基于智能纠偏的物联卡识别方法、装置、设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种基于智能纠偏的物联卡识别方法、装置、设备及存储介质。


背景技术：

2.物联卡，是运营商为物联网服务企业提供的用于智能终端设备联网的，仅面对企业用户进行批量销售，广泛用于共享单车、移动支付、智能城市、自动售卖机等领域，不面向个人用户。现有的物联卡识别技术通过图像识别的基础上需要在物联卡图像的边缘处选取校准点进行识别和图像纠偏，但是这样并不方便，经常会出现边缘模糊的情况，这样的话就会使得物联卡的图像纠偏和识别码的确定更加困难。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种基于智能纠偏的物联卡识别方法、装置、设备及存储介质，旨在解决现有技术物联卡图像难以准确纠偏并识别的技术问题。
5.为实现上述目的，本发明提供了一种基于智能纠偏的物联卡识别方法，所述方法包括以下步骤：
6.获取待识别图像信息；
7.根据所述待识别图像信息确定待识别物联卡的物联卡图像；
8.对所述物联卡图像信息进行方向纠正，得到纠正图像；
9.根据所述纠正图像得到所述待识别物联卡的识别码信息。
10.可选地，所述根据所述待识别图像信息确定待识别物联卡的物联卡图像，包括：
11.将所述待识别图像信息输入预设的图像检测模型；
12.获取所述图像检测模型输出的所述待识别物联卡的坐标信息；
13.根据所述坐标信息确定所述待识别物联卡的物联卡图像。
14.可选地，所述根据所述图像检测模型输出的所述待识别物联卡的坐标信息之前，还包括：
15.根据所述待识别图像信息建立所述待识别图像信息中的各像素点对应的平面直角坐标系；
16.将所述待识别图像信息中各像素点代入所述平面直角坐标系，得到像素点坐标信息；
17.将所述像素点坐标信息输入所述图像检测模型。
18.可选地，所述根据所述坐标信息确定所述待识别物联卡的物联卡图像，包括：
19.根据所述坐标信息确定所述待识别物联卡的关键点坐标；
20.根据所述关键点坐标确定所述待识别物联卡的轮廓信息；
21.根据所述轮廓信息确定所述待识别物联卡的物联卡图像。
22.可选地，所述对所述物联卡图像进行方向纠正，得到纠正图像，包括：
23.根据所述物联卡图像确定所述待识别物联卡本体的本体坐标信息和所述待识别物联卡上的运营商标识坐标信息；
24.根据所述本体坐标信息和所述运营商标识坐标信息确定第一测量夹角；
25.根据所述第一测量夹角和预设的第一比对夹角确定纠正图像。
26.可选地，所述根据所述第一测量夹角和预设的第一比对夹角确定纠正图像，包括：
27.根据所述第一测量夹角将所述物联卡图像旋转第一旋转角度，得到第一旋转图像；
28.根据所述第一比对夹角将所述第一旋转图像旋转第二旋转角度，得到第二旋转图像；
29.根据所述第二旋转图像得到纠正图像。
30.可选地，所述根据所述纠正图像得到所述待识别物联卡的识别码信息，包括：
31.对所述纠正图像进行二维码识别得到二维码信息；
32.将所述纠正图像输入预设识别模型，得到字符识别信息；
33.根据所述字符识别信息确定拼接字符信息；
34.根据所述拼接字符信息得到iccid；
35.根据所述二维码信息和所述iccid得到识别码信息。
36.此外，为实现上述目的，本发明还提出一种基于智能纠偏的物联卡识别装置，所述基于智能纠偏的物联卡识别装置包括：
37.获取模块，用于获取待识别图像信息；
38.检测模块，用于根据所述待识别图像信息确定待识别物联卡的物联卡图像；
39.纠正模块，用于对所述物联卡图像信息进行方向纠正，得到纠正图像；
40.识别模块，用于根据所述纠正图像得到所述待识别物联卡的识别码信息。
41.此外，为实现上述目的，本发明还提出一种基于智能纠偏的物联卡识别设备，所述基于智能纠偏的物联卡识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于智能纠偏的物联卡识别程序，所述基于智能纠偏的物联卡识别程序配置为实现如上文所述的基于智能纠偏的物联卡识别方法的步骤。
