CN103503002A - 用于识别符号的方法和设备 - Google Patents

Abstract

本发明涉及一种用于识别具有通过灰度值分布形成的符号轮廓的符号的方法，所述方法具有：根据灰度值分布确定（101）多个灰度值梯度，确定（103）所述多个灰度值梯度中的第一数量的灰度值梯度；所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；确定（105）所述多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据所述第一数量的灰度值梯度和所述第二数量的灰度值梯度之间的关系来识别（107）符号。

Description

用于识别符号的方法和设备

技术领域

本发明涉及自动地识别符号的领域。

背景技术

用于自动地识别符号、尤其是字母和数字的方法长期以来并且在许多方面中使用，例如使用在官方文件的领域中。国际民用航空组织（ICAO）例如在用于机器可读的旅行证件的规范中除了读取区域之外也限定了待应用于其中的字体OCR-B（OCR：光学字符识别）。所述字体专门为自动地识别符号而研发。

为了识别符号，能够使用下述方法：所述方法根据确定对单个符号的候选者的全局结构分析来应用分类器，以用于区分各个符号。根据分类器能够实施图案比较、即所谓的图案匹配。用于图案比较的样品通常源自预设的符号组，或者所述样品在应用图案数据的情况下在学习阶段中被训练。此外，已知骨架线提取方法（Skelettierungsverfahren），所述骨架线提取方法确定符号的“内骨架”并且应用拓扑特性来研究特定的符号组。

在参考文献Canny,J.的“A Computational Approach to EdgeDetection”，IEEE Trans.Pattern Analysis and Machine Intelligence，8(6)：679-698，1986和Lindberg,T.的“Edge Detection and Ridge Detection withAutomatic Scale Selection”，International Journal of Computer Vision，30，2，107-154，1998中，描述了用于识别符号的边缘分布的方法，所述方法应用灰度值梯度(Grauwertgradienten)。灰度值梯度用作为用于确定边缘分布的中间结果。根据借助于灰度值梯度而确定的边缘分布对符号进行分类。在参考文献Holder，S.，Dengler.J.，“Front-and Size-InvariantCharacter Recognition with Grey-Value Image Features”，Proc.9^thInternational Conference on Pattern Recognition,252-254，Vol.1，1988中描述一种方法，其中符号的轮廓变化中的灰度值梯度与参考梯度方向比较，以便基于图案比较来识别符号。

然而，用于识别符号的基于灰度值的已知的方法具有下述缺点：根据ICAO规定以字体OCR-B应用在身份识别文件中的特定的符号，例如字母O和数字0不能够被明确地识别或者不能够彼此区分。这在已知的OCR方法中导致高的识别错误率。出于该原因，在身份识别文件中附加地考虑基于文本的符号识别方法，所述基于文本的符号识别方法尤其在身份识别文件的所谓的机器可读的区域（MRZ）中提供改进的结果。典型的MRZ包括能够附加地考虑用于符号识别的数字或字母文本，例如生日、有效期、姓和名。

然而借助将文字数字的序列号引入到身份识别文件中提供MRZ的能包含数字和字母的区域。因此，所应用的基于文本的方法不再适用，以至于例如通常不再能够无错误地区分字母O和数字0。

发明内容

因此，本发明的目的是，提供一种用于识别符号的方案，所述方案在没有求助于文本信息的情况下能够实现符号、例如OCR-B文字中的字母O和数字0的明确的识别或者区分。

所述目的通过独立权利要求所述的特征得以实现。有利的改进形式是从属权利要求的主题。

本发明基于下述知识：为了明确地识别符号能够评估沿着符号的轮廓部段、即区域的灰度值梯度方向的频繁性

因此，例如能够确定水平延伸的灰度值梯度与垂直或对角线延伸的灰度值梯度的频繁性之比，以便识别相应的符号。在此利用：每个符号都能够具有不同的轮廓部段，例如角弯曲或部段为直线的边，所述边的长度或者倾斜是符号特定的。此外能够利用：符号不具有特定的轮廓部段。对这种符号的示例是字母“I”，其不具有角弯曲。所述方法尤其适用于区分数字“0”和字母“O”。

因此，在OCR-B字体中获得字母O和数字0之间明确的区别，所述区别能够实现所述符号的识别。由此，能够显著地降低识别错误率。为了确定灰度值梯度方向的频繁性，丝毫不需要文本信息，以至于所述方案能够集成到基于分类器工作的现有的符号识别方法中。然而，该方案也能够使用在多级的符号识别方法中并且在那里取代在例如基于图案的符号识别之后进行的文本分析。此外，该方案能够借助于BAC方法（基本访问控制）或者PACE方法（密码验证连接建立）来有利地既使用在自动化地检查具有以及不具有电子装置的有价文件和安全性文件时也使用在读取电子证件，例如电子护照或者身份证时。

