集装箱智能道口箱号识别系统中的字符识别技术

集装箱智能道口箱号识别系统中的字符识别技术 集装箱智能道口箱号识别系统中的字符识 别技术 2006年6月 第6期总第389期 水运工程 Port&WaterwayEngineering Jun.2006 No.6SerialNo.389 集装箱智能道口箱号识别系统中的字符识别技术 赵海英,姚振强,陈斌,包起帆 (1.上海国际港务集团,上海200120;2,上海交通大学机械与动力工程学院,上海 200230) 摘要:文章介绍的模式识男1与结构组合及箱号校对的识男1技术,很好地解 决了集装箱智能道口箱号识别中的字符 不完全在一个平面上与箱号横竖排列不定等问题.结果表明,这种能提高箱号 识别的准确性及效率. 关键词:集装箱:字符识别;智能道口;光学字符识别 中图分类号:U656,1+35文献标识码:B文章编号:1002—4972(2006)06—0034—03 CharacterRecognitionTechnologyforIdentifyingContainerNumberin IntelligentContainerPassageway ZHA0Hai-ying,YAOZhen-qiang,CHENBin,BA0Qi-fan (1,ShanghaiInternationalPortGroup,Shanghai200120; 2.Dept.ofManufacturingTechnology&Automation,ShanghaiJiaoTongUniversity,S hanghai200230,China) Abstract:Theproposedcharacterrecognitiontechnologyusingpatterndistinguishingandstr uctureanalysis cansolvetheproblemthatnotallcharactersareinoneplaneandtheboxnumbersarenothorizo ntalincontainer numberidentificationofintelligentcontainerpassageway.Thepracticalresultsprovethatthi stechnologycan improvetheaccuracyandefficiencyofcontainernumberrecognitionremarkably. Keywords:container;characterrecognition;intelligentpassageway;OpticalCharacterRec ognition 箱号识别是集装箱智能道13的关键技术,其 中的字符识别又是箱号识别的核心功能模块集 装箱号码以印刷方式标识在箱体的特定位置,箱 号的获取需要利用光学字符识别(OCR:Optical CharacterRecognition)技术【l_.OCR技术是通过 扫描等光学输入方式将各种印刷文字转化为图像 信息,再利用文字识别技术将图像信息转化为可 以使用的计算机输入技术[21,起源于2O世纪中 期,并在2O世纪9O年代得到了广泛应用.随着 图像处理技术的不断进步,其识别的准确率也不 断提高.近些年来,随着港13自动化运营管理的 要求,该技术已经逐渐应用到集装箱箱号的识别 中. 集装箱箱号自动识别的整个=r=作流程如图1示. 图1箱号自动识别的工作流程 对于集装箱箱号的识别,主要有以下几个难 点:1)识别对象(集装箱箱号)是动态的;2)字 符不完全在一个平面上;3)箱号横竖排列不定; 收稿日期:2005—11-21 作者简介:赵海英(1979一),女,硕士,主要从事港口物流的研究. 第6期赵海英.等:集装箱智能道口箱号识别系统中的字符识别技术?35? 4)箱号的保存状况复杂,等.这些难点对系统捕 捉字母数字的敏感及智能要求非常高,因此,集 装箱号码识别技术不但要采用较高识别准确率的 OCR识别技术,还要采用合理的字符识别方法, 以提高识别率. 1集装箱箱号识别系统中的字符识别技术 箱号识别主要运用OCR技术和校验算法.对 1个包含集装箱箱号的图像的识别过程主要包括: 图像分割,字符分割,字符识别和后处理部分. 图像分割根据集装箱号码的特征,将集装箱号码 从复杂的背景中分割出来,形成单独的l块仅包 含拟识别信息的图像,减少了大量的干扰信息; 通过字符分割从集装箱号码图像块中判定分割出 单个有效字符,确定字符的排列规则,字体,大 小等,为后面的算法提供良好的数据准备;字符 识别将分割出来单个字符图像识别成相对应的 ASCII码.对残缺部分运用容错修补,模糊匹配等 技术,对识别结果给出可信度;在后处理中,箱 号识别结果通过校验码确认其是否有效,最终还 将该识别的图像数据经过压缩保存到文件目录中 或数据库中., 其中,字符识别是系统的核心功能模块,要求 识别准确,迅速.针对集装箱箱号识别系统的特 点,可采用如下策略,提高箱号识别的效率和准 确率. 1.1多种方法组合技术 本系统中主要有2种方法:1)模式识别【I; 2)结构分析. 目前用于模式识别的神经网络主要包括:BP 网络,ART1网络.分类网络的目的是将所有样本 分类,因为样本集(所识别的字符)非常庞大, 而ART1网络表现了其在这方面良好的效率和性 能.