本發(fā)明涉及圖像與信號(hào)處理、目標(biāo)識(shí)別領(lǐng)域，尤其涉及一種基于圖像與信號(hào)處理的卡片識(shí)別與計(jì)數(shù)方法。

背景技術(shù)：

隨著ic智能卡的發(fā)展，智能卡在人們的生活中已經(jīng)越來(lái)越普遍和重要，如身份證、銀行卡、交通卡和高速公路卡等使用ic智能卡給我們的生活帶來(lái)了極大的便利和提高效率。卡片識(shí)別與計(jì)數(shù)是生產(chǎn)智能卡的企業(yè)必備的技術(shù)之一，但是傳統(tǒng)的圖像識(shí)別技術(shù)都特別依賴于人工設(shè)計(jì)的特征提取器，它們提取的特征是比較低級(jí)的特征，如尺度不變特征變換(sift)只能提取一些淺顯的邊緣特征，并且這些特征提取器耗時(shí)耗內(nèi)存。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種基于圖像與信號(hào)處理的卡片識(shí)別與計(jì)數(shù)方法?？蓪?shí)現(xiàn)大批量卡片高效準(zhǔn)確的識(shí)別與計(jì)數(shù)，克服傳統(tǒng)的人工清點(diǎn)速度慢錯(cuò)誤率高等缺點(diǎn)。

為了解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供了一種基于圖像與信號(hào)處理的卡片識(shí)別與計(jì)數(shù)方法，包括以下步驟：

1)使用攝像頭和光柵掃描分別采集卡片圖像及波形信號(hào)；

2)對(duì)采集的圖像和波形進(jìn)行預(yù)處理；

3)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型；

4)將預(yù)處理的卡片圖像和波形信號(hào)分別輸入所述卷積神經(jīng)網(wǎng)絡(luò)模型與卡片計(jì)數(shù)模型。

進(jìn)一步地，所述預(yù)處理包括以下步驟：

對(duì)卡片圖像進(jìn)行包括濾波去噪、傾斜矯正、邊緣檢測(cè)、類(lèi)型標(biāo)注的操作；對(duì)波形信號(hào)中兩端向中間掃描，截去波形兩端幅值較小的數(shù)據(jù)得到實(shí)際有效的數(shù)據(jù)。

更進(jìn)一步地，所述訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

構(gòu)建多個(gè)子神經(jīng)網(wǎng)絡(luò)，對(duì)卡片的初步特征進(jìn)行提取，得到分類(lèi)結(jié)果；再構(gòu)建子網(wǎng)絡(luò)評(píng)分層對(duì)先前構(gòu)建的子網(wǎng)絡(luò)進(jìn)行評(píng)分，得出最終的分類(lèi)結(jié)果；其中子網(wǎng)絡(luò)評(píng)分層的函數(shù)公式如下：

其中x表示卡片圖像，yi表示子網(wǎng)絡(luò)輸出矩陣，wi表示子網(wǎng)絡(luò)輸出矩陣的權(quán)重，n表示子網(wǎng)絡(luò)的數(shù)目，max函數(shù)表示求解矩陣中最大值的位置，f表示子網(wǎng)絡(luò)評(píng)分層函數(shù)。

更進(jìn)一步地，所述輸入片計(jì)數(shù)模型的步驟包括：對(duì)預(yù)處理好的卡片波形信號(hào)采取小波分析技術(shù)，形成第一信號(hào)；然后同樣是對(duì)已經(jīng)預(yù)處理的信號(hào)進(jìn)行相關(guān)檢測(cè)，以獲得信號(hào)周期形成第二信號(hào)；最后合成信號(hào)計(jì)數(shù)單元，合成第一信號(hào)與第二信號(hào)并計(jì)數(shù)，從而獲得卡片數(shù)量。

實(shí)施本發(fā)明實(shí)施例，具有如下有益效果：本發(fā)明克服了在大批量卡片需要清點(diǎn)的背景下傳統(tǒng)的人工清點(diǎn)速度慢錯(cuò)誤率高等缺點(diǎn)，實(shí)現(xiàn)了大批量卡片高效準(zhǔn)確的識(shí)別與計(jì)數(shù)。

