CN106687992A - 用于执行光学字符识别的装置和方法 - Google Patents
用于执行光学字符识别的装置和方法 Download PDFInfo
- Publication number
- CN106687992A CN106687992A CN201580048263.2A CN201580048263A CN106687992A CN 106687992 A CN106687992 A CN 106687992A CN 201580048263 A CN201580048263 A CN 201580048263A CN 106687992 A CN106687992 A CN 106687992A
- Authority
- CN
- China
- Prior art keywords
- row
- character
- pixel groups
- image data
- described image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/142—Image acquisition using hand-held instruments; Constructional details of the instruments
- G06V30/1423—Image acquisition using hand-held instruments; Constructional details of the instruments the instrument generating sequences of position coordinates corresponding to handwriting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Abstract
一种用于在光学字符识别过程中执行字符隔离的方法,所述方法包括:接收表示一个或多个字符列的图像数据;确定图像数据中每一列的黑色像素的数目;定义竖向分开阈值,该竖向分开阈值是列中黑色像素的最大数目;通过排除黑色像素数目低于竖向分开阈值的任何列,将列划分成不同的像素组和排除列组;识别表示图像数据中最左侧字符列的像素组;确定图像数据中有一个还是两个表示字符列的像素组;以及如果确定存在两个表示字符列的像素组,则针对最右侧字符列使用预定宽度值,用以识别最右侧字符列的右手边界。
Description
技术领域
本发明涉及一种用于执行光学字符识别(OCR)的装置和方法。该装置可以是用于附接到例如注射装置等医疗装置并且与医疗装置一起使用的辅助装置。
背景技术
在医疗装置领域中,在需要非常高的精度的情况下不常使用OCR技术,例如以防止药物的误配给。因此,许多基于机械的装置也具有剂量标尺或读数,其必须人工读取并且人工记录剂量。这对于用户来说是耗时的,并且可能潜在地导致错误。此外,如果要以电子方式传送数据和/或以电子方式分析数据,则必须首先将数据人工输入到单独的电子装置中。此外,一些患者(例如视力差的患者)可能难以读取通常较小的机械读数。
存在多种疾病需要通过注射药剂进行定期治疗。这种注射可以通过使用注射装置来进行,由医务人员或患者自己注射。作为一个示例,1型和2型糖尿病可以由患者自己通过注射胰岛素剂量来治疗,例如每天一次或多次。例如,预填充的一次性胰岛素笔可以用作注射装置。作为替代,可以使用可重复使用的笔。可重复使用的笔允许用新的药筒更换空药物筒。任一种笔可以带有一套一次性针,在每次使用之前更换。然后可以例如通过转动剂量旋钮并从胰岛素笔的剂量窗口或显示器观察实际剂量,在胰岛素笔处手动选择要注射的胰岛素剂量。然后通过将针插入适当的皮肤部分并按压胰岛素笔的注射按钮来注射剂量。为了能够监视胰岛素注射,例如以防止对胰岛素笔的错误操作或者保持跟踪已经应用的剂量,期望测量与注射装置的状况和/或使用相关的信息,例如关于所注射的胰岛素类型和剂量的信息。
发明内容
本发明的第一方面提供了一种在光学字符识别过程中执行字符隔离的方法,所述方法包括:
接收表示一个以上字符列的图像数据;
确定所述图像数据的每一列中的黑色像素的数目;
定义竖向分开阈值,所述竖向分开阈值是列中黑色像素的最大数目;
通过排除黑色像素数目低于所述竖向分开阈值的任何列,将这些列划分为不同的像素组和排除列组;
识别表示所述图像数据中最左侧字符列的像素组;
确定所述图像数据中有一个还是两个表示字符列的像素组;以及
如果确定有两个表示字符列的像素组,则针对最右侧字符列使用预定宽度值,用以识别最右侧字符列的右手边界。
此方法允许最右侧字符列中的字符被正确地分割和隔离,即使它们与右手边距/框线区域合并。对图像数据中的字符的正确分割和隔离允许执行准确且可靠的OCR过程,这对于在医疗应用中使用OCR技术特别重要。
识别图像数据中表示最左侧字符列的像素组可以包括识别紧邻最左侧排除列组右边的像素组。
识别图像数据中表示最左侧字符列的像素组可以包括:如果紧邻最左侧排除列组右边的像素组小于最小数字宽度阈值,则排除该像素组,因而将在最左侧排除列组右边的第二像素组定义为图像数据中的最左侧字符列。该过程考虑(并且忽略)了在可以使用字符隔离方法的许多装置中印制在“0”和“2”之间较小的“1”。
确定图像数据中有一个还是两个表示字符列的像素组,可以包括确定最左侧排除列组的宽度。最左侧排除列组表示最左数字组左边的空白空间。该区域的宽度取决于可见数码是否各自包括一个或两个数字。
如果确定最左侧排除列组的宽度小于最大左边距阈值,则该方法还可以包括确定在图像数据中有两个表示字符列的像素组。
该方法还可以包括确定图像数据中最左侧字符列的宽度。该方法还可以包括使用所确定的图像数据中最左侧字符列的宽度,来确定最左侧字符列是仅包括窄的数码还是仅包括宽的数码。如果确定最左侧字符列仅包括窄的数码,则该方法还可以包括将最大有效剂量结果设置为“19”。由于数吗“1”在宽度上与每一个其他数码明显不同,因此对于随后的OCR过程的精度来说,识别最左数字是否为“1”是重要的。
该方法还可以包括排除接触图像左手边缘的任何像素组。在一些情况下,可能存在应当被识别为不表示字符数据并且应被排除的左手边框区域。
该方法还可以包括通过识别位于左手字符列和右手字符列之间的排除列组,来识别右手字符列的左手边界。该过程识别一个两位数中的数字之间的间隙。OCR算法可以要求每个数字被隔离以便被正确地识别。
该方法还可以包括确定左手字符列是否比最大数字宽度阈值宽,如果是,则确定图像数据中的数码在8到10的范围内。这种情况可能发生在数码“8”能够在数码“10”之上或之下在图像数据中看见。在这种情况下,很难将字符分开成列。然而,通过将潜在有效结果限制为“8”、“9”或“10”,仍然可以返回精确的结果。
本发明的第二方面提供了一种用于在光学字符识别过程中执行字符隔离的处理器,所述处理器配置为:
接收表示一个以上字符列的图像数据;
确定所述图像数据的每一列中的黑色像素的数目;
定义竖向分开阈值,所述竖向分开阈值是列中黑色像素的最大数目;
通过排除黑色像素数目低于竖向分开阈值的任何列,将列划分为不同的像素组和排除列组;
识别所述图像数据中表示最左侧字符列的像素组;
确定所述图像数据中有一个还是两个表示字符列的像素组;以及
如果确定有两个表示字符列的像素组,则针对最右侧字符列使用预定宽度值,用以识别最右侧字符列的右手边界。
处理器可以被配置为通过识别紧邻最左侧排除列组右边的像素组来识别表示图像数据中最左侧字符列的像素组。
处理器可以被配置为通过确定最左侧排除列组的宽度来确定图像数据中有一个还是两个表示字符列的像素组。
本发明的第三方面提供了一种用于附接到注射装置的辅助装置,所述辅助装置包括:
成像组件,所述成像组件被配置为捕获存在于所述注射装置的可移动部件上的一个以上数的图像;以及
根据本发明第二方面的处理器。
附图说明
附图示出:
图1a:药物输送装置的分解图;
图1b示出了图1a药物输送装置的一些细节的透视图;
图2a:根据本发明一个方面的可释放地附接到图1a和1b药物输送装置的传感器装置的示意图;
图2b:根据本发明多个方面的可释放地附接到图1a和1b药物输送装置的传感器装置的透视图;
图2c:根据本发明其他方面的可释放地附接到图1a和1b药物输送装置的传感器装置的透视图;
图3:附接到药物输送装置的传感器装置的示意图,示出了传感器装置的部件;
图4:二值化之后的剂量窗口一个图像的示例;
图5:示出对图4图像进行竖向投影的结果图;
图6:示出对来自图4图像数据施用模糊函数的结果图;
图7:将各种阈值应用于图4图像数据的结果;
