公开(公告)号：CN109543688A

公开(公告)日：2019-03-29

申请号：CN201811350955.4

申请日：2018-11-14

Applicant: 北京邮电大学

Inventor： 袁学光 ,  张阳安 ,  吴剑岚

IPC: G06K9/34 ,  G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于多层卷积神经网络的水表读数检测与识别方法，包括：(1)输入水表图片；(2)采用多层检测网络获取读数区域的预测区域；(3)将读数区域进行分割；(4)采用多层识别网络对字符进行识别；(5)分析结果并输出。其中，所述步骤(2)中的多层检测网络包括多个二维卷积层和池化层的级联，并且将一些层的输出添加到网络的末端并进行非极大抑制；所述步骤(4)中的多层识别网络包括多个二维卷积层、池化层、flatten层和全连接层。技术方案网络结构简单，读数高效、准确，不易受外界因素干扰，便于在不同类型的水表上进行使用。

公开(公告)号：CN110689658A

公开(公告)日：2020-01-14

申请号：CN201910947944.2

申请日：2019-10-08

Applicant: 北京邮电大学

Inventor： 袁学光 ,  张阳安 ,  刘威良 ,  刘梦雅 ,  吴剑岚 ,  肖振宇

IPC: G07D7/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/34

Abstract: 一种基于深度学习的出租车票据识别方法及系统，系统包括能够与移动终端或者用户计算机通信的服务器或者包括带有摄像头的嵌入式终端，用于实现基于深度学习的出租车票据识别方法。方法包括将经过预处理的出租车票据图像输入至神经网络模型中，识别出所述出租车票据上的信息。神经网络模型包括单张图片多框识别深度学习网络和卷积循环神经网络两部分，使用单张图片多框识别深度学习网络识别出租车票据的信息区域，并对信息区域进行分割得到对应多种信息的信息图片；使用卷积循环神经网络识别所述信息图片中的信息。上述识别模型结构简单，识别准确率高，同时神经网络的训练数据准备方便，识别也迅速快捷，方便实现多人同时使用或者本地直接处理。