為滿足自動化采集卷煙零售數(shù)據(jù)需求,提出了一種基于深度學(xué)習(xí)的卷煙牌號識別方法。首先設(shè)計一種卷煙檢測模型,檢測卷煙在圖像中的位置和姿態(tài),并通過姿態(tài)矯正生成卷煙正向圖像;其次構(gòu)建卷煙特征提取模型,提取卷煙正向圖像的特征;最后生成歐式距離閾值,通過閾值在卷煙特征庫檢索出與待識別特征最相符的卷煙特征,由卷煙特征與卷煙牌號的對應(yīng)關(guān)系得出待識別特征的卷煙牌號。以廣西南寧市若干卷煙零售店為例進(jìn)行測試,結(jié)果表明:對卷煙牌號的識別準(zhǔn)確率達(dá)到98.0%。說明所建卷煙牌號識別方法可滿足卷煙零售數(shù)據(jù)自動化采集的需求,具備良好的泛化性能。 

【文章來源】：煙草科技. 2020,53(12)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

卷煙牌號識別系統(tǒng)結(jié)構(gòu)圖

將卷煙牌號識別方法分成卷煙檢測、卷煙姿態(tài)矯正、卷煙特征提取和卷煙特征檢索4個部分，其中：卷煙檢測算法是基于Center Net思想設(shè)計的檢測模型，負(fù)責(zé)檢測卷煙在圖像中的位置和姿態(tài)，其他物體都認(rèn)為是背景；卷煙姿態(tài)矯正算法通過射影變換矯正卷煙姿態(tài)，生成卷煙的正向圖像；卷煙特征提取算法采用Darknet53作為特征提取網(wǎng)絡(luò)，負(fù)責(zé)提取卷煙正向圖像的特征；卷煙特征檢索算法通過歐式距離閾值從卷煙特征庫中檢索出與當(dāng)前特征對應(yīng)的卷煙特征和牌號信息，核心技術(shù)路線如圖2所示。2 算法設(shè)計

卷煙檢測任務(wù)包含卷煙的位置檢測和姿態(tài)檢測，其中位置檢測輸出卷煙的中心點位置pc(xc,yc）和卷煙包圍框的高度h與寬度w；姿態(tài)檢測輸出每盒卷煙4個角點的位置，分別為p1(x1,y1),p2(x2,y2),p3(x3,y3),p4(x4,y4），其中x1≥x2≥x3≥x4，卷煙檢測實例如圖3a所示。在卷煙檢測中，卷煙姿態(tài)信息具有重要作用，通過姿態(tài)矯正可以減少圖像背景或者其他卷煙局部圖像的干擾。如在圖3b中，由于兩盒卷煙靠得較近，如果只有卷煙位置檢測，那么卷煙檢測框中互相包含了相鄰卷煙圖像的一部分，將這些圖像直接送入卷煙特征提取網(wǎng)絡(luò)，易給卷煙特征提取網(wǎng)絡(luò)帶來二義性，不利于提升識別準(zhǔn)確率。2.1.2 卷煙檢測算法設(shè)計


本文編號：3346639