图8:剂量窗口一个图像二值化之后的示例,示出较小的“1”用于指示单个单位的药剂;
图9:示出根据本发明诸方面的处理器示例性操作的流程图。
具体实施方式
在下文中,将参照胰岛素注射装置来描述本发明的实施例。然而,本发明不限于这种应用,并且同样可以被很好地与注射其他药物的注射装置,或者与其他类型的医疗装置(诸如注射筒、无针注射器和吸入器)一起部署。
图1a是注射装置1的分解图,注射装置1可以例如代表Sanofi's Solostar(R)胰岛素注射笔。
图1a的注射装置1是预填充的一次性注射笔,其包括壳体10并且包含胰岛素容器14,针15可以固定到胰岛素容器14。针由内部针帽16和外部针帽17保护,外部针帽17又可以被帽18覆盖。从注射装置1注射的胰岛素剂量可以通过转动剂量旋钮12来选择,然后通过剂量窗口13显示所选剂量,例如以所谓的国际单位(IU)的倍数显示所选剂量,其中一个IU是约45.5微克纯结晶胰岛素(1/22mg)的生物学等价物。在剂量窗口13中显示的选定剂量的一个示例可以例如是30IU,如图1a所示。应当注意,所选择的剂量可以同样好地以不同方式显示。在壳体10上提供标签(未示出)。标签包括关于装在注射装置内的药剂的信息,包括识别药剂的信息。识别药剂的信息可以是文本的形式。识别药剂的信息也可以是颜色的形式。识别药剂的信息还可以被编码为条形码、QR码等。识别药剂的信息还可以是以黑白图案、彩色图案或阴影的形式。
转动剂量旋钮12产生机械咔嗒声,用以向用户提供听觉反馈。在剂量窗口13中显示的数通过印制呈现在套筒上,套筒包含在壳体10中并且与胰岛素容器14中的活塞机械地相互作用。当将针15刺入患者的皮肤部分中,然后推动注射按钮时,将从注射装置1注射显示窗口13中显示的胰岛素剂量。当注射装置1的针15在推动注射按钮11之后在皮肤部分中保持一定时间时,高比例剂量实际上被注射到患者的身体中。胰岛素剂量的注射还引起机械咔嗒声,然而该咔嗒声不同于当使用剂量旋钮12时产生的那些声音。
图1b示出了注射装置1的剂量按钮端的透视图。注射装置具有位于壳体10上邻近剂量旋钮12的导向肋70。注射装置1还具有位于壳体10上的两个缩进部52。它们可以相对于引导肋70对称。引导肋70和缩进部52用于将辅助装置(下面详细描述)固定在注射装置1上的正确位置。
注射装置1可以用于几个注射过程,直到胰岛素容器14是空的或者达到注射装置1的截止日期(例如,在第一次使用后28天)。
此外,在第一次使用注射装置1之前,可能需要执行所谓的“初始注射”以从胰岛素容器14和针15去除空气,例如通过选择两个单位的胰岛素,然后在使针朝上地握住注射装置1的同时按压注射按钮11进行“初始注射”。
为了陈述简洁,在下文中,将示例性地假设所排出的剂量基本上对应于所注射的剂量,使得例如当提出接下来要注射的剂量时,该剂量等于要由注射装置1排出的剂量。然而,当然可以考虑排出的剂量和注射的剂量之间的差异(例如损失)。
图1b是注射装置1端部的特写。注射装置具有位于壳体10上邻近剂量旋钮12的导向肋70。注射装置1还具有位于壳体10上的两个缩进部52。它们可以相对于引导肋70对称。引导肋70和缩进部52用于将辅助装置(下面详细描述)固定在注射装置1上的正确位置。
图2a是可释放地附接到图1a注射装置1的辅助装置2一个实施例的示意图。辅助装置2包括壳体20,壳体20具有配接单元,配接单元被构造成抱住图1a的注射装置1的壳体10,使得辅助装置2紧紧地靠在注射装置1的壳体10上,但是仍然可从注射装置1移除,例如当注射装置1是空的并且需要更换时。图2a是高度示意性的,实际布置的细节在下面参照图2b描述。
辅助装置2包含用于从注射装置1收集信息的光学和声学传感器。该信息的至少一部分,例如所选剂量(以及可任选的该剂量的单位)通过辅助装置2的显示单元21显示。注射装置1的剂量窗口13当附接到注射装置1时被辅助装置2挡住。
辅助装置2还包括至少一个用户输入换能器,这些换能器作为举例被示为按钮22。这些输入换能器22允许用户接通/断开辅助装置2,以触发动作(例如,引起与另一装置建立连接或与另一装置配对,以及/或者触发信息从辅助装置2到另一装置的传输),或确认某事。
图2b是可释放地附接到图1a注射装置1的辅助装置2的第二实施例的示意图。辅助装置2包括壳体20,壳体20具有配接单元,配接单元被构造为抱住图1注射装置1的壳体10,使得辅助装置2紧紧地靠在注射装置1的壳体10上,但是仍然可从注射装置1移除。
信息通过辅助装置2的显示单元21显示。注射装置1的剂量窗口13当附接到注射装置1时被辅助装置2挡住。
辅助装置2还包括三个用户输入按钮或开关。第一按钮22是电源开/关按钮,经该电源开/关按钮,可以例如接通和断开辅助装置2。第二按钮33是通信按钮。第三按钮34是确认或OK按钮。按钮22、33、34可以为机械开关的任何合适形式。这些输入按钮22、33、34允许用户接通/断开辅助装置2,触发动作(例如,引起与另一装置建立连接或与另一装置配对,以及/或者触发信息从辅助装置2到另一装置的传输),或者确认某事。
图2c是可释放地附接到图1a注射装置1的辅助装置2的第三实施例的示意图。辅助装置2包括壳体20,壳体20具有配接单元,配接单元被构造为抱住图1a注射装置1的壳体10,使得辅助装置2紧紧地靠在注射装置1的壳体10上,但是仍然可从注射装置1移除。
通过辅助装置2的显示单元21显示信息。注射装置1的剂量窗口13当附接到注射装置1时被辅助装置2挡住。
辅助装置2还包括触敏输入换能器35。它还包括一个单个的用户输入按钮或开关22。按钮22是电源开/关按钮,通过该电源开/关按钮,辅助装置2可以例如接通和断开。触敏输入换能器35可以用于触发动作(例如,引起与另一装置建立连接或与另一装置配对,以及/或者触发信息从辅助装置2到另一装置100的信息传输),或者用于确认某事。
图3示出了图2a、2b或2c的辅助装置2在附接到图1a注射装置1的状态下的示意图。
多个部件被装在辅助装置2的壳体20中。这些部件由处理器24控制,处理器24例如可以是微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA),等等。处理器24执行存储在程序存储器240中的程序代码(例如软件或固件),并且使用主存储器241例如存储中间结果。主存储器241还可以用于存储关于已执行的排出/注射的日志。程序存储器240可以例如是只读存储器(ROM),并且主存储器可以例如是随机存取存储器(RAM)。
在诸如图2b所示的实施例中,处理器24与第一按钮22相互作用,经由该第一按钮22,辅助装置2可以例如接通和断开。第二按钮33是通信按钮。第二按钮可以用于触发与另一装置建立连接,或者用于触发向另一装置传输信息。第三按钮34是确认或OK按钮。第三按钮34可以用于确认呈现给辅助装置2的用户的信息。
在诸如图2c所示的实施例中,可以省略按钮33、34中的两个。相反,提供了一个以上电容传感器或其他触摸传感器。
处理器24控制目前表示成液晶显示器(LCD)的显示单元21。显示单元21用于向辅助装置2的用户显示信息,例如有关注射装置1当前设置或者将进行的下一次注射的信息。显示单元21也可以被实现为触摸屏显示器,例如用于接收用户输入。
处理器24还控制光学传感器25,该光学传感器25被表示为光学字符识别(OCR)读取器,能够捕获剂量窗口13的图像,在剂量窗口13中显示当前选择的剂量(通过呈现在装于注射装置1中的套筒19上的数码、字符、符号或字形,这些数码、字符、符号或字形能够通过剂量窗口13看见)。OCR读取器25还能够从捕获的图像中识别字符(例如数码),并将该信息提供给处理器24。作为替代,辅助装置2中的单元25可以仅是光学传感器,例如照相机,用于捕获图像并将关于所捕获图像的信息提供给处理器24。然后,处理器24负责对所捕获图像执行OCR。处理器24可以被配置成执行两个以上不同的OCR过程,每个OCR过程使用不同的算法。
处理器24还控制诸如发光二极管(LED)29的光源以照亮剂量窗口13,在剂量窗口13中显示当前选择的剂量。漫射器可以用在光源的前面,例如由一块丙烯酸玻璃制成的漫射器。此外,光学传感器可以包括透镜系统,例如包括两个非球面透镜,导致放大。放大率(像尺寸与物尺寸比率)可以小于1。放大率可以在0.05至0.5的范围内。在一个实施例中,放大率可以是0.15。