附圖說(shuō)明

圖1是本發(fā)明的整體流程結(jié)構(gòu)示意圖；

圖2是本發(fā)明卷積神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)示意圖

圖3是卡片波形原始數(shù)據(jù)波形；

圖4是濾掉均值和兩端無(wú)效數(shù)據(jù)后的有效數(shù)據(jù)波形；

圖5是有效數(shù)據(jù)的自相關(guān)曲線的波形；

圖6是有效數(shù)據(jù)的頻譜的波形；

圖7是濾掉高頻及零頻率處的頻譜增強(qiáng)的波形；

圖8是處理后的數(shù)據(jù)曲線的波形。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步地詳細(xì)描述。

參照?qǐng)D1所示的結(jié)構(gòu)示意圖。

本發(fā)明實(shí)施例的一種基于圖像與信號(hào)處理的卡片識(shí)別與計(jì)數(shù)方法，包括以下步驟：

1)攝像頭和光柵掃描以采集卡片圖像及波形信號(hào)；

2)對(duì)卡片圖像進(jìn)行濾波去噪、傾斜矯正、邊緣檢測(cè)、類(lèi)型標(biāo)注等操作；對(duì)波形信號(hào)中兩端向中間掃描，截去波形兩端幅值較小的數(shù)據(jù)得到實(shí)際有效的數(shù)據(jù)。

3)構(gòu)建多個(gè)子神經(jīng)網(wǎng)絡(luò)，對(duì)卡片的初步特征進(jìn)行提取，得到分類(lèi)結(jié)果；再構(gòu)建評(píng)分層對(duì)先前構(gòu)建的子網(wǎng)絡(luò)進(jìn)行評(píng)分，得出最終的分類(lèi)結(jié)果；上述兩個(gè)網(wǎng)絡(luò)構(gòu)成了卷積神經(jīng)網(wǎng)絡(luò)；其中子網(wǎng)絡(luò)評(píng)分層的函數(shù)公式如下：

其中x表示卡片圖像，yi表示子網(wǎng)絡(luò)輸出矩陣，wi表示子網(wǎng)絡(luò)輸出矩陣的權(quán)重，n表示子網(wǎng)絡(luò)的數(shù)目，max函數(shù)表示求解矩陣中最大值的位置，f表示子網(wǎng)絡(luò)評(píng)分層函數(shù)。

將卡片圖像輸入到卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中采用梯度下降法來(lái)調(diào)節(jié)網(wǎng)絡(luò)參數(shù)，當(dāng)參數(shù)小于設(shè)定閾值10^-6時(shí)，卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢。將帶識(shí)別的卡片圖像輸入到卷積神經(jīng)網(wǎng)絡(luò)，獲得卡片的類(lèi)型。

4)對(duì)預(yù)處理好的卡片波形信號(hào)采取小波分析技術(shù)，形成第一信號(hào)；然后同樣是對(duì)已經(jīng)預(yù)處理的信號(hào)進(jìn)行相關(guān)檢測(cè)，以獲得信號(hào)周期形成第二信號(hào)；最后合成信號(hào)計(jì)數(shù)單元，合成第一信號(hào)與第二信號(hào)并計(jì)數(shù)，從而獲得卡片數(shù)量。

訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型的步驟如下：

采集卡片圖像數(shù)據(jù)集，分為訓(xùn)練集和測(cè)試集，并為所有卡片圖像樣本進(jìn)行標(biāo)注，來(lái)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型。

將大小為256×256的卡片圖像輸入到卷積層conv1，此卷積層有8個(gè)卷積核，其大小為3×3，移動(dòng)步長(zhǎng)為1個(gè)像素。輸出8張大小為256×256的特征圖。

將卷積層conv1輸出的8張?zhí)卣鲌D輸入到池化層pool1，池化塊的選取maxpooling操作，其大小為2×2，步長(zhǎng)為2。輸出為8張大小為128×128的特征圖。