42.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于智能纠偏的物联卡识别程序，所述基于智能纠偏的物联卡识别程序被处理器执行时实现如上文所述的基于智能纠偏的物联卡识别方法的步骤。
43.本发明获取待识别图像信息；根据所述待识别图像信息确定待识别物联卡的物联卡图像；对所述物联卡图像信息进行方向纠正，得到纠正图像；根据所述纠正图像得到所述待识别物联卡的识别码信息。通过这种方式，实现了直接对待识别图像信息进行识别得到物联卡图像，然后对物联卡图像信息进行方向纠正得到纠正图像，最后可以根据纠正图像直接得到物联卡的识别码信息，这样使得物联卡的图像纠偏更加准确并且对需要识别图像要求低，适用性更强，进而使得物联卡信息的识别更加快捷和准确。
附图说明
44.图1是本发明实施例方案涉及的硬件运行环境的基于智能纠偏的物联卡识别设备的结构示意图；
45.图2为本发明基于智能纠偏的物联卡识别方法第一实施例的流程示意图；
46.图3为本发明基于智能纠偏的物联卡识别方法第二实施例的流程示意图；
47.图4为本发明基于智能纠偏的物联卡识别装置第一实施例的结构框图。
48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
50.参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于智能纠偏的物联卡识别设备结构示意图。
51.如图1所示，该基于智能纠偏的物联卡识别设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
52.本领域技术人员可以理解，图1中示出的结构并不构成对基于智能纠偏的物联卡识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
53.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于智能纠偏的物联卡识别程序。
54.在图1所示的基于智能纠偏的物联卡识别设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于智能纠偏的物联卡识别设备中的处理器1001、存储器1005可以设置在基于智能纠偏的物联卡识别设备中，所述基于智能纠偏的物联卡识别设备通过处理器1001调用存储器1005中存储的基于智能纠偏的物联卡识别程序，并执行本发明实施例提供的基于智能纠偏的物联卡识别方法。
55.本发明实施例提供了一种基于智能纠偏的物联卡识别方法，参照图2，图2为本发明一种基于智能纠偏的物联卡识别方法第一实施例的流程示意图。
56.本实施例中，所述基于智能纠偏的物联卡识别方法包括以下步骤：
57.步骤s10：获取待识别图像信息。
58.需要说明的是，本实施例的执行主体可以是一个控制器，主要用于控制基于智能纠偏的物联卡识别方法的控制器，也可以是能实现此功能的任意设备，本实施例对此不加以限制。本实施例后续以用于控制基于智能纠偏的物联卡识别方法的控制器为例进行说明。
59.应理解的是，现有技术中对于图像识别纠偏使用的手段一般是检测图像中待检测的物体的边缘，然后在边缘上进行选点和图像纠偏，但是这样会增加对于图像的处理和识别的要求，适用性并不广泛，对于待识别的图像也会有条件要求，这样使得物联卡的识别也会有条件限制。而本方案所使用的方法不需要识别物联卡的边缘即可以实现物联卡图像的方向纠正和识别码信息的识别，使得物联卡信息的识别更加方便和准确。
60.在具体实施中，待识别图像信息指的是通过使用调整好焦距和高度的usb摄像头垂直向下拍摄采集到的包含了物联卡的图像信息。
61.步骤s20：根据所述待识别图像信息确定待识别物联卡的物联卡图像。
62.需要说明的是，物联卡图像指的是从待识别图像信息的待识别图像中将包含了物联卡轮廓的图像抠出，得到的即为只包含物联卡的物联卡图像。
63.进一步地，为了能够得到准确完整的物联卡图像，步骤s20包括：将所述待识别图像信息输入预设的图像检测模型；获取所述图像检测模型输出的所述待识别物联卡的坐标信息；根据所述坐标信息确定所述待识别物联卡的物联卡图像。
