多节点类别路侧泊位字符识别方法以及系统与流程

技术特征：
1.一种多节点类别路侧泊位字符识别方法，其特征在于，包括：获取路侧泊位字符图像数据集，并对所述路侧泊位字符图像数据集中每个泊位字符进行目标检测标注，获得标注字符图像数据集；对所述标注字符图像数据集中每个所述泊位字符进行节点分类标注，获得节点标注字符图像数据集；根据所述标注字符图像数据集，对泊位字符检测模型进行训练，获得训练完成的泊位字符检测模型；根据所述节点标注字符图像数据集，对图卷积神经网络模型进行训练，获得训练完成的图卷积神经网络模型；获取待测泊位字符图像，根据所述训练完成的泊位字符检测模型与所述训练完成的图卷积神经网络模型，对所述待测泊位字符图像进行识别，获得泊位字符序列。2.根据权利要求1所述的多节点类别路侧泊位字符识别方法，其特征在于，所述对所述标注字符图像数据集中每个所述泊位字符进行节点分类标注，获得节点标注字符图像数据集，包括：根据每个所述泊位字符的字符位置，对所述标注字符图像数据集中各个所述泊位字符进行列划分或者行划分，形成第一节点类别泊位字符、第二节点类别泊位字符以及第三节点类别泊位字符；根据所述第一节点类别泊位字符、所述第二节点类别泊位字符以及所述第三节点类别泊位字符，对所述标注字符图像数据集中每个所述泊位字符进行节点类别标注，形成所述节点标注字符图像数据集。3.根据权利要求2所述的多节点类别路侧泊位字符识别方法，其特征在于，所述根据所述节点标注字符图像数据集，对图卷积神经网络模型进行训练，获得训练完成的图卷积神经网络模型，包括：根据每个所述泊位字符的字符位置，对所述节点标注字符图像数据集中每个节点标注字符图像进行提取变换，获得单字符图像数据集；根据每个所述泊位字符的字符位置，获取单字符的距离特征；将单字符图像数据集中每个单字符图像的图像特征与所述单字符的距离特征进行特征拼接，获得每个所述单字符图像的输入特征向量。4.根据权利要求3所述的多节点类别路侧泊位字符识别方法，其特征在于，所述根据所述节点标注字符图像数据集，对图卷积神经网络模型进行训练，获得训练完成的图卷积神经网络模型，还包括：根据所述单字符图像数据集中每个所述单字符图像的节点类别，获得每个所述单字符图像对应的字符检测框的节点分类特征矩阵；根据所述单字符图像数据集中每个所述单字符图像的字符位置，获得与每个所述单字符图像对应的字符检测框的度矩阵；获取每个所述单字符图像对应的字符检测框的单位矩阵，根据所述单位矩阵、所述节点分类特征矩阵以及所述度矩阵，获得每个所述单字符图像对应的字符检测框的邻接矩阵；根据每个所述单字符图像对应的字符检测框的所述邻接矩阵与所述输入特征向量，对
所述图卷积神经网络模型进行训练，获得所述训练完成的图卷积神经网络模型；所述图卷积神经网络模型为：所述图卷积神经网络模型为：其中，x表示每个所述单字符图像的所述输入特征向量，a表示每个所述单字符图像对应的字符检测框的所述节点分类特征矩阵，i表示每个所述单字符图像对应的字符检测框的所述单位矩阵，表示每个所述单字符图像对应的字符检测框的所述度矩阵，表示每个所述单字符图像对应的字符检测框的所述邻接矩阵，w
(0)
与w
(1)
表示所述图卷积神经网络模型的参数，softmax表示归一化函数，relu非线性激活函数。5.根据权利要求4所述的多节点类别路侧泊位字符识别方法，其特征在于，所述获取待测泊位字符图像，根据所述训练完成的泊位字符检测模型与所述训练完成的图卷积神经网络模型，对所述待测泊位字符图像进行识别，获得泊位字符序列，包括：获取所述待测泊位字符图像，将所述待测泊位字符图像输入至所述训练完成的泊位字符检测模型中，获得每个待测泊位字符的字符类别与字符位置；根据每个所述字符位置对待测泊位字符图像进行提取变换，获得多个待测单字符图像，根据每个所述字符位置获取待测单字符的距离特征，并将每个所述待测单字符图像的图像特征与所述待测单字符的距离特征进行特征拼接，获得每个所述待测单字符图像的输入特征向量；将每个所述待测单字符图像的所述输入特征向量输入至所述训练完成的图卷积神经网络模型中，输出每个所述待测单字符图像对应的字符检测框的节点分类特征矩阵；根据每个所述待测泊位字符的所述字符类别、所述字符位置以及每个所述待测单字符图像对应的字符检测框的所述节点分类特征矩阵，获得所述泊位字符序列。6.根据权利要求5所述的多节点类别路侧泊位字符识别方法，其特征在于，所述根据每个所述待测泊位字符的所述字符类别、所述字符位置以及每个所述待测单字符图像对应的字符检测框的所述节点分类特征矩阵，获得所述泊位字符序列，包括：根据每个待测泊位字符的字符类别、字符位置以及每个所述待测单字符图像对应的字符检测框的所述节点分类特征矩阵，对所有所述待测泊位字符进行升序或降序排列，获得所述泊位字符序列。7.一种多节点类别路侧泊位字符识别系统，其特征在于，包括：数据获取模块，用于获取路侧泊位字符图像数据集，并对所述路侧泊位字符图像数据集中每个泊位字符进行目标检测标注，获得标注字符图像数据集；节点分类模块，用于对所述标注字符图像数据集中每个所述泊位字符进行节点分类标注，获得节点标注字符图像数据集；第一模型训练模块，用于根据所述标注字符图像数据集，对泊位字符检测模型进行训练，获得训练完成的泊位字符检测模型；第二模型训练模块，用于根据所述节点标注字符图像数据集，对图卷积神经网络模型进行训练，获得训练完成的图卷积神经网络模型；泊位字符序列获取模块，用于获取待测泊位字符图像，根据所述训练完成的泊位字符