將池化層pool1輸出的特征圖輸入到卷積層conv2，此卷積層有16個(gè)卷積核，其大小為3×3，移動(dòng)步長(zhǎng)為1個(gè)像素。輸出16張大小為128×128的特征圖。

將卷積層conv2輸出的特征圖輸入到池化層pool2，池化快依舊選取maxpooling操作，其大小為2×2，步長(zhǎng)為2。輸出為16張大小為64×64的特征圖。

將池化層pool2輸出的特征圖輸入到卷積層conv3，此卷積層有32個(gè)卷積核，其大小為3×3，移動(dòng)步長(zhǎng)為1個(gè)像素。輸出32張大小為64×64的特征圖。

將卷積層conv3輸出的特征圖輸入到池化層pool3，池化快依舊選取maxpooling操作，其大小為2×2，步長(zhǎng)為2。輸出為32張大小為32×32的特征圖。

將池化層pool3輸出的32張?zhí)卣鲌D輸入到全連接層再到softmax分類(lèi)層進(jìn)行分類(lèi)。

卡片波形處理步驟如下：

讀入原始數(shù)據(jù)文件，得到原始數(shù)據(jù)如圖3所示；

從數(shù)據(jù)兩端向中間掃描，截去數(shù)據(jù)兩端幅值較小的數(shù)據(jù)得到實(shí)際的有效數(shù)據(jù)，如圖4所示。

由于卡片的厚度相同，有效數(shù)據(jù)具有很強(qiáng)的周期性，從而有效數(shù)據(jù)的自相關(guān)函數(shù)的波峰也有較強(qiáng)的周期性，如圖5所示。求出自相關(guān)曲線的最高波峰和次高波峰之間的點(diǎn)距，這個(gè)點(diǎn)距就是有效數(shù)據(jù)的周期。

用fft求出有效信號(hào)的頻譜，如圖6所示。由圖6可以看出，由于有效數(shù)據(jù)有較強(qiáng)的相關(guān)性，其頻譜在周期對(duì)應(yīng)的頻率及該頻率的倍頻處都有峰值出現(xiàn)，第一個(gè)峰值的位置可用根據(jù)有效數(shù)據(jù)的周期得出(由于頻譜中的最大值的點(diǎn)不一定出現(xiàn)在freq0處，有可能出現(xiàn)在freq0的倍頻處，所以通過(guò)用自相關(guān)曲線求周期來(lái)?yè)Q算，可以一次性得出freq0的位置)。

比f(wàn)req0更高的頻率分量代表了圖4中波形有效突起間的無(wú)效突起帶來(lái)的干擾，同時(shí)波形的有效突起可能會(huì)因?yàn)椴ㄐ位兘o計(jì)數(shù)帶來(lái)干擾。為了解決這兩個(gè)問(wèn)題，將有效數(shù)據(jù)的頻譜高于freq0×factor1的頻率分量置0，同時(shí)將freq0處的頻譜值增大將有效數(shù)據(jù)的周期性進(jìn)一步增強(qiáng)以減少其它因素造成的干擾(可將freq0處的頻譜值增大factor2倍來(lái)實(shí)現(xiàn))。經(jīng)過(guò)第5)步處理后的有效數(shù)據(jù)的頻譜如圖7所示。

對(duì)處理后的頻譜做ifft并取實(shí)部分量得到處理后的數(shù)據(jù)，如圖8所示，由圖8可以看出原始有效數(shù)據(jù)經(jīng)過(guò)頻域的處理(實(shí)際上相當(dāng)于低頻濾波和頻率點(diǎn)增強(qiáng))，數(shù)據(jù)變得非常光滑，周期性也很明顯。處理后數(shù)據(jù)在原始有效數(shù)據(jù)波形較好的位置幅值較大，在原始有效數(shù)據(jù)波形較差的位置幅值較小。通過(guò)計(jì)算圖8曲線的波峰個(gè)數(shù)就可以得出卡片的張數(shù)(圖中為20張)。

以上所揭露的僅為本發(fā)明一種較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。