CN104574360A - 纸钞图案切边识别的方法及装置 - Google Patents

纸钞图案切边识别的方法及装置 Download PDF

Info

Publication number
CN104574360A
CN104574360A CN201410635632.5A CN201410635632A CN104574360A CN 104574360 A CN104574360 A CN 104574360A CN 201410635632 A CN201410635632 A CN 201410635632A CN 104574360 A CN104574360 A CN 104574360A
Authority
CN
China
Prior art keywords
color data
row
standard deviation
jth
threshold value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410635632.5A
Other languages
English (en)
Inventor
江建平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DIEBOLD FINANCIAL EQUIPMENT Co Ltd
Original Assignee
DIEBOLD FINANCIAL EQUIPMENT Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by DIEBOLD FINANCIAL EQUIPMENT Co Ltd filed Critical DIEBOLD FINANCIAL EQUIPMENT Co Ltd
Priority to CN201410635632.5A priority Critical patent/CN104574360A/zh
Publication of CN104574360A publication Critical patent/CN104574360A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Abstract

本发明提出了一种纸钞图案切边识别的方法及装置，纸钞图案和背景图案共同组成图像，图像中的所述背景图案的尺寸大于所述纸钞图案的尺寸。该方法包括以下步骤：A.根据该图像的第j列的颜色数据的平均值和第j列的颜色数据，计算该图像的所述第j列的颜色数据的标准差；B.判断所述第j列的颜色数据的标准差是否大于预定义阈值：如果第j列的颜色数据的标准差大于所述预定义阈值，则第j列为所述纸钞图案的纵向切边；如第j列的颜色数据的标准差不大于预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。本发明的方案实现了在背景复杂的纸钞图案切边的检测，并且具有算法简单，算法效率高以及参数定制化的优点。