该方案例如能够被使用，以便光学地识别绘制在MRZ中或者在其他施加在证件上的例如为代码的符号序列中的一个或多个符号。具有和不具有电子装置的有价文件和安全性文件能够是：ID文件、例如身份证、护照、访问控制证件、授权证件、企业证件、签证、印花税票、票据、驾驶证、机动车行驶本、钞票、支票、邮票、支付媒介、例如银行卡或者信用卡。身份识别文件能够是单层或多层的或者基于纸和/或塑料的。身份识别文件能够由基于塑料的膜构成，所述膜借助于粘贴和/或层压组合成卡体，其中膜优选具有类似的材料的特性。如果例如在这种证件的MRZ中存在待识别的符号，那么所述符号能够光学地例如借助于红外检测来检测或者拍摄。

根据一个角度，本发明涉及一种用于识别符号的方法，尤其是用于自动化地识别具有通过灰度值分布形成的符号轮廓的符号的方法。所述方法包括：根据灰度值分布确定多个灰度值梯度；确定所述多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；以及确定所述多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸。所述方法还包括根据第一数量的灰度值梯度和第二数量的灰度值梯度之间的关系来识别符号。

灰度值和灰度值梯度例如是能够以数字的方式存储的数值并且能够借助于数字的且自动化的处理来检测、处理和评估。每个灰度值例如能够具有在0和255之间的数值。关系同样能够是数字的数值。如果所述关系作为数字数值位于第一数字数值范围内，那么符号为第一符号。而如果所述数值位于第二数字数值范围内，那么符号为第二符号。因此，用于符号识别的关系的评估能够以数字的方式来进行。所述方法例如能够借助于数字的数据处理设备来自动化地实现。

符号例如能够是字母或数字或字体的其他元素，例如之前提及的OCR-B字体。在此，灰度值分布相应于在黑白绘图平面中的亮度分布。灰度值分布通过灰度值的变化来确定，所述灰度值例如能够以数字的方式存储在存储器中。

所述方法尤其能够为了识别符号而使用在前述类型的身份识别文件中、尤其是使用在这种身份识别文件的身份代码或者MRZ中。

根据一个实施形式，使第一数量的和第二数量的灰度值梯度设置为彼此间成比例的，以便得到第一数量的灰度值梯度和第二数量的灰度值梯度之间的关系。以该方式，能够确定在第一角度范围之内以及在第二角度范围之内分布的灰度值梯度的相对频繁性、即特定的梯度方向的相对频繁性。为了检测相应数量的灰度值梯度，能够将在相应的角度范围之内延伸的灰度值梯度绘制到矩形图中。矩形图例如能够被归一化到第一数量或者第二数量的灰度值，由此能够获得梯度方向的相对频繁性。所述关系原则上是符号特定的进而能够实现更准确的符号识别。

符号例如能够与具有水平坐标和垂直坐标的固定坐标系相联系。所述联系例如能够包括符号与固定坐标系的关联或者符号在固定坐标系中的布置。固定坐标系例如能够以坐标格的造型的方式置于符号之上。例如为数字0的符号能够相对于固定坐标系设置成，使得符号纵轴线与固定坐标系的垂直轴线重合并且符号横轴线与固定坐标系的水平轴线重合。

根据一个实施形式，符号与例如上面详述的固定坐标系相联系，其中第一方向和第二方向相对于固定坐标系的至少一个坐标延伸。角度范围能够通过关于至少一个坐标的角度范围来确定。坐标例如能够为固定坐标系的垂直坐标或者水平坐标。

根据一个实施形式，符号与例如上面详述的固定坐标系相联系，并且相对于水平坐标以及垂直坐标定向。在此，第一方向与水平坐标或者与垂直坐标重合。第二方向在水平坐标和垂直坐标之间延伸。第二方向例如能够以对角线的方式在水平坐标和垂直坐标之间延伸。通过应用第二方向尤其能够检测符号的角弯曲。

根据一个实施形式，第一角度范围和所述第二角度范围分别包括关于相应方向的-22.5°和+22.5°之间的角度范围。因此，绝对角度跨度包括45°或更低。根据一个实施形式，在确定相应数量的灰度值梯度时，仅检测位于相应角度范围中的灰度值梯度。剩余的灰度值梯度不考虑用于符号识别。位于相应的角度范围中的灰度值梯度的检测能够借助于矩形图来实施。