处理器24还控制光度计26,该光度计26配置成确定注射装置1的壳体10的光学性质,例如颜色或阴影。光学性质可以仅存在于壳体10的特定部分中,例如被包括在注射装置1内的套筒19或胰岛素容器的颜色或颜色编码,该颜色或颜色编码例如可以通过壳体10中(和/或套筒19中)的另一个窗口看见。然后将关于该颜色的信息提供给处理器24,处理器24然后可以确定注射装置1的类型或被包含在注射装置1中的胰岛素的类型(例如具有紫色的SoloStar Lantus和具有蓝色的SoloStar Apidra)。作为替代,可以使用相机单元代替光度计26,然后可以向处理器24提供壳体、套筒或胰岛素容器的图像,以通过图像处理来确定壳体、套筒或胰岛素容器的颜色。此外,可以提供一个以上光源以改进对光度计26的读取。光源可以提供特定波长或光谱的光,以改进光度计26的颜色检测。光源的布置方式可以是例如通过剂量窗口13避免或减少不期望的反射。在一个示例实施例中,代替光度计26或除了光度计26之外,可以部署相机单元用以检测与注射装置和/或包含在其中的药剂相关的代码(例如条形码,其可以例如是一维或二维条形码)。该代码可以例如位于壳体10上或被包含在注射装置1中的药剂容器上,这仅仅是几个例子而已。该代码可以例如指示注射装置和/或药剂的类型,和/或其他属性(例如,到期日期)。
处理器24还控制声学传感器27(和/或从声学传感器27接收信号),声学传感器27被配置成感测由注射装置1产生的声音。这种声音可以例如在通过旋转剂量旋钮12拨选剂量时和/或在通过按压注射按钮11排出/注射剂量时,和/或在执行预注射时产生。这些动作在机械上相似,但仍然发出不同的声音(对于指示这些动作的电子声音,情况也是如此)。声学传感器27和/或处理器24可以被配置成区分这些不同的声音,例如能够安全地识别出注射已经发生(而不是仅仅是初始注射)。
处理器24还控制声学信号发生器23,声学信号发生器23被配置成产生例如可以与注射装置1的操作状态相关的声学信号,例如作为对用户的反馈。例如,声学信号可以由声学信号发生器23发出,作为要注射的下一剂量的提醒,或者作为警告信号,例如在误用的情况下。声学信号发生器例如可以被实施为蜂鸣器或扬声器。除了声学信号发生器23之外或作为声学信号发生器23的替代,触觉信号发生器(未示出)也可以用于例如通过振动提供触觉反馈。
处理器24控制无线单元28,无线单元28被配置成以无线方式向另一装置发送信息,并且/或者从另一装置接收信息。这种传输可以例如基于无线电传输或光学传输。在一些实施例中,无线单元28是蓝牙收发器。作为替代,无线单元28可以被有线单元取代或补充,该有线单元被配置成例如经由电缆或光纤连接以有线方式向另一装置发送信息,并且/或者从另一装置接收信息。当发送数据时,可以显式或隐式地定义所传送的数据(值)的单位。例如,在胰岛素剂量的情况下,通常可以使用国际单位(IU),或者所使用的单位可以明确地例如以编码形式传送。
处理器24从笔检测开关30接收输入,该笔检测开关30可操作以检测笔1是否存在,即,检测辅助装置2是否连接到注射装置1。电池32通过电源31为处理器24和其他组件供电。
图3的辅助装置2因此能够确定与注射装置1的状况和/或使用相关的信息。该信息被显示在显示器21上以供装置的用户使用。该信息可以由辅助装置2本身处理,或者可以至少部分地提供给另一装置(例如血糖监视系统)。
注射装置1和辅助装置2被配置为使得光学传感器25的视场大致居中地位于剂量窗口13的中心上方。制造公差可能意味着视场在横向和竖向两个方向上略微偏心。
在一些实施例中,由于空间限制和需要将数码限定为一定大小,在数码套筒19上仅印制偶数。在一些其他实施例中,可以在数码套筒只印制奇数。然而,可以将任何数目单位的药剂拨选到注射装置1中。在一些替代实施例中,每个数码,即增大的整数,可以印制在套筒上。在这些实施例中,可以将半个单位的剂量拨选到注射装置中。注射装置可以限于拨选最大80个单位的剂量。在另外的替代实施例中,可以仅印制每第3个数码、每第4个数码或每第5个数码。所印制数码之间的剂量位置可以用刻度线标记。术语“印制”在本文中用于指示数码被标记在数码套筒的表面上,然而本领域技术人员将理解,数码可以以多种已知方式印制、蚀刻、标记、粘贴,或以其他多种已知方式对辅助装置2的光学传感器25可见。
在下面的实施例中,将假设在剂量套筒19上仅印制偶数,但是可以将任何数目的单位拨选到注射装置中。
处理器24被配置为执行算法,该算法允许能在光学传感器25的视场中看见的数码(或部分数码)被分开,并且准备与所存储的模板进行比较,以便识别这些数码。该算法对可见数码执行光学字符识别(OCR)过程,并且使用OCR过程的结果,以便精确地确定当前被拨选到注射装置1中的剂量。该算法可以在软件或固件中被实施,并且可以被存储在辅助装置2的程序存储器240中。存储算法的处理器24和存储器240一起在这里可以被称为“处理器组件”。
整个算法可以被分为预处理部分、OCR部分和后处理部分,其中每个部分通常包含几个步骤。
在预处理部分中,通过执行以下步骤来评估和改进图像数据质量:
·有缺陷和不良像素校正
·光校正
·失真和倾斜校正
例如,曝光控制算法丢弃太亮或太暗的图片,并且利用调整过的曝光参数拍摄新图片。数码可以印制在斜面上,以便于人们识别和定位,但是如果该斜面被移除则可以更容易解码。为了在此描述和要求保护的本发明的目的,预处理是可选的特征。算法的OCR部分可以被设计为执行所需的标准,而无需对图像进行预处理,并且/或者光学传感器25可以被配置为产生足够质量的图像以便直接对它们执行OCR。
在OCR部分中,接着对图像数据进一步处理,并且在结束时可得出所识别的字符。OCR过程包括以下步骤:
·二值化
·分割
·模式匹配
·位置计算
后处理可能涉及各种检查和产生要显示的结果。后处理包括以下步骤:
·执行完整性检查
·滞后计算
·在显示器上显示最终结果
本文描述和要求保护的发明涉及OCR过程的分割部分。为了本文描述和要求保护的本发明的目的,OCR过程的预处理、后处理和其他部分是可选特征。
由于对传感器装置2的高可靠性要求,在一些实施例中可能存在并行操作的两种OCR算法。两种OCR算法具有相同的输入(图像),并且旨在提供相同的输出。它们都执行类似的步骤,然而在每个步骤中使用的各个方法可以变化。这两种OCR算法可以在二值化、分割、模式匹配和位置计算步骤中的一个步骤中或在这些步骤中的不止一个步骤中不同。两个OCR部分使用不同方法来提供相同结果,增加了整个算法的可靠性,因为数据按照两种独立的方式被处理过。
关键的挑战是实现图像捕获和随后的OCR过程,该OCR过程包括分割成能可靠地从显示器识别数码、字符和/或字形的小系统,以确定剂量值。该系统由电池供电,体积小,并且由于紧凑设计和使用寿命要求而具有有限的成像以及处理能力。用于这种类型装置的处理器通常具有约100MHz以下的时钟频率、高达32kByte RAM和512kb闪存的存储器(这些规格是示例性的并不要进行限制)。然而,OCR过程的结果应当是能够实时得到的,这意味着用户在拨选进一个剂量时,可以在拨选的同时从辅助装置读取该剂量。典型的计算时间约为70ms。
图4示出剂量窗口13的一个图像400二值化之后的示例,其中,拨入了“47”个单位的剂量。实线横线402表示光学传感器25的视场的中心线。剂量窗口13的图像首先被光学传感器25捕获。在应用上述预处理步骤之后,经二值化过程将灰度图像转换成纯黑白图像。根据在浅色套筒上具有深色数码的注射笔的设计,黑白图像将用黑色像素指示存在数字,而用白色像素指示不存在数字。
在一些实施例中,使用固定阈值在黑色和白色像素之间进行划分。在二值化图片中,灰度值等于或高于阈值的像素变为白色,灰度值低于阈值的像素变为黑色。高阈值将导致伪像(白色区域中的黑色部分),而低阈值具有在某些情况下丢失部分数字的风险。在一些实施例中,阈值被选择为无论在何种情况下都不丢失数字部分,因为算法该对于伪像来说是鲁棒性的(即,可以在存在一些伪像的情况下执行精确的OCR过程)。在测试中,使用了能够检测256个灰度值的传感器,阈值为127显示出良好的结果。
在所提出的一种算法中,接着执行分割过程,该分割过程从右到左分析二值化图像。在这个过程中,排除右手边距,并且识别右手数码列的位置。然后,确定是否存在左手数码列。对于数码0-8,只有一个右手数码列。最后,左手侧处的刻度线被排除,只留下被隔离开的(一个或若干)数码列。所提出的这个算法工作良好,只要右手数码列与右手边距清楚地分开即可。
从图4中可以看出,在某些情况下,数码向右移动得足够远,使得右侧数码列和右手边距合并在一起。在这种情况下,算法将排除整个右侧数码列,因此不能正确地识别所拨选的剂量。
本发明的算法以不同的方式分析图像数据,即使在右手数码列与右手边界合并的情况下,也能够正确地隔离右手数码列,现将对此进行描述。
处理器24首先执行“竖向投影”,在竖向投影中,分析构成二值化图像的像素列。单独地分析每个像素列,并计算每列中黑色像素的数目和。