并且可根据总样本集的大小和识别难度通过 警戒参数来控制分类结果.因此可采用ART1作 为分类网络[6J. 识别网络的任务是在同一类模式中进行更细 的分类.由于每一类别中的模式数目已经不是很 多,BP网络训练速度的劣势已不很明显.而其 可进行非常细致的分类的优点远非ART1网络所 能及,因此模型中选用BP网作为识别网络(图2). 输出模式 ——z一 并行 部分 + 串行 部分 ——?一 输入模式 图2模式识别过程示意图 该模型采用串,并行混和的神经网络:串行 部分实现对输入样本的分类;并行部分为多个并 行执行的识别网络(ARTI).每个识别网络完成一 类样本的处理,加快处理速度.模式识别的整个 过程是:先用ART1网络对输入模式训练字符集 (1万,l0万个字符)进行分类,生成训练结果, 再转至识别网络(BP网络)进行进一步识别,用 训练结果去识~JJiJll练集和结果集(10万,lO0万个 字符).模式识别存在的问题是其对训练集的识别 率都不会达100%,特别是其对很少的特殊写法无 效.其总识别率在98%左右. 所谓结构分析是对图像用结构方法采集特征, 用特征识别.结构分析的优点是对某种特殊写法 的识别有良好的效果,程序更改方便,问题是不 能穷举所有可能存在的特征. 集装箱箱号(即识别目标)正常的情况 下,2种识别方法的识别效果都很理想,但在箱号 异常.即:倾斜(字符不在一个平面上),杂点, 缺点(字符不完整),模糊,错位(箱号横竖排列 不定)的情况下将会出现识别误差.为验证识别 效率,分别采用模式识别,结构分析以及模式识 别与结构分析结合的方法,分别取100个具有上述 箱号异常特点的集装箱进行识别,识别结果如图3. 蓁loo["1f箱弓特点 图3模式识别与结构分析识别效果图 ? 36?水运工程2006生 由图3可以看出模式识别对杂点,缺点,模 糊的字符识别效果比较好,结构分析对倾斜,错 位的箱号识别效果较理想,而模式识别与结构分 析结合使用能把识别正确率提高到99%以上,大 大提高了识别效果. 1.2有选择地采用图像处理技术 在识别前对图像数据应做以下几种处理:是 否细化,是否补点和是否进行杂点处理,细化, 补点,去杂点又各使用了几种不同方法,使得程 序量非常大.经过有针对性的选择使用,进一步 提高了识别准确率,扩大了识别范围,并提高了 识别速度. 字符不完全在一个平面上,可能导致所拍摄 的图像上的字符粗细很不相同,因此有必要进行 细化,补点,把不同粗细的字符均细化为单象素 数据.从而解决箱号字符不在一个平面上的问 题. 1.3箱号校对 箱号校对是根据集装箱的特点,在识别可信 度的基础上提出的.这也是为什么同时拍4幅图 的原因,集装箱的上,后,左和右4个面上都有 号码,同时识别他们进行综合比较.进一步提高 了识别率. 任取个集装箱进行采样分析,采用模式识 别与结构分析技术只对集装箱上一个面的箱号进 行识别,识别的准确率不会低于按图3中仅用模 式识别一种识别方法的最差效果(84%).如果同 时对4个面的集装箱箱号进行识别.根据数理统 计结果,识别的准确率为q=l一(1-p)4=99.5%: 实际测试中,也验证了这一假设.任取 100个集装箱进行采样分析,识别结果如图4. 020406080IOO 识别的集装箱数 图4箱号校对识别效果图 通过采用以上策略,箱号识别的准确率达到 99%1)2_E,能充分满足项目的技术要求. 2箱号识别系统的时序控制模块与图像采集控制 模块 时序控制模块控制着从集装箱车辆进入卡口 到离开卡口的过程中的箱号识别的整个过程.集 装箱图像采集控制模块实现了集装箱图像的采集 功能,并提供人机接VI来支持系统的可配置性和 易用性. 通过时序控制及上面讲述的图像识别技术, 大大提高了集装箱箱号识别的效率及准确率.集 装箱图像采集控制响应时序控制软件所传送的拍 图完成指令,发送传图指令.将传输的图像送往 识别软件进行识别,接收识别软件所返回的箱号 读取,并显示出来,完成整个箱号识别系统的识 别功能. 3结语 采用模式识别与结构分析2种识别方法组合 技术,解决了集装箱箱号倾斜(不完全在一个平 面上),错位(箱号横竖排列不定)等问题,并 针对集装箱智能道口的工作特点,采用箱号校对 等策略来提高系统的工作效率和准确率.采样分 析显示该技术方案能很好地提高箱号识别的准确 率,极大地提高港口智能道口的工作效率. 参考文献: [1]ImpedovoS,OttavianoL,OcchinegroS.OpticalCharacter Recognition-ASurvey[J].1991,5(1-2):1-24. [2]PavlidisTand(eds.)MoriS,Opticalcharacterrecognition 【J】.ProceedingsoftheIEEE,1992,8O(7):25-30. [3]耿涛.图像处理技术在运动目标跟踪检测中的应用【J]. 哈尔滨师范大学自然科学,2003,(2):65—68. [4]同方宁,王铭.智能道口自动识别技术【J】.水运工程, 2005,(5):84-87. [5]张新峰,沈兰荪.模式识别及其在图像处理中的应用 【J】.测控技术,2004(5):28—32. [6]戚飞虎,译.模式识别与图像处理【M】.上海:上海交通 大学出版社,1989. [7]李金哲.条形码自动识别技术【M】.北京:国防工业出版 社.1991. ?踯?蚰加O 巅器『}辑