64.应理解的是，预设的图像检测模型指的是训练深度学习模型，使用labelimg分别对物联卡本体和物联卡运营商图标进行标注，然后使用基于pytorch深度学习框架的yolox深度学习算法对模型进行训练，得到含有较优权重的模型文件。
65.在具体实施中，获取所述图像检测模型输出的所述待识别物联卡的坐标信息指的是，根据图像检测模型输出的信息确定待识别物联卡在图像中的坐标信息。
66.通过这种方式，可以直接将待识别图像信息输入到图像检测模型中，输出了待识别物联卡的物联卡图像，使得确定物联卡图像在待识别图像信息中的图像中的位置更加快捷和准确。
67.进一步地，为了能够预先确定各像素点的坐标，根据所述待识别图像信息确定待识别物联卡的物联卡图像的步骤包括：将所述待识别图像信息输入预设的图像检测模型；获取所述图像检测模型输出的所述待识别物联卡的坐标信息；根据所述坐标信息确定所述待识别物联卡的物联卡图像。
68.需要说明的是，根据所述待识别图像信息建立所述待识别图像信息中的各像素点对应的平面直角坐标系指的是：根据待识别图像建立一个平面直角坐标系，该平面直角坐标系以待识别图像中的图像中心点为原点，水平方向为坐标x轴，竖直方向为坐标y轴。
69.应理解的是，将所述待识别图像信息中各像素点代入所述平面直角坐标系，得到像素点坐标信息指的是：将待识别图像信息中的各个像素点代入到已经建立的平面直角坐标系，得到了各个像素点对应的坐标。
70.通过这种方式，可以预先建立平面直角坐标系，然后将像素点的坐标预先确定然后输入到图像检测模型，这样可以使得物联卡图像检测更加快捷和准确。
71.进一步地，为了能够根据坐标信息确定物联卡图像，根据所述坐标信息确定所述待识别物联卡的物联卡图像的步骤包括：根据所述坐标信息确定所述待识别物联卡的关键点坐标；根据所述关键点坐标确定所述待识别物联卡的轮廓信息；根据所述轮廓信息确定所述待识别物联卡的物联卡图像。
72.在具体实施中，关键点坐标指的是得到物联卡本体和物联卡运营商图标在图像中的具体坐标(左，上，右，下)。
73.需要说明的是，根据所述关键点坐标确定所述待识别物联卡的轮廓信息指的是根据关键点坐标将各个相邻的坐标进行连线，最终得到了物联卡和物联卡上的运营商图标图像的轮廓。
74.应理解的是，根据所述轮廓信息确定所述待识别物联卡的物联卡图像指的是：根据轮廓信息将物联卡图像从整个的待识别图像中抠出，得到了仅仅包含物联卡本体的物联卡图像。
75.通过这种方式，实现了根据物联卡的轮廓信息从待识别图像信息中确定出只包括物联卡的物联卡图像，使得后续对物联卡图像的纠偏更加方便和准确。
76.步骤s30：对所述物联卡图像信息进行方向纠正，得到纠正图像。
77.在具体实施中，对所述物联卡图像信息进行方向纠正，得到纠正图像指的是：对物联卡图像就行角度的旋转进行方向纠正，得到最后的物联卡图像方向被纠正，正向显示的图像，即为纠正图像。
78.步骤s40：根据所述纠正图像得到所述待识别物联卡的识别码信息。
79.需要说明的是，根据所述纠正图像得到所述待识别物联卡的识别码信息指的是：对纠正图像进行识别，可以识别到纠正图像中的待识别物联卡上的所有二维码、iccid等信息，作为识别码信息。
80.进一步地，为了能准确的识别物联卡的识别码信息，步骤s40包括：对所述纠正图像进行二维码识别得到二维码信息；将所述纠正图像输入预设识别模型，得到字符识别信息；根据所述字符识别信息确定拼接字符信息；根据所述拼接字符信息得到iccid；根据所述二维码信息和所述iccid得到识别码信息。
81.应理解的是，二维码信息指的是物联卡上存在的二维码的具体信息，具体为使用opencv读取二维码内容，得到sn、imei、mac码。
82.在具体实施中，预设是被模型指的是使用基于paddlepaddle深度学习框架的paddleocr轻量级模型及算法对纠正图像上的被分为4行的20位字符进行定位并识别，得到了字符识别信息。
83.需要说明的是，根据所述字符识别信息确定拼接字符信息指的是：根据每行5位字符的特征将卡上的其他字符排除，得到4段字符即为拼接字符信息。
84.应理解的是，根据所述拼接字符信息得到iccid指的是：将拼接字符信息中的4段字符进行拼接，得到了最终的iccid。
85.在具体实施中，识别码信息即为iccid和二维码信息汇总的信息。