根据一个实施形式，灰度值分布作为灰度值或亮度值的变化而存在，所述灰度值或亮度值例如能够分别采用在0和255之间的相应的数值。为了确定多个灰度值梯度，能够确定在灰度值之间的差。在此，例如黑色灰度值与数值0相联系。而白色灰度值与数值255相联系。根据差值形成而形成灰度值梯度，所述灰度值梯度能够最大地通过数值255来表示。所述数值相应于可能的最大灰度值梯度，即灰度值分布的可能的最大变化。因为沿着符号轮廓确定灰度值梯度，所以以该方式自动地得出不同的灰度值梯度方向，所述灰度值梯度方向为了符号识别而能够彼此设置。

根据一个实施形式，为了确定多个灰度值梯度而对灰度值分布进行滤波，尤其是低通滤波。在此，例如能够形成相邻灰度值的平均值，以便降低不期望的灰度阶跃。

根据一个实施形式，所述方法还包括符号的光学检测、例如拍摄。光学检测例如能够是红外检测或者黑白检测。通过光学检测提供通过灰度值分布形成的符号轮廓。

根据另一角度，本发明涉及一种用于识别具有通过灰度值分布形成的符号轮廓的符号的设备，所述设备具有处理器，所述处理器构成用于，根据灰度值分布确定多个灰度值梯度、检测多个灰度值梯度的第一数量的灰度值梯度、检测多个灰度值梯度的第二数量的灰度值梯度并且根据第一数量的灰度值梯度和第二数量的灰度值梯度来识别符号，其中第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸，其中第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸。

处理器例如能够在程序方面构建并且设置成实施程序，以便实施用于识别符号的方法或者以便实施用于识别符号的方法的各个步骤。

根据一个实施形式，该设备包括用于借助于红外检测来检测通过灰度值分布形成的符号轮廓的光学检测装置。

该设备能够用于识别前述类型的身份识别文件中的符号、尤其是这种身份识别文件的MRZ中的符号。

因此，根据另一角度，本发明涉及用于识别在前述类型的身份识别文件中的符号、尤其是在前述类型的身份识别文件的MRZ中的符号的设备的应用。

用于识别符号的设备的其他特征、尤其是处理器的其他的特征在功能上直接从用于识别符号的方法的步骤中得出。

根据另一角度，本发明涉及一种用于实施用以识别具有通过灰度值分布形成的符号轮廓的符号的方法的、具有程序代码的计算机程序，当在计算机上运行程序代码时，所述方法具有下述步骤：根据灰度值分布确定多个灰度值梯度；确定多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；确定多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据第一数量的灰度值梯度和第二数量的灰度值梯度之间的关系来识别所述符号。当例如借助于计算机执行程序时，在计算机上运行程序代码。方法的其他的步骤直接从用于识别符号的方法的步骤中得出。

根据另一角度，本发明涉及一种具有用于实施用以识别符号的方法的、存储在机器可读载体上的程序代码的计算机程序产品，所述符号具有通过灰度值分布形成的符号轮廓，当程序代码在计算机上运行时，所述方法具有下述步骤：根据灰度值分布确定多个灰度值梯度；确定多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；确定多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据第一数量的灰度值梯度和第二数量的灰度值梯度之间的关系来识别所述符号。当例如借助于计算机执行具有程序代码的程序时，在计算机上运行程序代码。方法的其他的步骤直接从用于识别符号的方法的步骤中得出。

附图说明

其他的实施例参考所附的附图来详细阐明。附图示出：

图1示出根据第一实施形式的用于识别符号的方法的示意图；

图2示出根据一个实施形式的字母O的通过灰度值分布形成的轮廓；

图3示出根据一个实施形式的数字0的通过灰度值分布形成的轮廓；

图4示出根据一个实施形式的灰度值分布；

图5示出根据一个实施形式的灰度值分布；以及

图6示出根据一个实施形式的用于识别符号的设备的方框图。

具体实施方式

图1示出用于根据灰度值分布来识别符号的方法100的示意图，所述灰度值分布形成符号的符号轮廓。方法100包括确定101多个灰度值梯度。方法100还包括根据多个灰度值梯度确定103多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸，以及包括根据多个灰度值梯度确定105多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸。第一角度范围和第二角度范围能够是相同的或者是不同的并且分别例如关于相应的方向在+/-22.5°的角度范围之内延伸。方法步骤103和105能够并行的或者依次地以任意顺序执行。