检测模型与所述训练完成的图卷积神经网络模型，对所述待测泊位字符图像进行识别，获得泊位字符序列。8.根据权利要求7所述的多节点类别路侧泊位字符识别系统，其特征在于，所述节点分类模块包括：划分模块，用于根据每个所述泊位字符的字符位置，对所述标注字符图像数据集中各个所述泊位字符进行列划分或者行划分，形成第一节点类别泊位字符、第二节点类别泊位字符以及第三节点类别泊位字符；标注模块，用于根据所述第一节点类别泊位字符、所述第二节点类别泊位字符以及所述第三节点类别泊位字符，对所述标注字符图像数据集中每个所述泊位字符进行节点类别标注，形成所述节点标注字符图像数据集。9.根据权利要求8所述的多节点类别路侧泊位字符识别系统，其特征在于，所述第二模型训练模块包括：单字符图像获取模块，用于根据每个所述泊位字符的字符位置，对所述节点标注字符图像数据集中每个节点标注字符图像进行提取变换，获得单字符图像数据集；距离特征获取模块，用于根据每个所述泊位字符的字符位置，获取单字符的距离特征；输入特征向量获取模块，用于将单字符图像数据集中每个单字符图像的图像特征与所述单字符的距离特征进行特征拼接，获得每个所述单字符图像的输入特征向量。10.根据权利要求9所述的多节点类别路侧泊位字符识别系统，其特征在于，所述第二模型训练模块还包括：节点分类特征矩阵获取模块，用于根据所述单字符图像数据集中每个所述单字符图像的节点类别，获得每个所述单字符图像对应的字符检测框的节点分类特征矩阵；度矩阵获取模块，用于根据所述单字符图像数据集中每个所述单字符图像的字符位置，获得与每个所述单字符图像对应的字符检测框的度矩阵；邻接矩阵获取模块，用于获取每个所述单字符图像对应的字符检测框的单位矩阵，根据所述单位矩阵、所述节点分类特征矩阵以及所述度矩阵，获得每个所述单字符图像对应的字符检测框的邻接矩阵；图卷积神经网络模型构建模块，用于根据每个所述单字符图像对应的字符检测框的所述邻接矩阵与所述输入特征向量，对所述图卷积神经网络模型进行训练，获得所述训练完成的图卷积神经网络模型；所述图卷积神经网络模型为：所述图卷积神经网络模型为：其中，x表示每个所述单字符图像的所述输入特征向量，a表示每个所述单字符图像对应的字符检测框的所述节点分类特征矩阵，i表示每个所述单字符图像对应的字符检测框的所述单位矩阵，表示每个所述单字符图像对应的字符检测框的所述度矩阵，表示每个所述单字符图像对应的字符检测框的所述邻接矩阵，w
(0)
与w
(1)
表示所述图卷积神经网络模型的参数，softmax表示归一化函数，relu非线性激活函数。11.根据权利要求10所述的多节点类别路侧泊位字符识别系统，其特征在于，所述泊位
字符序列获取模块包括：待测泊位字符信息获取模块，用于获取所述待测泊位字符图像，将所述待测泊位字符图像输入至所述训练完成的泊位字符检测模型中，获得每个待测泊位字符的字符类别与字符位置；待测输入特征向量获取模块，用于根据每个所述字符位置对待测泊位字符图像进行提取变换，获得多个待测单字符图像，根据每个所述字符位置获取待测单字符的距离特征，并将每个所述待测单字符图像的图像特征与所述待测单字符的距离特征进行特征拼接，获得每个所述待测单字符图像的输入特征向量；待测节点分类特征矩阵获取模块，用于将每个所述待测单字符图像的所述输入特征向量输入至所述训练完成的图卷积神经网络模型中，输出每个所述待测单字符图像对应的字符检测框的节点分类特征矩阵；泊位字符序列生成模块，用于根据每个所述待测泊位字符的所述字符类别、所述字符位置以及每个所述待测单字符图像对应的字符检测框的所述节点分类特征矩阵，获得所述泊位字符序列。12.根据权利要求11所述的多节点类别路侧泊位字符识别系统，其特征在于，所述泊位字符序列生成模块包括：排列模块，用于根据每个待测泊位字符的字符类别、字符位置以及每个所述待测单字符图像对应的字符检测框的所述节点分类特征矩阵，对所有所述待测泊位字符进行升序或降序排列，获得所述泊位字符序列。

技术总结
本申请公开一种多节点类别路侧泊位字符识别方法以及系统，方法包括获取路侧泊位字符图像数据集，并对路侧泊位字符图像数据集中每个泊位字符进行目标检测标注，获得标注字符图像数据集；对标注字符图像数据集中每个泊位字符进行节点分类标注，获得节点标注字符图像数据集；根据标注字符图像数据集，对泊位字符检测模型进行训练，获得训练完成的泊位字符检测模型；根据节点标注字符图像数据集，对图卷积神经网络模型进行训练，获得训练完成的图卷积神经网络模型；获取待测泊位字符图像，根据训练完成的泊位字符检测模型与训练完成的图卷积神经网络模型，对待测泊位字符图像进行识别，获得泊位字符序列。获得泊位字符序列。获得泊位字符序列。


技术研发人员：冯澍 闫昊 丁丽珠 王艳清
受保护的技术使用者：智慧互通科技股份有限公司
技术研发日：2022.11.01
技术公布日：2023/2/3