图5中的曲线500示出了对图4中的图像400进行这种竖向投影的结果。然后根据下式通过组合相邻列,对该原始数据进行模糊化:
Cy=By-2+4By-1+6By+4By+1+By+2
其中,Cy是模糊化的投影值,By是列“y”中的黑色像素的总和。
作为替代,可以使用以下公式:
Cy=By-2+4By-1+8By+4By+1+By+2
图6中的曲线600示出在来自图4的图像数据上施用模糊函数的结果。这种模糊化处理消除了小的干扰,防止它们对该算法的结果造成不利影响。在实践中,可以使用具有模糊化功能以以便消除小干扰影响的任何公式,上面的具体公式仅作为示例给出。
然后,该算法通过使用多个不同的阈值,将像素列分开成不同的像素组和排除列组,这些阈值在下面用大写字母示出。当曲线低于VERICAL_SEPARATE_THRESHOLD时,假定曲线两侧的像素处于不同的实体中,并且被放入不同的像素组中。黑色像素数目最小的列被用作分割器,并且不是任何像素组的一部分。
当曲线低于VERICAL_WHITESPACE_THRESHOLD时,假定该区域为空,即白色。在隔离和识别像素组之后,通过在边缘处去除黑色像素少于VERICAL_THRESHOLD的列,从两侧修剪每个像素组。
图7示出将这些阈值应用于图4图像数据的结果。这些被分开的像素组通过加阴影/加剖面线以及利用字母a)-d)来识别。排除列组未加阴影。
在先前提出的算法中,如果曲线上升到VERTICAL_INVALID_THRESHOLD以上,则像素组被标记为无效,这种情况只发生在黑色竖线穿过几乎没有任何白色像素的图像时,用像素组a)表示的右边距的情况就是这样。像素组a)在本文中也可被描述为右手边缘区或区域、右手边框区或区域、或右手边界区或区域,这些术语在本文中可以互换使用。在这种情况下,“无效”意味着不认为该像素组表示所印制的数码。然而,在像素组a)和像素组b)之间的间隙不清晰,即曲线不低于VERICAL_SEPARATE_THRESHOLD的情况下,则先前的算法将像素组a)和b)一起排除。因为像素组b)表示右手字符列,所以该算法将不能正确地识别图像中的数码。因此,本发明不使用VERTICAL_INVALID_THRESHOLD,而是以不同的方式将像素组b)与右手边界分开,如下所述。
该算法的任务是识别表示字符列的像素组。一般来说,每个字符列包括竖向排列的多于一个字符。这些字符在后面的步骤中被彼此分开。在一些实施例中,该算法被设置为使像素组在接触图像左手边界(任选的是,并且在接触图像右手边界)的情况下无效。同样,这里使用的“无效”意味着像素组被排除考虑作为数码。这导致像素组d)被排除在考虑之外。
该算法识别表示图像数据中最左侧字符列的像素组。这是通过识别紧接在最左侧排除列组右边的像素组来完成的。例如,这可以通过识别出低于VERICAL_SEPARATE_THRESHOLD的第一列的右边的第一组像素(具有更高的列号)来实现。因此,像素组c)被识别出作为表示最左侧字符列。
接下来,该算法确定图像数据中有一个还是两个表示字符列的像素组。这通过确定最左侧排除列组的宽度(即图7中像素组d)和c)之间的列)来实现。如果图像中可见的数码(即数码0-8)布置在单个列中,则该第一间隙的宽度将大于在图像包含两列数码时的宽度。因此,如果第一排除列组宽于阈值MAX_LEFT_MARGIN_TWO_DIGITS,则确定图像数据仅包括单个数码列。如果第一排除列组比该阈值窄,则假设存在两个字符列。
在该算法确定图像中有两个表示字符列的像素组的情况下,可以推断出右手数字的范围。因此,即使右手数字与图像右边的黑色边缘区域合并,也可以隔离出这些数字进行分析。
首先,识别最左侧字符列右边的排除列组。在大多数情况下,这将是从图像左侧开始的第二排除列组。然后通常将清楚右手字符列的左手边界位于何处(对于一些特殊情况,参见下面的描述)。出现在图像数据中的数码宽度(以像素为单位)是已知的,因为对注射装置1和辅助装置3的设计意味着光学传感器35位于距剂量窗口13预定的距离处。在一个示例中,除“1”之外的每个数码的宽度是十四个像素,而“1”的宽度是七个像素。每个数码可以具有26个像素的高度。然而,确切的像素数目取决于所印制数码的字体大小以及所使用的字体类型、传感器装置2及其相对于注射装置1的布置、以及由传感器装置中的透镜或由窗口13引起的任何放大。继续上述示例,由于只有偶数被印制在数码套筒19上,所以数码“1”只能出现在左手字符列(数码10-18)中,因此,右手字符列将只包含14个像素的宽度。因此,一旦识别出右手字符列的左手边界,则右手边界被定义为进一步向右十四个像素处。为了增加可靠性,可以将数字宽度设置为比期望宽度多少量像素列。
在将字符列横向分割成单个数字之后,可以按如下方式实施可选的数码修剪过程,以考虑光学系统的公差以及数字的印制公差,例如数字宽度和位置。该过程可以应用于任何数字的左右边缘,但是当应用于右手数字的右手边缘时是特别有用的,以为了确保它们与右手边缘(像素组a))充分分开,进行准确的OCR分析。因此,这种可选的修剪可以使OCR识别更准确。
数字已经被分开为右左字符列。
使用右手数字作为示例,首先对右手字符列的最右侧像素列执行竖向投影,以确定该列中黑色像素的数目。在该示例中,数字的预期高度为26个像素。例如,如果该列中26个像素中的多于19个是黑色的,则该列被确定为最可能是像素组a)的部分,而不是数字的部分,然后将其丢弃。这对于分别区分数码6和8尤其重要,这时,右边的黑色竖向列容易导致误解,即在字符识别步骤中将“6”误认为“8”。
另一方面,在最右像素列中6个或更少的像素是黑色的情况下,也可以丢弃该列,因为没必要进行OCR步骤。由于只有偶数(2、4、6、8)出现在右手字符列,所以在紧挨着最右像素列左边的列中,总有更多的黑色像素。因此,丢弃最后一列对OCR没有负面影响。
在一些注射装置设计中,较小的“1”用于指示单个单位的药剂。这个较小的1在竖向上位于“0”和“2”之间,但偏向左边,如图8的二值化图像800所示。该“1”小于用于数码10-18的1。在存在这种特殊情况的情况下,该算法具有另外的步骤识别该情况并且确保数码被正确解码。这涉及如前所述计算第一字符列的宽度。如果该宽度低于阈值DIGIT_MIN_ONE_WIDTH,则推断该列表示图8中所示的小“1”。然后使该列无效并且不在随后的OCR和位置检测步骤中使用该列。如果第一字符列等于或宽于DIGIT_MIN_ONE_WIDTH,但是低于阈值DIGIT_MAX_ONE_WIDTH,则推断第一字符列包含“正常”1(如数码10-18中的1)。随后可以通过将最大可能有效结果设置为“19”在OCR过程中使用该信息。
另一种特殊情况是“9”个单位被拨入注射装置1中。在这种情况下,数码“8”和“10”在图像中部分或全部出现,数码“8”大约位于“10”的0和1之间的间隙上方。因此,算法执行另外的检查,看左手字符列是否宽于阈值MAX_DIGIT_WIDTH(太宽而不能是单个数字)。如果是这种情况,则推断数码套筒19在数码8和10之间。然后可以相应地调整用于划分字符列的阈值,以允许将数字隔离开用于分析。
图9示出了处理器24在分析由光学传感器25捕获的图像中所进行的示例性操作的流程图。
在步骤900中,处理器24从光学传感器25接收图像数据。该图像数据可以是二值化的数据,或者处理器24可以执行二值化过程。作为替代,处理器可以对灰度图像执行接下来的步骤。在步骤902中,处理器24分析图像数据,以确定图像中每列的黑色像素的数目。在步骤904中,定义竖向分开阈值。在实践中,该阈值可以是预定义的,并且被预编程到辅助装置的存储器中。然而,它也可以由处理器基于光水平等动态地定义。
在步骤906中,处理器24将图像的列划分为若干像素组,并由排除列组分开。这是通过排除黑色像素数目低于先前定义的竖向分开阈值的任何列来完成的。在步骤908中,处理器识别表示图像中最左侧字符列的像素组。这是通过识别紧接最左侧排除列组右边的像素组来完成的。
在步骤910中,处理器24确定图像中有一个还是两个表示字符列的像素组。这是通过确定最左侧排除列组的宽度来实现的。如果最左侧排除列组低于预定宽度,则假定存在两个字符列。如果最左侧排除列组高于预定宽度,则假定存在一个字符列。
在步骤912处,在确定了在图像数据中存在两个字符列的情况下,在OCR算法中将预定宽度值(以像素为单位)用于右手字符列。这可以包括通过识别左、右字符列之间的排除列组,来确定右手字符列的左手边界。然后,将右手边界定义为进一步向右预定宽度值(以像素为单位)处。在这个新的竖向分割过程之后,执行OCR算法的其余部分。
在处理器24可以输出针对被拨选到注射装置1中的药剂单位数目的结果之前,需要几个另外的步骤。为了完整性,在下面描述这些步骤,然而这些步骤是任选的,对于定义本发明不是必要的。