方法还包括根据第一数量的灰度值梯度和第二数量的灰度值梯度之间的关系来识别107所述符号。在此，例如在利用矩形图的情况下，第一数量和第二数量设置为彼此间成比例的。

方法能够可选地包括例如通过红外拍摄来检测符号109。

能够使用所述方法来识别绘制在身份识别文件中的、尤其在身份识别文件的MRZ中的一个或多个符号。身份识别文件能够是证明文件、护照、支付媒介、例如银行卡或者信用卡、驾驶证、企业证件、货运单或者授权证件。

在图2和3中分别示例地示出根据OCR-B文字的通过灰度值201、203的分布、即通过灰度值分布形成的符号轮廓。在图2中示例地示出字母O。而图3示出数字0。

如在图2中所示出的，字母O通过由灰度值201的分布形成的符号轮廓来确定。灰度值201例如在存储器中作为0和255之间的数字的数字值存在。在此，数字0代表灰度值黑色并且数字255代表灰度值白色。如果数字地绘制符号，那么灰度值能够被绘制为不同亮度的像素。灰度值差异得到灰度值梯度，所述灰度值梯度的斜率能够通过相邻的或者彼此进一步间隔开的灰度值之间的差值来确定。上述实施方案符合意义地适用于在图3中示出的符号。

图4图解示出用于根据在图2中示出的字母O的示例处的梯度方向的相对频繁性来识别符号的方案。在图4中示例地示出关于具有垂直坐标v和水平坐标h的固定坐标系400的字母O。此外，绘出方向d，所述方向例如以对角线的方式在坐标v和h之间延伸。

根据灰度值201的分布确定第一数量的灰度值梯度401，所述灰度值梯度关于第一方向在第一角度范围403之内延伸。第一方向示例地与水平坐标h重合。

此外，确定第二数量的灰度值梯度405，所述灰度值梯度关于第二方向d在第二角度范围407之内延伸。第二方向d例如以对角线的方式在坐标h和v之间延伸。

第一角度范围403和第二角度范围407能够分别围绕相应的方向展开45°的绝对角度范围或者-22.5°至+22.5°或者更小的角度范围。然而对于其他符号而言，角度范围403和407能够采用其他数值。

第一数量和第二数量的灰度值梯度401、405彼此关联，例如设置为彼此间成比例的，以便以该方式获得梯度方向的相对频繁性。在此，保持不考虑分别位于角度范围403、407外部的梯度。

根据一个实施形式，在区域409中或者在符号201的多个区域409中确定第一数量的梯度分布401。区域409示例地通过字母的相对置的边来确定。而在区域411中或者在符号201的多个区域411中确定第二数量的灰度值分布405。相应的区域411例如能够通过符号201的相应的角弯曲来确定。

在图5中图解示出用于根据在图1中示出的数字0的示例处的梯度方向的相对频繁性来识别符号的方案。

图5示例地示出第一数量的灰度值梯度501，所述第一数量的灰度值梯度关于第一方向在第一角度范围503之内延伸。第一方向能够示例地与坐标系400的水平坐标h重合。此外，示出第二数量的灰度值梯度505，所述第二数量的灰度值梯度关于第二方向d在第二角度范围507之内延伸。第二方向在坐标h和v之间延伸。

根据一个实施形式，在区域509中或者在符号301的多个区域509中确定第一数量的灰度值梯度501。区域509示例地通过数字0的相对置的边来确定。而在区域511中或者在符号301的多个区域511中确定第二数量的梯度分布505。相应的区域511例如能够通过符号301的相应的角弯曲来确定。

第一角度范围503和第二角度范围507能够分别围绕相应的方向展开45°的绝对角度范围或者-22.5°至+22.5°或者更小的角度范围。

相对的频繁性例如能够用作为用于将符号彼此区分的符号分类器。如果符号为字母O和数字0，那么以该方式提供基于灰度值梯度的0-O分类器，以便识别符号或者以便将其彼此区分。

在符号对称的情况下，梯度方向的相对频繁性原则上也能够根据符号部段来确定。因此，在图4中或图5中绘出的符号201、301例如能够根据其上半部、其下半部、其右半部、其左半部或者根据仅在坐标系400的四分之一象限中的一个中的符号部段来检测。

因此，为了识别符号，能够评估在相应的区域409、411或509、511中的梯度方向的相对频繁性。因此，不需要确定符号轮廓以及实施基于此的模板匹配方法。因此，也省去通常所需要的训练数据或样本数据以及对于这些数据所必需的计算和比较。由此降低方法复杂性。

图6示出用于识别具有通过灰度值分布形成的符号轮廓的符号的设备600的方框图。设备600包括处理器601，所述处理器构成为：根据灰度值分布确定多个灰度值梯度；检测所述多个灰度值梯度的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；检测所述多个灰度值梯度的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据第一数量的灰度值梯度和第二数量的灰度值梯度来识别符号。处理器601能够构成为实施在图1中绘出的方法100的步骤101至107。为此，处理器能够在程序方面构建并且例如执行用于实施方法的程序。