Description

纸钞图案切边识别的方法及装置
技术领域
本发明涉及切边识别，尤其涉及纸钞图案切边识别的方法及装置。
背景技术
钞票经过使用后，会有各种不同的损旧，钞票上相应的文字也会模糊不清，以至于在进行相应的钞票信息识别时，无法进行准确的辨识。因此，需要能够将经过扫描的图像进行相应的处理，以达到正确识别的效果。
目前一种用于区分背景图案和纸钞图案的技术主要是根据图像中的背景图案的颜色和纸钞图案的颜色进行判断。例如将图像从左向右扫描，当第n列的颜色数据的均值和第n+1列的颜色数据的均值的差值大于预定义阈值时，将第n列确定为纸钞图案的边缘。这样，当背景图案的颜色和纸钞图案的颜色比较接近时，难以区分纸钞图案的边缘。同时当背景图案有跳跃变化时，也容易将这个跳跃变化当作纸钞图案的边缘。
目前另一种用于区分背景图案和纸钞图案的技术主要是利用纸钞图案中的一部分特征值去对图像进行匹配。例如，提取纸钞图案中的例如人物头像作为特征值，然后用特征值对图像的各个部分进行匹配。在匹配上以后，就可以根据纸钞特征值的位置判断出纸钞图案的边缘。但是这种算法比较复杂，实际的工作效率低下，需要大量的计算才能匹配比对计算。
因此，设计一种快速、准确和简便地把例如纸钞图案从整张图像中提取出来的方案将是非常有益的。
发明内容
基于上述考虑，本发明提供了一种纸钞图案切边识别的方法以及装置。
根据本发明的第一个方面，提供了一种纸钞图案切边识别的方法，所述纸钞图案和背景图案共同组成图像，所述图像中的所述背景图案的尺寸大于所述纸钞图案的尺寸，所述方法包括以下步骤：A.根据所述图像的第j列的颜色数据的平均值和第j列的颜色数据，计算所述图像的所述第j列的颜色数据的标准差；以及B.判断所述第j列的颜色数据的标准差是否大于预定义阈值：如果所述第j列的颜色数据的标准差大于所述预定义阈值，则第j列为所述纸钞图案的纵向切边；如果所述第j列的颜色数据的标准差不大于所述预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。
有利地，该方法还包括将扫描后的所述图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。
有利地，该方法还包括在所述图像的第j列上提取K个像素的颜色数据，其中K小于N。
有利地，所述K个像素不位于纸钞图案内。
有利地，所述步骤A还包括计算第j列的K个颜色数据的平均值Aj。
有利地，所述步骤A还包括根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表所述图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表第j列颜色数据的平均值。
有利地，所述步骤B还包括根据计算所述预定义阈值，其中L代表用于计算预定义阈值的最大列数，Hj代表用于计算预定义阈值的列序号，Ej代表第j列的颜色数据的标准差。
有利地，用于计算预定义阈值的L列中的任一列均不位于所述纸钞图案内。
有利地，用于计算预定义阈值的L列中的任一列均位于所述纸钞图案的一侧且不位于所述纸钞图案内。
根据本发明的第一个方面，提供了一种纸钞图案切边识别的装置，所述纸钞图案和背景图案共同组成图像，所述图像中的所述背景图案的尺寸大于所述纸钞图案的尺寸，所述装置包：标准差计算单元，其用于根据所述图像的第j列的颜色数据的平均值和第j列的颜色数据，计算所述图像的所述第j列的颜色数据的标准差；以及切边判断单元，其用于判断所述第j列的颜色数据的标准差是否大于预定义阈值：如果所述第j列的颜色数据的标准差大于所述预定义阈值，则第j列为所述纸钞图案的纵向切边；如果所述第j列的颜色数据的标准差不大于所述预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。
有利地，该装置还包括
像素单元，其用于将扫描后的所述图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。
有利地，该装置还包括像素提取单元，在所述图像的第j列上提取K个像素的颜色数据，其中K小于N。
有利地，所述K个像素不位于纸钞图案内。
有利地，所述标准差计算单元还包括第一计算单元，其用于计算第j列的K个颜色数据的平均值Aj。
有利地，所述标准差计算单元还包括第二计算单元，其用于根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表所述图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表第j列颜色数据的平均值。
有利地，所述切边判断单元还包括根据计算所述预定义阈值，其中L代表用于计算预定义阈值的最大列数，Hj代表用于计算预定义阈值的列序号，Ej代表第j列的颜色数据的标准差。
有利地，用于计算预定义阈值的L列中的任一列均不位于所述纸钞图案内。
有利地，用于计算预定义阈值的L列中的任一列均位于所述纸钞图案的一侧且不位于所述纸钞图案内。
本发明涉及一种纸钞图案切边识别的方法及装置，本发明具有以下优势：
1.适用背景复杂的纸钞图案切边的检测；
2.算法简单，易于实现；
3.计算量小，算法效率高；
4.参数定制化，适用范围广。
基于上述纸钞图案切边识别的方案，可以在取款机纸钞冠字号识别系统中运用该算法确定纸钞图案的边缘。根据纸钞图案的边缘，从而定位纸钞图案在背景图案中的精确位置，进而定位冠字号区域位置，从而顺利实现冠字号的识别。该纸币边缘检测算法在实际的应用中，准确率超过99％。
本发明的各个方面将通过下文中的具体实施例的说明而更加清晰。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更加明显：
图1示出了包含有背景图案和纸钞图案的图像的示意图；以及
图2示出了根据本发明的一个实施例的纸钞切边识别的方法示意图；
图3示出了根据本发明的另一个实施例的计算颜色数据标准差的方法示意图；以及
图4示出了根据本发明的一个实施例的纸钞切边识别的装置示意图。
在图中，贯穿不同的示图，相同或类似的附图标记表示相同或相对应的部件或特征。
具体实施方式