处理器24然后执行“横向投影”,其中分析构成二值化图像的像素行。这个过程以与上述针对竖向投影相同的方式进行。横向投影的结果被添加到竖向投影的结果,于是,识别出可见数码的边缘。在许多情况下,图像中的一些数码将仅部分可见。因此,不是部分可见数码的所有边缘都进行检测。处理器24可以用全数码的预期高度(以像素行为单位)预编程,因此能够识别部分可见数码的存在。
可以明确地看出,“横向投影”和“竖向投影”可以同样好地基于代之以计算白色像素和的分析,假设每行和列中白色像素的预期数目是已知的。
OCR过程的下一步骤是选择可见数码中的一个进行解码和识别。这是通过将这些数码中的一个指定为“主数字行”来实现的。基于哪个可见数码具有最大高度来选择主数字行。这是因为印制在套筒上的所有数码具有大致相同的高度,并且可以假定具有最大高度的数码将是完全可见的,因此容易以高确定性解码。如果两个数码(具有不同的竖向位置)可见并且具有相同的高度,则最上面的数码被选择为主数字行。主数字行是随后用于确定被拨入注射装置1中的剂量的数码。
然后执行模式匹配过程,以识别主数字行中的数字。用于每个数码的模板可以存储在辅助装置2的存储器中,然后可以将所识别的数字与这些模板进行比较。在一种直接了当的方法中,可以在逐像素基础上执行模式匹配。然而,这可能需要高计算能力。此外,该方法易于遇到图像和模板之间位置变化的问题。在一些其他实施例中,执行特征识别过程。特征可以是横线、竖直线或对角线、曲线、圆或闭合环,等等。可以在所选数码的图像中识别这些特征,并且与模板进行比较。
在另外的实施例中,模式匹配算法可以基于矢量比较过程。例如,模板可以是矢量形式,描述每排黑色像素(连续延续)相对于延伸穿过模板中心的竖直线的位置和长度。所捕获的每个数字的二值化图像可以类似地被转换成矢量,并依次与每个存储的模板进行比较以找到最佳匹配。
当将所所捕获图像的矢量与特定数字模板进行比较时,任何偏差都导致对图像与该模板之间的匹配可能性加以罚分。罚分的量值可以取决于与模板相比图像中丢失的或多出的黑色像素数目。在将数字图像与每个模板进行比较并且已经施加了所有的罚分之后,做定关于存在哪个数字的决策。在良好的光学条件下,正确的模板将具有非常低的罚分,而所有其他模板将具有高的罚分。如果主数字行由两位数字组成,则对两个数字执行该过程,然后处理器24对结果进行组合,产生该数码的最终结果。
对于某些数字可能存在特殊措施。例如,“1”在宽度上明显偏离所有其他数字,导致常见的错误检测。为了解决这个问题,如果某数字的二值化图像比“1”的预期宽度宽,则当与所存储的矢量模板“1”比较时,其接收额外的检测罚分。
在一些例外情况下,如果主数字行模式匹配结果的置信水平低于特定阈值(例如99%),则处理器可以对一个以上其他可见的或部分可见的数码执行第二模式匹配过程。由于数码的顺序是已知的,因此该第二模式匹配可以用作第一模式匹配返回正确结果的检查。如果结果中的置信水平仍然不够高,则可以由光学传感器25捕获第二图像,并且重复该过程。作为替代,可以显示错误消息。
一旦已经成功地识别出主数字行的数字或若干数字,就应用加权函数以便确定拨选到注射装置1中的剂量。为了制定加权函数,确定主数字行相对于图像中心的竖向位置。这可以通过计算包括主数字行的中间像素行相对于表示光学传感器25中图像中心线的像素行的偏离来完成。
例如,在一些实施例中,光学传感器包括光敏元件的矩形64×48阵列。所得到的二值化图像是具有这些相同尺寸的像素阵列。第24和/或第25像素行可以被指定为图像的中心行。确定包括主数字行的中间像素行的位置。然后计算包括主数字行的中间像素行和图像中心行(或若干中心行)之间的偏离,以像素行为单位。这种偏离可以是正的或负的,取决于偏离的方向。在将偏离量相应地应用于确定的数码之前,通过将偏离量除以连续数码之间的距离(以像素行为单位),将偏离量转换为分数。因此,该偏离允许确定数码相对于传感器的旋转位置。如果主数字行的中心像素行与图像的中心像素行相同,则偏离量为零,并且位置等于主数字行号。然而,由于辅助装置2中和/或注射装置1中的制造公差以及由于使用者施加在数码套筒上的压力,在大多数码情况下可能存在一些偏离。
印制在数码套筒上的连续数码之间的距离是恒定的,因为数码表示与注射装置机构的离散机械运动相关的剂量。因此,所捕获图像中连续数码之间的距离(以像素行为单位)也应该是恒定的。数码的预期高度和数码之间的间隔被预编程到算法中。
作为一个示例,每个数码的预期高度可以是22个像素,数码之间的间隔的预期高度可以是6个像素。因此,连续数码的中心像素行之间的距离将是28个像素。
继续该示例,如果从图像的顶部到底部对像素行顺序地编号,则对加权函数的应用可以在数学上被定义为:
位置=主数字行号+[2×偏离量/(数码的预期高度+间隔的预期高度)]
其中,偏离量=中心图像行编号-主数字行中心行编号
因此,如果主数字行在图像的上半部分中,则偏离是正的,而如果主数字行在图像的下半部分中,则偏离是负的。例如,如果主数字行中显示的数码为“6”并且偏离量为零,则所计算的位置将是:
位置=6+[2×0/(28)]=6
因此,将如预期那样返回“6”的结果。
考虑75个单位被拨选到注射装置1中的另一个示例,如果顶部数码“74”被选择为主数字行,并且根据上述等式存在11个像素行的正偏离,并同样假定组合起来的数码/间隔高度为28个像素,则所计算出的位置将是:
位置=74+[2×11/(28)]=74.79
然后将该结果四舍五入为最接近的整数,以如预期那样给出“75”的位置确定。
在应用最终后处理部分之后,处理器24使得该结果显示在辅助装置2的显示单元21上。如前所述,由于空间限制,不是每个数码都可以印制在数码套筒上。在一些实施例中,只有偶数印制在数码套筒上。上述位置确定步骤允许辅助装置2显示剂量值,即使这些值可能没有出现在数码套筒上。因此,向辅助装置2的用户提供所拨选剂量的更清楚的指示。
如果用户正慢慢地拨入剂量(即,慢慢旋转剂量旋钮12),则上述位置四舍五入可能导致在两个数码之间显示闪烁。为了防止这种情况,后处理步骤可以包含滞后规则,使得所显示的数码一定程度上取决于先前显示的数码。该滞后计算可以是在显示结果之前在算法中执行的最后步骤。
本领域技术人员将理解,上述加权函数和位置确定仅表示一个示例,可以使用许多其他计算方法来获得相同的结果。本领域技术人员还将理解,可以修改和改进上述数学计算以缩短计算时间。因此,加权函数码的精确形式不是必要的。
该算法还可以被配置为对图像数码执行其他类型的操纵,例如改变一个以上数字的大小,将数码剪切到定义的像素区域,以及将以斜体字印制的数码剪切成直立位置。这些操作可以在与存储的模板进行模式匹配比较之前执行。作为替代,这些操作可以在二值化过程之前在对所所捕获图像进行图像预处理步骤中执行。还可以执行附加的阴影、失真和曝光校正。
Claims (15)
1.一种用于在光学字符识别过程中执行字符隔离的方法,所述方法包括:
接收表示一个以上字符列的图像数据;
确定所述图像数据中每一列的黑色像素的数目;
定义竖向分开阈值,所述竖向分开阈值是列中黑色像素的最大数目;
通过将黑色像素数目低于所述竖向分开阈值的任何列排除,将列划分为不同的像素组和排除列组;
识别所述图像数据中表示最左侧字符列的像素组;
确定所述图像数据中有一个还是两个表示字符列的像素组;以及
如果确定有两个表示字符列的像素组,则针对最右侧字符列使用预定宽度值,用以识别最右侧字符列的右手边界。
2.根据权利要求1所述的方法,其中,识别所述图像数据中表示最左侧字符列的像素组包括:识别紧邻最左侧排除列组右边的像素组。
3.根据权利要求1所述的方法,其中,识别所述图像数据中表示最左侧字符列的像素组包括:如果紧邻最左侧排除列组右边的像素组低于最小数字宽度阈值,则排除所述紧邻最左侧排除列组右边的像素组,因而将最左侧排除列组右边的第二像素组定义为所述图像数据中的最左侧字符列。
4.根据权利要求1至3中任一项所述的方法,其中,确定所述图像数据中有一个还是两个表示字符列的像素组包括:确定最左侧排除列组的宽度。
5.根据权利要求4所述的方法,其中,如果确定最左侧排除列组的宽度低于最大左边距阈值,则确定在所述图像数据中有两个表示字符列的像素组。
6.根据前述权利要求中任一项所述的方法,所述方法还包括确定所述图像数据中的最左侧字符列的宽度。
7.根据权利要求6所述的方法,所述方法还包括使用所确定的所述图像数据中的最左侧字符列的宽度,确定最左侧字符列仅包括窄的数码还是仅包括宽的数码。
8.根据权利要求7所述的方法,其中,如果确定最左侧字符列仅包括窄的数码,则将最大有效剂量结果设置为“19”。