86.通过这种方式，实现了通过预设的识别模型和算法识别物联卡的iccid进而二维码信息，然后再进行汇总得到待识别物联卡的二维码信息，使得物联卡的信息识别更加准确。
87.本实施例通过获取待识别图像信息；根据所述待识别图像信息确定待识别物联卡的物联卡图像；对所述物联卡图像信息进行方向纠正，得到纠正图像；根据所述纠正图像得到所述待识别物联卡的识别码信息。通过这种方式，实现了直接对待识别图像信息进行识别得到物联卡图像，然后对物联卡图像信息进行方向纠正得到纠正图像，最后可以根据纠正图像直接得到物联卡的识别码信息，这样使得物联卡的图像纠偏更加准确，进而使得物联卡信息的识别更加快捷和准确。
88.参考图3，图3为本发明一种基于智能纠偏的物联卡识别方法第二实施例的流程示意图。
89.基于上述第一实施例，本实施例基于智能纠偏的物联卡识别方法在所述步骤s30之前包括：
90.步骤s301：根据所述物联卡图像确定所述待识别物联卡本体的本体坐标信息和所述待识别物联卡上的运营商标识坐标信息。
91.需要说明的是，本体坐标信息和运营商标识坐标信息指的是待识别物联卡的物联卡本体和物联卡上运营商图标的坐标。
92.步骤s302：根据所述本体坐标信息和所述运营商标识坐标信息确定第一测量夹角。
93.应理解的是，根据本体坐标信息确定物联卡本体的几何中心坐标，根据运营商标识坐标信息确定运营商标识的几何中心的坐标，其中几何中心的坐标计算方法为：
[0094][0095]
其中，当计算物联卡本体的几何中心坐标时，y2、y1、x1、x2分别对应物联卡图像中物联卡的最上端纵坐标、最下端纵坐标、最左端横坐标、最右端横坐标；
[0096]
当计算运营商标识的几何中心坐标时，y2、y1、x1、x2分别对应物联卡图像中运营商标识的最上端纵坐标、最下端纵坐标、最左端横坐标、最右端横坐标。
[0097]
在具体实施中，根据所述本体坐标信息和所述运营商标识坐标信息确定第一测量夹角指的是根据物联卡本体几何中心和运营商标识几何中心确定第一测量夹角，具体为：并用反正切函数计算出运营商图标几何中心(o(xo,yo))与物联卡几何中心(p(xp,yp))的连线在水平方向的夹角α:
[0098]
当xo-xp≠0时：
[0099]
当xo-xp＝0时：yo-yp》0:α＝90
°
；yo-yp《0：α＝-90
°
。
[0100]
其中α即为第一测量夹角。
[0101]
步骤s303：根据所述第一测量夹角和预设的第一比对夹角确定纠正图像。
[0102]
需要说明的是，根据所述第一测量夹角和预设的第一比对夹角确定纠正图像指的是：根据第一测量夹角和第一比对夹角对物联卡图像进行旋转处理，得到纠正图像。
[0103]
进一步地，为了准确的得到纠正图像，步骤s303包括：根据所述第一测量夹角将所述物联卡图像旋转第一旋转角度，得到第一旋转图像；根据所述第一比对夹角将所述第一旋转图像旋转第二旋转角度，得到第二旋转图像；根据所述第二旋转图像得到纠正图像。
[0104]
应理解的是，第一比对夹角指的是测量出正向放置的物联卡的op与水平方向的夹角β，可以预先测量得到。
[0105]
在具体实施中，根据所述第一测量夹角将所述物联卡图像旋转第一旋转角度，得到第一旋转图像指的是：将图像旋转|α|(α为正时顺时针旋转，α为负时逆时针旋转)，得到的即为第一旋转图像。
[0106]
需要说明的是，根据所述第一比对夹角将所述第一旋转图像旋转第二旋转角度，
得到第二旋转图像指的是：将第一旋转图像逆时针旋转β，得到的即为第二旋转图像。
[0107]
应理解的是，根据所述第二旋转图像得到纠正图像指的是：如果旋转前o处于1、4象限，则第二旋转图像为纠正图像如果旋转前o处于2、3象限，则额外对图像进行180
°
的旋转，得到纠正图像。
[0108]
通过这种方式，可以实现根据第一测量夹角和第一比对夹角确定纠正图像，使得后续物联卡的识别更加准确和便捷。
[0109]
本实施例通过根据所述物联卡图像确定所述待识别物联卡本体的本体坐标信息和所述待识别物联卡上的运营商标识坐标信息；根据所述本体坐标信息和所述运营商标识坐标信息确定第一测量夹角；根据所述第一测量夹角和预设的第一比对夹角确定纠正图像。通过这种方式，可以使得物联卡图像的纠偏更加简便和准确，进而降低后续识别物联卡的识别码信息的错误率。