可选地，设备600能够具有检测装置603，所述检测装置构成为，例如实施符号的红外检测或者黑白检测，以便提供通过梯度分布形成的符号轮廓。

根据一个实施形式，为了符号识别仅能够检查：第一数量和第二数量之间的所确定的关系、例如这两个数量的商是否位于预设值之上或者之下。所述预设值能够作为阈值存储在存储器中并且预先确定。以该方式可行的是，降低识别错误率并且同时降低方法复杂性。此外，该方法提供鲁棒的结果并且能够快速地实施，以至于整体上能够更快速且更可靠地实施在文本中的符号识别。

附图标记列表

100      方法

101      确定多个灰度值梯度

103      确定第一数量的灰度值梯度

105      确定第二数量的灰度值梯度

107      识别

109      检测

201      灰度值

301      灰度值

400      坐标系

401      第一数量的灰度值梯度

403      第一角度范围

405      第二数量的灰度值梯度

407      第二角度范围

409      区域

411      区域

501      第一数量的灰度值梯度

503      第一角度范围

505      第二数量的灰度值梯度

507      第二角度范围

509      区域

511      区域

600      设备

601      处理器

603      检测装置

v        垂直坐标

h        水平坐标

d        方向

Claims (10)

1.一种用于识别具有通过灰度值分布形成的符号轮廓的符号的方法，所述方法具有：

根据灰度值分布确定（101）多个灰度值梯度；

确定（103）所述多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；

确定（105）所述多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且

根据所述第一数量的灰度值梯度和所述第二数量的灰度值梯度之间的关系来识别（107）所述符号。

2.根据权利要求1所述的方法，其中为了识别（107）所述符号，将所述第一数量和所述第二数量设置为彼此间成比例的，以便得到所述关系。

3.根据上述权利要求之一所述的方法，其中所述符号与固定坐标系（400）相联系，并且其中所述第一方向和所述第二方向相对于所述固定坐标系（400）的至少一个坐标延伸。

4.根据上述权利要求之一所述的方法，其中所述符号与具有水平坐标和垂直坐标的固定坐标系（400）相联系，其中所述第一方向与所述水平坐标或者与所述垂直坐标重合，并且其中所述第二方向在所述水平坐标和所述垂直坐标之间延伸，尤其是以对角线的方式延伸。

5.根据上述权利要求之一所述的方法，其中所述第一角度范围和所述第二角度范围分别包括-22.5°和22.5°之间的角度范围。

6.根据上述权利要求之一所述的方法，其中所述灰度值分布作为灰度的变化存在，并且其中为了确定（101）所述多个灰度值梯度而确定灰度值之间的差。

7.根据上述权利要求之一所述的方法，其中所述方法还包括以光学的方式检测所述符号（109）、尤其是进行红外检测或者黑白检测，以便提供通过灰度值分布形成的所述符号轮廓。

8.一种用于识别具有通过灰度值分布形成的符号轮廓的符号的设备，所述设备具有处理器（601），所述处理器构成用于，根据所述灰度值分布确定多个灰度值梯度、检测所述多个灰度值梯度的第一数量的灰度值梯度、检测所述多个灰度值梯度的第二数量的灰度值梯度并且根据所述第一数量的灰度值梯度和所述第二数量的灰度值梯度来识别所述符号，其中所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸，其中所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸。

9.一种用于实施用以识别具有通过灰度值分布形成的符号轮廓的符号的方法的、具有程序代码的计算机程序，当在计算机上运行所述程序代码时，所述方法具有下述步骤：根据灰度值分布确定（101）多个灰度值梯度；确定（103）所述多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；确定（105）所述多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据所述第一数量的灰度值梯度和所述第二数量的灰度值梯度之间的关系来识别（107）所述符号。

10.一种具有用于执行用以识别符号的、存储在机器可读载体上的程序代码的计算机程序产品，所述符号具有通过灰度值分布形成的符号轮廓，当所述程序代码在计算机上运行时，所述方法具有下述步骤：根据灰度值分布确定（101）多个灰度值梯度；确定（103）所述多个灰度值梯度中的第一数量的灰度值梯度，所述第一数量的灰度值梯度关于第一方向在第一角度范围之内延伸；确定（105）所述多个灰度值梯度中的第二数量的灰度值梯度，所述第二数量的灰度值梯度关于第二方向在第二角度范围之内延伸；并且根据所述第一数量的灰度值梯度和所述第二数量的灰度值梯度之间的关系来识别（107）所述符号。

Images