9.根据前述权利要求中任一项所述的方法,所述方法还包括将接触所述图像的左手边界的任何像素组排除。
10.根据前述权利要求中任一项所述的方法,所述方法还包括通过识别位于左手字符列和右手字符列之间的排除列组,识别右手字符列的左手边界。
11.根据前述权利要求中任一项所述的方法,所述方法还包括确定左手字符列是否宽于最大数字宽度阈值,如果是,则确定所述图像数据中的数码在8到10的范围内。
12.一种用于在光学字符识别过程中执行字符隔离的处理器,所述处理器被配置为:
接收表示一个以上字符列的图像数据;
确定所述图像数据中每一列的黑色像素的数目;
定义竖向分开阈值,所述竖向分开阈值是列中黑色像素的最大数目;
通过将黑色像素数目低于所述竖向分开阈值的任何列排除,将列划分为不同的像素组和排除列组;
识别所述图像数据中表示最左侧字符列的像素组;
确定所述图像数据中有一个还是两个表示字符列的像素组;以及
如果确定有两个表示字符列的像素组,则针对最右侧字符列使用预定宽度值,用以识别最右侧字符列的右手边界。
13.根据权利要求12所述的处理器,其中,所述处理器被配置为通过识别紧邻最左侧排除列组右边的像素组,识别所述图像数据中表示最左侧字符列的像素组。
14.根据权利要求12或13所述的处理器,其中,所述处理器被配置为通过确定最左侧排除列组的宽度,确定是否所述图像数据中有一个还是两个表示字符列的像素组。
15.一种用于附接到注射装置的辅助装置,所述辅助装置包括:
成像组件,所述成像组件被配置为捕获存在于所述注射装置的可移动部件上的一个以上数码的图像;以及
根据权利要求12至14中任一项所述的处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011575695.8A CN112733836A (zh) | 2014-07-10 | 2015-07-09 | 用于执行光学字符识别的装置和方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14176482 | 2014-07-10 | ||
EP14176482.9 | 2014-07-10 | ||
PCT/EP2015/065669 WO2016005483A1 (en) | 2014-07-10 | 2015-07-09 | A device and method for performing optical character recognition |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011575695.8A Division CN112733836A (zh) | 2014-07-10 | 2015-07-09 | 用于执行光学字符识别的装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106687992A true CN106687992A (zh) | 2017-05-17 |
CN106687992B CN106687992B (zh) | 2021-01-12 |
Family
ID=51176946
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580048263.2A Active CN106687992B (zh) | 2014-07-10 | 2015-07-09 | 用于执行光学字符识别的装置和方法 |
CN202011575695.8A Pending CN112733836A (zh) | 2014-07-10 | 2015-07-09 | 用于执行光学字符识别的装置和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011575695.8A Pending CN112733836A (zh) | 2014-07-10 | 2015-07-09 | 用于执行光学字符识别的装置和方法 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10133948B2 (zh) |
EP (1) | EP3167408B1 (zh) |
JP (2) | JP6561111B2 (zh) |
KR (1) | KR20170032347A (zh) |
CN (2) | CN106687992B (zh) |
DK (1) | DK3167408T3 (zh) |
WO (1) | WO2016005483A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201540336A (zh) | 2014-01-24 | 2015-11-01 | Sanofi Aventis Deutschland | 用於附接至注射裝置之輔助裝置 |
DK3167408T3 (da) * | 2014-07-10 | 2024-03-04 | Sanofi Aventis Deutschland | Anordning og fremgangsmåde til udførelse af optisk tegngenkendelse |
EP3209355B1 (en) * | 2014-10-21 | 2020-04-08 | Sanofi-Aventis Deutschland GmbH | Recording dose data from drug injection devices using optical character recognition (ocr) |
EP3407940A4 (en) | 2016-01-29 | 2019-09-04 | Companion Medical, Inc. | PURPOSES OF AUTOMATIC DRUG DISPOSAL |
US10417516B2 (en) * | 2017-08-24 | 2019-09-17 | Vastec, Inc. | System and method for preprocessing images to improve OCR efficacy |
US11116899B2 (en) | 2017-12-12 | 2021-09-14 | Bigfoot Biomedical, Inc. | User interface for diabetes management systems and devices |
US11090439B2 (en) | 2017-12-12 | 2021-08-17 | Bigfoot Biomedical, Inc. | Therapy management systems, methods, and devices |
US11077243B2 (en) | 2017-12-12 | 2021-08-03 | Bigfoot Biomedical, Inc. | Devices, systems, and methods for estimating active medication from injections |
US11464459B2 (en) | 2017-12-12 | 2022-10-11 | Bigfoot Biomedical, Inc. | User interface for diabetes management systems including flash glucose monitor |
US11083852B2 (en) | 2017-12-12 | 2021-08-10 | Bigfoot Biomedical, Inc. | Insulin injection assistance systems, methods, and devices |
US10987464B2 (en) | 2017-12-12 | 2021-04-27 | Bigfoot Biomedical, Inc. | Pen cap for insulin injection pens and associated methods and systems |
JP7249348B2 (ja) * | 2017-12-28 | 2023-03-30 | サノフイ | 注射デバイスに取り付けるためのセンサデバイス |
KR102196110B1 (ko) | 2018-12-31 | 2020-12-29 | 주식회사 포스코아이씨티 | 광학 문자 판독 장치를 포함하는 로봇 프로세스 자동화 시스템 |