在以下优选的实施例的具体描述中，将参考构成本发明一部分的所附的附图。所附的附图通过示例的方式示出了能够实现本发明的特定的实施例。示例的实施例并不旨在穷尽根据本发明的所有实施例。可以理解，在不偏离本发明的范围的前提下，可以利用其他实施例，也可以进行结构性或者逻辑性的修改。因此，以下的具体描述并非限制性的，且本发明的范围由所附的权利要求所限定。需要说明的是，尽管附图中以特定顺序描述了本发明中有关方法的步骤，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果，相反，本文中所描述的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解维多个步骤执行。
图1示出了包含有背景图案和纸钞图案的图像的示意图。如图1所示，由于背景图案的位置1和位置2的颜色有跳跃变化，传统的边缘检测算法无法区别背景图案中的颜色跳跃变化，容易和纸钞图案的边缘混淆，可能会将位置1和位置2所在的位置作为纸钞的边缘，这样做显然是错误的。
图2示出了根据本发明的一个实施例的纸钞切边识别的方法示意图。
首先，将扫描后的图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。这样，该图像具有M×N个像素，也即M×N个颜色数据。
然后，在该图像的第j列上提取K个像素的颜色数据。
优选地，其中K小于N并且K个像素不位于纸钞图案内。例如，可以在如图1所示的图像第j列的下方或上方纵向地取K＝50个像素的颜色数据。
在步骤S210中，根据图像的第j列的颜色数据的平均值和第j列的颜色数据，计算图像的第j列的颜色数据的标准差。图3示出了根据本发明的实施例的计算颜色数据标准差的方法示意图；
在步骤S211中，计算第j列上提取的K个像素的颜色数据的平均值Aj。如果K个像素不位于纸钞图案内，K个像素的平均值可以较好地体现背景图案的平均特征。
本领域技术人员应该理解的是，对K个颜色数据求平均值的方法包括但不限于累加平均，权重平均等。
在步骤S212中，该方法根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表该图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表第j列颜色数据的平均值。
在步骤S220中，判断第j列的颜色数据的标准差是否大于预定义阈值：如果第j列的颜色数据的标准差大于预定义阈值，则第j列为纸钞图案的纵向切边；如果第j列的颜色数据的标准差不大于纵向预定义阈值，则j＝j+1并继续执行步骤A，j代表该图像的列序号。
优选的，该方法根据计算预定义阈值T，其中L代表用于计算预定义阈值的最大列数，Hj代表用于计算预定义阈值的列序号，Ej代表步骤S210中的第j列的颜色数据的标准差。
优选的，用于计算预定义阈值的L列中的任一列均不位于所述纸钞图案内。
如果背景图案本身没有颜色的跳跃性的变化，用于计算预定义阈值的L也可以是如图1所示的图像的最左边的15列和最右边的15列，其中两侧的15列为背景图案，也即Hj＝0，1，...，14，M-14，M-13，...，M-1，M。
优选的，用于计算预定义阈值的L列中的任一列均位于所述纸钞图案的一侧且不位于所述纸钞图案内。
例如，纸钞图案两侧的背景图案的颜色有明显的变化，用于计算左侧预定义阈值的L可以是如图1所示的图像的最左边的不位于纸钞图案内的30列，其中最左边的30列为背景图案，也即Hj＝0，1...，29。类似地，用于计算右侧预定义阈值的L可以是如图1所示的图像的最右边的不位于纸钞图案内的30列，其中最右边的30列为背景图案，也即Hj＝M-29，M-13，...，M-1，M。
虽然本发明的上述实施例以纵向为例来说明本发明的技术方案，但本发明的技术方案并不仅限于纸钞纵向切边的识别。利用本发明的方案，也可以进行纸钞横向的切边识别，也可以进行其它图案的纵向或横向的切边识别。
图4示出了根据本发明的一个实施例的纸钞切边识别的装置示意图。装置400例如可以是或者可以实现在上文结合图2-3所描述的实施方式中的装置。
如图4所示，装置400包括标准差计算单元410，其用于根据图像的第j列的颜色数据的平均值和第j列的颜色数据，计算图像的第j列的颜色数据的标准差；以及切边判断单元420，其用于判断第j列的颜色数据的标准差是否大于预定义阈值：如果第j列的颜色数据的标准差大于预定义阈值，则第j列为所述纸钞图案的纵向切边；如果第j列的颜色数据的标准差不大于预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。
装置400还包括像素单元，其用于将扫描后的所述图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。
装置400还包括像素提取单元，在所述图像的第j列上提取K个像素的颜色数据，其中K小于N。该K个像素不位于纸钞图案内。
在装置400中的标准差计算单元410还包括第一计算单元，其用于计算第j列的K个颜色数据的平均值Aj；第二计算单元，其用于根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表所述图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表第j列颜色数据的平均值。
装置400中的切边判断单元420还包括根据计算预定义阈值，其中L代表用于计算预定义阈值的最大列数，Hj代表用于计算预定义阈值的列序号，Ej代表第j列的颜色数据的标准差。
装置400中的切边判断单元420中的用于计算预定义阈值的L列中的任一列可均不位于例如图1所示出的纸钞图案内。
装置400中的切边判断单元420中的用于计算预定义阈值的L列中的任一列也可均位于例如图1所示出所述纸钞图案的一侧且不位于所述纸钞图案内。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论如何来看，均应将实施例看作是示范性的，而且是非限制性的。此外，明显的，“包括”一词不排除其他元素和步骤，并且措辞“一个”不排除复数。装置权利要求中陈述的多个元件也可以由一个元件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (18)

