，对多维属性特征进行支持向量机识别处理。具体的，首先将生产的多维属性特征向量输送给支持向量机；而后由支持向量机根据设定的算法对多维属性特性向量进行求解。在得到求解结果后，支持向量机将求解结果与标准训练样本集进行比对分析，最终确定训练识别样本的类别，例如:训练识别样本中是否属于噪声类；训练识别样本中包含的噪声类是否可以被优化删除等。
[0022]需要补充的是，作为本发明实施例的一种较为优选的实施方式，本定位评测方法还包括有步骤SO:生成标准训练样本集。具体的，可利用标准字符图像(数字、英文字符号等)以及标准噪声(仅包括集装箱箱体噪声信息，不包括任何字符信息)用来生成标准训练样本集。其中，生成过程与上述利用训练识别样本生成多维属性特征向量的过程相类似，在此不做赘述。
[0023]至此，利用本发明提供的一种集装箱箱号定位评测方法，判断出了集装箱箱号图像中是否具有噪声以及可能存在的噪声参数情况；而根据上述信息，识别系统或本领域技术人员可以进一步判断出是否需要对集装箱箱号图像进行重新定位等反馈处理，或者进行进一步的字符识别处理。
[0024]本发明提供了一种集装箱箱号定位评测方法，其中该定位评测方法包括有字符分割生成训练识别样本、网格分割训练识别样本、统计黑色像素点数量生成多维属性特征向量以及分析比对结果等步骤；通过上述步骤，该定位评测方法可以确定出集装箱箱号区域定位是否成功，并进一步引导识别系统进行后续识别操作或者更换定位技术进行重新定位。
[0025]以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
【主权项】
1.一种集装箱箱号定位评测方法，其特征在于，包括下述步骤: S1:对集装箱箱号图像进行字符分割，形成训练识别样本； S2:对训练识别样本进行网格分割，形成若干个具有相同尺寸的网格属性区域； S3:统计每个网格属性区域内包含的像素点数量以及黑色像素点数量，将网格属性区域内包含的像素点数量以及黑色像素点数量保存为该网格属性区域对应的子定性映射簇； 整合训练识别样本中各网格属性区域对应的子定性映射簇，生成一个多维属性特征向量; S4:将生成的多维属性特征向量输送给支持向量机； 根据支持向量机的算法对多维属性特性向量进行求解，并根据标准训练样本集对求解结果进行比对分析，确定训练识别样本中是否包含有噪声。
2.根据权利要求1所述的一种集装箱箱号定位评测方法，其特征在于，所述定位评测方法， 在步骤SI后、步骤S2前还包括步骤Sll:对训练识别样本进行归一化处理，将训练识别样本转换成具有固定大小的二值图像。
3.根据权利要求1所述的一种集装箱箱号定位评测方法，其特征在于，所述定位评测方法还包括，步骤SO:生成标准训练样本集。
4.根据权利要求1所述的一种集装箱箱号定位评测方法，其特征在于，形成的具有相同尺寸的网格属性区域中至少包含有4*4个像素点。
【专利摘要】本发明公开了一种集装箱箱号定位评测方法，涉及光学图像定位处理技术领域，该定位评测方法可对图像定位后的结果进行评测，从而确定是否需要对图像进行重新定位，最终可以减少因图像定位不准确而导致的集装箱箱号识别失败的可能性。一种集装箱箱号定位评测方法，包括有字符分割生成训练识别样本、网格分割训练识别样本、统计黑色像素点数量生成多维属性特征向量以及分析比对结果等步骤。
【IPC分类】G06K9-62, G06K9-32
【公开号】CN104657732
【申请号】CN201510098221
【发明人】张起坤, 张小庆, 张勋
【申请人】张起坤, 张小庆, 张勋
【公开日】2015年5月27日
【申请日】2015年3月6日