US11948671B2 (en) | 2019-04-11 | 2024-04-02 | Medtronic Minimed, Inc. | Intelligent accessories for medicine dispensing device |
KR20220168787A (ko) | 2021-06-17 | 2022-12-26 | 한밭대학교 산학협력단 | 만주어의 글자 추출 방법 및 이를 수행하는 시스템 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6473517B1 (en) * | 1999-09-15 | 2002-10-29 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
CN101000652A (zh) * | 2006-12-31 | 2007-07-18 | 沈阳工业大学 | 流量计费表数字远传图像自动识别方法及数字远传抄表系统 |
CN101025791A (zh) * | 2007-04-06 | 2007-08-29 | 清华大学 | 印刷蒙古文文本切分方法 |
US7647695B2 (en) * | 2003-12-30 | 2010-01-19 | Lockheed Martin Corporation | Method of matching harnesses of conductors with apertures in connectors |
CN101645134A (zh) * | 2005-07-29 | 2010-02-10 | 富士通株式会社 | 整体地名识别方法和整体地名识别装置 |
CN101751568A (zh) * | 2008-12-12 | 2010-06-23 | 汉王科技股份有限公司 | 证件号码定位和识别方法 |
WO2011117212A1 (en) * | 2010-03-22 | 2011-09-29 | Sanofi-Aventis Deutschland Gmbh | Device and method for determining information related to a medical device |
CN102222241A (zh) * | 2010-04-19 | 2011-10-19 | 日本电产三协株式会社 | 字符串识别装置及字符串识别方法 |
CN103154974A (zh) * | 2011-03-07 | 2013-06-12 | 株式会社Ntt都科摩 | 字符识别装置、字符识别方法、字符识别系统以及字符识别程序 |
WO2013120777A1 (en) * | 2012-02-13 | 2013-08-22 | Sanofi-Aventis Deutschland Gmbh | Supplemental device for attachment to an injection device |
US20130294654A1 (en) * | 2012-05-04 | 2013-11-07 | Xerox Corporation | Robust character segmentation for license plate images |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4580231A (en) * | 1978-09-15 | 1986-04-01 | Alphatype Corporation | Ultrahigh resolution photocomposition system employing electronic character generation from magnetically stored data |
US5253304A (en) * | 1991-11-27 | 1993-10-12 | At&T Bell Laboratories | Method and apparatus for image segmentation |
JPH07282190A (ja) * | 1994-04-11 | 1995-10-27 | Nec Eng Ltd | 光学文字読取装置 |
JPH08221518A (ja) * | 1995-02-17 | 1996-08-30 | Nec Eng Ltd | 光学文字読取装置 |
US5815595A (en) * | 1995-12-29 | 1998-09-29 | Seiko Epson Corporation | Method and apparatus for identifying text fields and checkboxes in digitized images |
US6614930B1 (en) * | 1999-01-28 | 2003-09-02 | Koninklijke Philips Electronics N.V. | Video stream classifiable symbol isolation method and system |
US6917708B2 (en) * | 2000-01-19 | 2005-07-12 | California Institute Of Technology | Handwriting recognition by word separation into silhouette bar codes and other feature extraction |
US20080008376A1 (en) * | 2006-07-07 | 2008-01-10 | Lockheed Martin Corporation | Detection and identification of postal indicia |
US8214733B2 (en) * | 2010-04-28 | 2012-07-03 | Lexmark International, Inc. | Automatic forms processing systems and methods |
US8261180B2 (en) * | 2009-04-28 | 2012-09-04 | Lexmark International, Inc. | Automatic forms processing systems and methods |
TWI431559B (zh) * | 2010-10-29 | 2014-03-21 | Univ Nat Chiao Tung | 車牌偵測辨識方法及其系統 |
SG10201510667SA (en) * | 2012-06-27 | 2016-01-28 | Agency Science Tech & Res | Text detection devices and text detection methods |
JP6080259B2 (ja) * | 2013-02-06 | 2017-02-15 | 日本電産サンキョー株式会社 | 文字切り出し装置及び文字切り出し方法 |
US20150286860A1 (en) * | 2014-04-02 | 2015-10-08 | Le Moustache Club S.L. | Method and Device for Generating Data from a Printed Document |
DK3167408T3 (da) * | 2014-07-10 | 2024-03-04 | Sanofi Aventis Deutschland | Anordning og fremgangsmåde til udførelse af optisk tegngenkendelse |
US9495343B2 (en) * | 2014-09-30 | 2016-11-15 | Konica Minolta Laboratory U.S.A., Inc. | Horizontal and vertical line detection and removal for document images |
US10140262B2 (en) * | 2015-05-04 | 2018-11-27 | King Fahd University Of Petroleum And Minerals | Systems and associated methods for Arabic handwriting synthesis and dataset design |