[0110]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于智能纠偏的物联卡识别程序，所述基于智能纠偏的物联卡识别程序被处理器执行时实现如上文所述的基于智能纠偏的物联卡识别方法的步骤。
[0111]
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不一一赘述。
[0112]
参照图4，图4为本发明基于智能纠偏的物联卡识别装置第一实施例的结构框图。
[0113]
如图4所示，本发明实施例提出的基于智能纠偏的物联卡识别装置包括：
[0114]
获取模块10，用于获取待识别图像信息。
[0115]
检测模块20，用于根据所述待识别图像信息确定待识别物联卡的物联卡图像。
[0116]
纠正模块30，用于对所述物联卡图像信息进行方向纠正，得到纠正图像。
[0117]
识别模块40，用于根据所述纠正图像得到所述待识别物联卡的识别码信息。
[0118]
本实施例通过获取待识别图像信息；根据所述待识别图像信息确定待识别物联卡的物联卡图像；对所述物联卡图像信息进行方向纠正，得到纠正图像；根据所述纠正图像得到所述待识别物联卡的识别码信息。通过这种方式，实现了直接对待识别图像信息进行识别得到物联卡图像，然后对物联卡图像信息进行方向纠正得到纠正图像，最后可以根据纠正图像直接得到物联卡的识别码信息，这样使得物联卡的图像纠偏更加准确，进而使得物联卡信息的识别更加快捷和准确。
[0119]
在一实施例中，所述检测模块20，还用于将所述待识别图像信息输入预设的图像检测模型；获取所述图像检测模型输出的所述待识别物联卡的坐标信息；根据所述坐标信息确定所述待识别物联卡的物联卡图像。
[0120]
在一实施例中，所述检测模块20，还用于根据所述待识别图像信息建立所述待识别图像信息中的各像素点对应的平面直角坐标系；将所述待识别图像信息中各像素点代入所述平面直角坐标系，得到像素点坐标信息；将所述像素点坐标信息输入所述图像检测模型。
[0121]
在一实施例中，所述检测模块20，还用于根据所述坐标信息确定所述待识别物联卡的关键点坐标；根据所述关键点坐标确定所述待识别物联卡的轮廓信息；根据所述轮廓信息确定所述待识别物联卡的物联卡图像。
[0122]
在一实施例中，所述纠正模块30，还用于根据所述物联卡图像确定所述待识别物
联卡本体的本体坐标信息和所述待识别物联卡上的运营商标识坐标信息；根据所述本体坐标信息和所述运营商标识坐标信息确定第一测量夹角；根据所述第一测量夹角和预设的第一比对夹角确定纠正图像。
[0123]
在一实施例中，所述纠正模块30，还用于根据所述第一测量夹角将所述物联卡图像旋转第一旋转角度，得到第一旋转图像；根据所述第一比对夹角将所述第一旋转图像旋转第二旋转角度，得到第二旋转图像；根据所述第二旋转图像得到纠正图像。
[0124]
在一实施例中，所述识别模块40，还用于对所述纠正图像进行二维码识别得到二维码信息；将所述纠正图像输入预设识别模型，得到字符识别信息；根据所述字符识别信息确定拼接字符信息；根据所述拼接字符信息得到iccid；根据所述二维码信息和所述iccid得到识别码信息。
[0125]
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
[0126]
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
[0127]
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于智能纠偏的物联卡识别方法，此处不再赘述。
[0128]
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0129]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0130]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0131]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。