1.一种纸钞图案切边识别的方法，所述纸钞图案和背景图案共同组成图像，所述图像中的所述背景图案的尺寸大于所述纸钞图案的尺寸，所述方法包括以下步骤：
A.根据所述图像的第j列的颜色数据的平均值和第j列的颜色数据，计算所述图像的所述第j列的颜色数据的标准差；以及
B.判断所述第j列的颜色数据的标准差是否大于预定义阈值：如果所述第j列的颜色数据的标准差大于所述预定义阈值，则所述第j列为所述纸钞图案的纵向切边；如果所述第j列的颜色数据的标准差不大于所述预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。
2.根据权利要求1所述的方法，其特征在于，还包括将扫描后的所述图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。
3.根据权利要求1所述的方法，其特征在于，还包括在所述图像的第j列上提取K个像素的颜色数据，其中K小于N。
4.根据权利要求3所述的方法，其特征在于，所述K个像素不位于所述纸钞图案内。
5.根据权利要求3或4中任一项所述的方法，其特征在于，所述步骤A还包括
计算第j列的K个颜色数据的平均值Aj。
6.根据权利要求5所述的方法，其特征在于，所述步骤A还包括
根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表所述图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表所述第j列颜色数据的平均值。
7.根据权利要求1所述的方法，其特征在于，所述步骤B还包括根据计算所述预定义阈值，其中L代表用于计算所述预定义阈值的最大列数，Hj代表用于计算所述预定义阈值的列序号，Ej代表所述第j列的颜色数据的标准差。
8.根据权利要求7所述的方法，其特征在于，用于计算预定义阈值的L列中的任一列均不位于所述纸钞图案内。
9.根据权利要求7所述的方法，其特征在于，用于计算预定义阈值的L列中的任一列均位于所述纸钞图案的一侧且不位于所述纸钞图案内。
10.一种纸钞图案切边识别的装置，所述纸钞图案和背景图案共同组成图像，所述图像中的所述背景图案的尺寸大于所述纸钞图案的尺寸，所述装置包：
标准差计算单元，其用于根据所述图像的第j列的颜色数据的平均值和第j列的颜色数据，计算所述图像的所述第j列的颜色数据的标准差；以及
切边判断单元，其用于判断所述第j列的颜色数据的标准差是否大于预定义阈值：如果所述第j列的颜色数据的标准差大于所述预定义阈值，则第j列为所述纸钞图案的纵向切边；如果所述第j列的颜色数据的标准差不大于所述预定义阈值，则j＝j+1并继续执行所述步骤A，j代表所述图像的列序号。
11.根据权利要求10所述的装置，其特征在于，还包括
像素单元，其用于将扫描后的所述图像分割成(M，N)个像素，其中M代表横向像素，N代表纵向像素，每个像素有一个唯一的颜色数据。
12.根据权利要求10所述的装置，其特征在于，还包括
像素提取单元，在所述图像的第j列上提取K个像素的颜色数据，其中K小于N。
13.根据权利要求12所述的装置，其特征在于，所述K个像素不位于所述纸钞图案内。
14.根据权利要求12或13中任一项所述的装置，其特征在于，所述标准差计算单元还包括
第一计算单元，其用于计算第j列的K个颜色数据的平均值Aj。
15.根据权利要求14所述的装置，所述标准差计算单元还包括第二计算单元，其用于根据计算第j列的颜色数据的标准差，其中Ej代表第j列的颜色数据的标准差，i代表所述图像的行序号，Ai，j代表第j列第i行的颜色数据，Aj代表第j列颜色数据的平均值。
16.根据权利要求10所述的装置，其特征在于，所述切边判断单元还包括根据计算所述预定义阈值，其中L代表用于计算预定义阈值的最大列数，Hj代表用于计算预定义阈值的列序号，Ej代表第j列的颜色数据的标准差。
17.根据权利要求16所述的装置，其特征在于，用于计算预定义阈值的L列中的任一列均不位于所述纸钞图案内。
18.根据权利要求16所述的装置，其特征在于，用于计算预定义阈值的L列中的任一列均位于所述纸钞图案的一侧且不位于所述纸钞图案内。
CN201410635632.5A 2014-11-12 2014-11-12 纸钞图案切边识别的方法及装置 Pending CN104574360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410635632.5A CN104574360A (zh) 2014-11-12 2014-11-12 纸钞图案切边识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410635632.5A CN104574360A (zh) 2014-11-12 2014-11-12 纸钞图案切边识别的方法及装置

Publications (1)

Publication Number Publication Date
CN104574360A true CN104574360A (zh) 2015-04-29

Family

ID=53090332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410635632.5A Pending CN104574360A (zh) 2014-11-12 2014-11-12 纸钞图案切边识别的方法及装置

Country Status (1)

Country Link
CN (1) CN104574360A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355743A (zh) * 2015-07-14 2017-01-25 深圳怡化电脑股份有限公司 纸币的版本识别方法及装置
CN106920318A (zh) * 2017-03-07 2017-07-04 深圳怡化电脑股份有限公司 一种纸币的鉴别方法及装置
CN106934914A (zh) * 2017-03-17 2017-07-07 深圳怡化电脑股份有限公司 纸币防伪检测的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6354507B1 (en) * 1999-10-04 2002-03-12 Glory Ltd. Paper sheet discriminating apparatus and method
CN101408942A (zh) * 2008-04-17 2009-04-15 浙江师范大学 一种复杂背景下的车牌定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6354507B1 (en) * 1999-10-04 2002-03-12 Glory Ltd. Paper sheet discriminating apparatus and method
CN101408942A (zh) * 2008-04-17 2009-04-15 浙江师范大学 一种复杂背景下的车牌定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭玉佳: "纸币图像处理技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355743A (zh) * 2015-07-14 2017-01-25 深圳怡化电脑股份有限公司 纸币的版本识别方法及装置
CN106920318A (zh) * 2017-03-07 2017-07-04 深圳怡化电脑股份有限公司 一种纸币的鉴别方法及装置
CN106934914A (zh) * 2017-03-17 2017-07-07 深圳怡化电脑股份有限公司 纸币防伪检测的方法及装置
CN106934914B (zh) * 2017-03-17 2020-03-27 深圳怡化电脑股份有限公司 纸币防伪检测的方法及装置

Similar Documents

Publication Publication Date Title
CN104298982B (zh) 一种文字识别方法及装置
US10255691B2 (en) Method and system of detecting and recognizing a vehicle logo based on selective search
Qiao et al. LGPMA: complicated table structure recognition with local and global pyramid mask alignment
US20200311460A1 (en) Character identification method and device
US9396404B2 (en) Robust industrial optical character recognition
Pape et al. Utilizing machine learning approaches to improve the prediction of leaf counts and individual leaf segmentation of rosette plant images
Su et al. An effective staff detection and removal technique for musical documents
CN112528813B (zh) 表格识别方法、装置以及计算机可读存储介质
CN106156766A (zh) 文本行分类器的生成方法及装置
CN106875546A (zh) 一种增值税发票的识别方法
CN103455814B (zh) 用于文档图像的文本行分割方法和系统
CN104809481A (zh) 一种基于自适应色彩聚类的自然场景文本检测的方法
CN104992496A (zh) 一种纸币面向识别方法及装置
CN102663378A (zh) 连笔手写字符的识别方法
CN104217203A (zh) 复杂背景卡面信息识别方法及系统
CN104978560A (zh) 行车线标识识别装置
CN107240185B (zh) 一种冠字号识别方法、装置、设备及存储介质
US8744189B2 (en) Character region extracting apparatus and method using character stroke width calculation
CN111191611A (zh) 基于深度学习的交通标志标号识别方法
Li et al. Fast and effective text detection
CN109740609A (zh) 一种轨距检测方法及装置
CN104574360A (zh) 纸钞图案切边识别的方法及装置
Chen et al. Salient object detection: integrate salient features in the deep learning framework
Hung et al. Skyline localization for mountain images
Choi et al. Localizing slab identification numbers in factory scene images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150429