CN105528607B (zh) * | 2015-10-30 | 2019-02-15 | 小米科技有限责任公司 | 区域提取方法、模型训练方法及装置 |
US10553091B2 (en) * | 2017-03-31 | 2020-02-04 | Qualcomm Incorporated | Methods and systems for shape adaptation for merged objects in video analytics |
US10395385B2 (en) * | 2017-06-27 | 2019-08-27 | Qualcomm Incorporated | Using object re-identification in video surveillance |
-
2015
- 2015-07-09 DK DK15736465.4T patent/DK3167408T3/da active
- 2015-07-09 KR KR1020177003355A patent/KR20170032347A/ko unknown
- 2015-07-09 EP EP15736465.4A patent/EP3167408B1/en active Active
- 2015-07-09 CN CN201580048263.2A patent/CN106687992B/zh active Active
- 2015-07-09 US US15/324,506 patent/US10133948B2/en active Active
- 2015-07-09 JP JP2017500984A patent/JP6561111B2/ja active Active
- 2015-07-09 CN CN202011575695.8A patent/CN112733836A/zh active Pending
- 2015-07-09 WO PCT/EP2015/065669 patent/WO2016005483A1/en active Application Filing
-
2018
- 2018-11-19 US US16/195,394 patent/US10503994B2/en active Active
-
2019
- 2019-07-19 JP JP2019133235A patent/JP6758458B2/ja active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6473517B1 (en) * | 1999-09-15 | 2002-10-29 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
US7647695B2 (en) * | 2003-12-30 | 2010-01-19 | Lockheed Martin Corporation | Method of matching harnesses of conductors with apertures in connectors |
CN101645134A (zh) * | 2005-07-29 | 2010-02-10 | 富士通株式会社 | 整体地名识别方法和整体地名识别装置 |
CN101000652A (zh) * | 2006-12-31 | 2007-07-18 | 沈阳工业大学 | 流量计费表数字远传图像自动识别方法及数字远传抄表系统 |
CN101025791A (zh) * | 2007-04-06 | 2007-08-29 | 清华大学 | 印刷蒙古文文本切分方法 |
CN101751568A (zh) * | 2008-12-12 | 2010-06-23 | 汉王科技股份有限公司 | 证件号码定位和识别方法 |
WO2011117212A1 (en) * | 2010-03-22 | 2011-09-29 | Sanofi-Aventis Deutschland Gmbh | Device and method for determining information related to a medical device |
CN102222241A (zh) * | 2010-04-19 | 2011-10-19 | 日本电产三协株式会社 | 字符串识别装置及字符串识别方法 |
CN103154974A (zh) * | 2011-03-07 | 2013-06-12 | 株式会社Ntt都科摩 | 字符识别装置、字符识别方法、字符识别系统以及字符识别程序 |
WO2013120777A1 (en) * | 2012-02-13 | 2013-08-22 | Sanofi-Aventis Deutschland Gmbh | Supplemental device for attachment to an injection device |
US20130294654A1 (en) * | 2012-05-04 | 2013-11-07 | Xerox Corporation | Robust character segmentation for license plate images |
Non-Patent Citations (3)
Title |
---|
HUADONG XIA ET AL.: "The Study of License Plate Character Segmentation Algorithm based on Vetical Projection", 《INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS》 * |
陈涛 等: "基于投影和固有特征结合的车牌字符分割方法", 《计算机技术与发展》 * |
黄文杰: "基于投影的车牌字符分割方法", 《现代计算机》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733836A (zh) | 2021-04-30 |
JP6758458B2 (ja) | 2020-09-23 |
JP6561111B2 (ja) | 2019-08-14 |
US20170154232A1 (en) | 2017-06-01 |
JP2017521787A (ja) | 2017-08-03 |
KR20170032347A (ko) | 2017-03-22 |
US10503994B2 (en) | 2019-12-10 |
EP3167408B1 (en) | 2023-12-13 |
DK3167408T3 (da) | 2024-03-04 |
JP2019194915A (ja) | 2019-11-07 |
CN106687992B (zh) | 2021-01-12 |
US20190156136A1 (en) | 2019-05-23 |
EP3167408A1 (en) | 2017-05-17 |
US10133948B2 (en) | 2018-11-20 |
WO2016005483A1 (en) | 2016-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106687992A (zh) | 用于执行光学字符识别的装置和方法 | |
JP6806937B2 (ja) | 光学式文字認識(ocr)を用いて使用者が設定した用量値を記録および表示するために注射デバイスに取り付けるための補助デバイス | |
CN107106779B (zh) | 药剂剂量确定 | |
JP7069259B2 (ja) | 光学文字認識を使用する薬物注射デバイスからの用量データの記録 | |
US11404152B2 (en) | Medicament dosage data collection | |
EP3166492B1 (en) | Apparatus for capturing and processing images | |
JP7042934B2 (ja) | 光学文字認識を使用した薬物注射デバイスからの用量データの記録 | |
CN107743407A (zh) | 用于附接到药物输送装置的装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |