CN114845180A - 一种低功耗数字识别远传抄表装置及其识别方法 - Google Patents
一种低功耗数字识别远传抄表装置及其识别方法 Download PDFInfo
- Publication number
- CN114845180A CN114845180A CN202210379101.9A CN202210379101A CN114845180A CN 114845180 A CN114845180 A CN 114845180A CN 202210379101 A CN202210379101 A CN 202210379101A CN 114845180 A CN114845180 A CN 114845180A
- Authority
- CN
- China
- Prior art keywords
- area
- digital
- region
- word
- template
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- 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
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- 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
- G06V30/16—Image preprocessing
- G06V30/162—Quantising the image signal
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19107—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种低功耗数字识别远传抄表装置及其识别方法。利用抄表装置的采集水表图像传输给MCU芯片,MCU芯片采用局部自适应阈值算法对包含水表数字区域的原始图像进行二值化处理,提取水表数字区域的二值图;再次提取每个数字区域;使用形态学腐蚀和膨胀运算去除每个水表数字区域的背景区域;判断提取的每个数字区域是不是半字区域,若是则进行将半字区域扩充成全字区域后计算全字区域与模板库中的每个数字模板的相似度,挑选概率最大的模板区域为最终的数字识别结果,将识别结果通过无线通信模块传输至水务服务器。本发明用以解决现有摄像直读式远传抄表装置的功耗高,且传输速率慢的问题。
Description
技术领域
本发明属于图像识别领域;具体涉及一种低功耗数字识别远传抄表装置及其识别方法。
背景技术
远程水表数字自动抄表在饮用水资源智能管理方面有着重大的意义,自来水管理公司可以利用远程水表自动抄表系统来自动检测局部水资源的使用情况,同时实时检测自来水非正常流失情况。水表终端实现数字的自动识别有助于降低远程水表自动抄表系统终端设备的电能消耗,降低远程数据传送的时间,从而大大推广远程水表自动抄表系统的普及。水表数字区域识别是远程水表数字自动抄表系统的关键所在。
现有的水表分为智能水表与机械水表,智能水表存在更换限制多的问题,这使得智能水表的普及率并不高。因此,仍然存在大量的小区使用机械水表,需要抄表员上门抄表,所以如何解决在无法更换原机械水表的情况下,进行远程抄表就显得尤为重要。对于普通的机械水表,现有的远程抄表技术是在水表上外置摄像头装置,摄像头拍摄的水表图像通过无线网络传输到服务器,由服务器来完成水表图像中水表数值的识别任务。这种方法实现起来比较简单,但它存在如下问题:(1)图像的网络传输所需要水表外置摄像头模块装置较高的功耗,这大大降低了外置摄像头装置的使用寿命;(2)图像传输过程中,由于网络性能的问题,导致部分图像信息丢失,这会严重影响到服务器对水表数值的识别准确度;(3)图像数据量相当大,对网络带宽要求高。这些问题都会大大影响外置摄像头装置这种远程抄表技术的推广与普及。而本专利所设计的系统能有效的解决以上问题。
发明内容
本发明提供了一种低功耗数字识别远传抄表装置及其识别方法,用以解决现有摄像直读式远传抄表装置的功耗高,且传输速率慢的问题。
本发明通过以下技术方案实现:
一种低功耗数字识别远传抄表装置,所述抄表装置包括摄像头、MCU芯片、无线通信模块和电池,所述摄像头将拍摄的图片传输至MCU芯片,所述MCU芯片对拍摄图片进行识别以得出水表流量计数值的识別结果并发送至水务服务器,所述电池分别为摄像头、MCU芯片和无线通信模块供电。
一种低功耗数字识别远传抄表装置的数字识别方法,所述水表数字识别方法包括以下步骤:
步骤1:利用抄表装置的采集水表图像传输给MCU芯片,MCU芯片采用局部自适应阈值算法对包含水表数字区域的原始图像进行二值化处理,提取水表数字区域的二值图;
步骤2:基于步骤1提取的水表数字区域的二值图,再次提取每个数字区域;
步骤3:基于步骤2提取的每个数字区域使用形态学腐蚀和膨胀运算去除每个水表数字区域的背景区域;
步骤4:对步骤3去除背景区域后的每个数字区域,判断提取的每个数字区域是不是半字区域,若是则进行步骤5,若不是则进行步骤6;
步骤5:将半字区域扩充成全字区域后进行步骤6;
步骤6:计算全字区域与模板库中的每个数字模板的相似度,挑选概率最大的模板区域为最终的数字识别结果,将识别结果通过无线通信模块传输至水务服务器。
所述数字识别方法,所述步骤1图像进行二值化处理具体为,采用图像二值化处理公式为,
式中,I(x,y)表示原始图像在坐标(x,y)处的像素值,Ib(x,y)表示二值图像在坐标(x,y)处的二值化后的值,其中,1表示数字区域,0表示背景区域。th(x,y)表示坐标(x,y)处阈值;
阈值th(x,y)的计算式子如下:
式中,g(0)=f(0)=127·s,其中,127是图像的平均灰度值,s是计算每个像素的阈值时,滑动窗口的宽度;t是图像的灰度值大于阈值的百分数,它的取值是0到100。
所述数字识别方法,所述步骤2提取每个数字区域具体包括以下步骤:
步骤2.1:将水表的预定的数字区域在各个方向上进行投影,获得一维信号;
步骤2.2:计算步骤2.1的一维信号的持续长度来确定图像的旋转方向;
步骤2.3:将旋转后的图像在水平方向上进行垂直投影,在投影后的水平方向上搜索长度最大的前5个连续区域,从而确定5个数字区域的x轴坐标;
步骤2.4:利用步骤2.2-2.3对水表的数字区域在垂直方向上进行水平投影,在垂直方向搜索最大的连续区域,从而确定每个数字区域的y轴坐标。
所述数字识别方法,所述步骤2.1具体为,将预定的数字区域R中的每个像素点(x,y)在θ方向上进行投影为:
式中,P(xnew)表示数字区域R投影到θ方向上;
选择α最小的值对应的方向θ为图像的旋转方向;对数字区域进行旋转-θ方向,即可将数字区域旋转到水平方向上。
所述数字识别方法,所述步骤3删除数字区域的背景区域具体为,
步骤3.1:对每个数字区域相继进行腐蚀和膨胀运算,删除数字区域中一些不连通的区域;
步骤3.2:将步骤3.1每个数字区域清理一些不连通的区域后,对数字区域中像素值为1的像素点,以每个像素点的灰度值为输入对像素点进行聚类;
步骤3.3:对步骤3.2的聚类后的结果,选择聚类中心最小的区域作为数字区域。
所述数字识别方法,所述步骤4数字区域半字和全字辨别具体包括以下步骤:
步骤4.1:设定数字区域的非零像素点构成的矩形区域的高度的阈值;
步骤4.2:计算数字区域的非零像素点构成的矩形区域的高度,判断其与步骤4.1设定的阈值相比较,若小于阈值则进行步骤4.3,若大于阈值则进行步骤4.4;
步骤4.3:该数字区域就是半字区域,再次判断该半字区域的中心坐标所在位置,若中心点坐标在完整区域的上半区域,则该数字区域就是下半字区域;若中心点坐标在完全区域的下半区域,则该数字区域就是上半字区域;
步骤4.4:该数字区域为全字区域。
所述数字识别方法,所述步骤5将半字区域扩充成全字区域具体为,
若该数字区域属于上半字区域,将它移动到整个数字区域的上面,再在下面添加像素值为0的区域,将半字区域扩充成全字区域;
若该数字区域属于下半字区域,将它移动到整个数字区域的下面,再在上面添加像素值为0的区域,将半字区域扩充成全字区域。
所述数字识别方法,所述步骤6计算全字区域与模板库中的每个数字模板的相似度具体为,对于提取的数字区域Rextracted和模板库中的数字i的模板区域Ri,i=0,1,…,9,采用下式计算它们之间的相似度:S(Rextracted,Ri): (5)
式中,Rextracted(x,y)表示提取的数字区域中的y行x列处的像素值,它的取值为0或者1;Ri(x,y)表示数字i的模板中的y行x列处值,这个值的取值范围是[0,65535];
假设每个数字区域的宽和高分别是M和N,在系统中,M=30,N=50;符号·表示实数乘法运算;⊙表示按二进制位的与运算;Ri(x,y)>>i表示右移位运算,它是将Ri(x,y)对应的二进制串向左移动i位;
式中,(Ri(x,y)>>i)⊙1的结果是0或者1,如果Ri(x,y)的二进制串中,在i位的值为1,那么,(Ri(x,y)>>i)⊙1的值为1,否则,为0;
利用上式(5)与(6),计算出提取的数字区域Rextracted与模板库中数字0、2、3、4、5、6、7、8、9这9个数字的相似度;在识别算法中,数字1的识别不需要计算相似度,如果提取的数字区域的宽度小于阈值时,该提取的区域就被识别成数字1;对于每一个提取的数字区域,挑选相似度大于预先设定的相似度阈值的模板对于数字为候选识别数字,将它们放入到候选模板数字集合中。
所述数字识别方法,所述步骤6挑选概率最大的模板区域具体为,
对于候选模板区域集合中任意两个区域Ri和Rj,分别计算提取的数字区域Rextracted是数字i与数字j的概率,pi和pj;它们的计算方式如下:
通过上式(7),计算出候选模板区域集合中每个模板是最终识别结果的概率之后,挑选概率最大的模板区域对应的数字为识别结果。
本发明的有益效果是:
本发明所描述的水表数字区域识别算法能够识别水表运转的任何时候数字区域,能够处理水表中出现的任何半字现象。
本发明所提出的水表数字区域识别算法简单有效,所设计的模板库容量非常小,只有10个数字区域,每次识别的时候,只需要拿提取的数字区域与模板库中的10个数字区域进行比对即可;这大大提高了算法的计算效率。
本发明将所拍摄的图片直接利用MCU芯片转化成数字发送至水务服务器,由于发送的数据就只有水表度数,文件非常小,速度快,功耗低,实现电池的10年续航。
本发明实现快速对水表表盘累积流量数的识别,以减少识别过程中的功耗。
本发明通过传输累计流量数的方式,实现传输数据量少及通信时间短,达到减少通信功耗的目的。
本发明使用低功耗MCU处理器,使装置在非工作时间进入深度睡眠,有效降低休眠期的功耗。
附图说明
图1为本发明的方法流程图。
图2为本发明的水表数字模板图。
图3为本发明的装置示意图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种低功耗数字识别远传抄表装置,所述抄表装置包括摄像头、MCU芯片、无线通信模块和电池,所述摄像头将拍摄的图片传输至MCU芯片,所述MCU芯片对拍摄图片进行识别以得出水表流量计数值的识別结果并发送至水务服务器,所述电池分别为摄像头、MCU芯片和无线通信模块供电。
通过抄表装置的摄像头对数字式表盘进行拍摄,得到水笔表盘图像,并通过抄表装置自带的低功耗MCU处理器对图形进行本地识别,利用水表数字识别算法识别得到水表流量数值的识别结果,再将识别结果发送到水务服务器,实现远程抄表。
一种低功耗数字识别远传抄表装置的数字识别方法,所述水表数字识别方法包括以下步骤:
步骤1:采用局部自适应阈值算法对包含水表数字区域的原始图像进行二值化处理,提取水表数字区域的二值图;
步骤2:基于步骤1提取的水表数字区域的二值图,再次提取每个数字区域;
步骤3:基于步骤2提取的每个数字区域使用形态学腐蚀和膨胀运算去除每个水表数字区域的背景区域;
步骤4:对步骤3去除背景区域后的每个数字区域,判断提取的每个数字区域是不是半字区域,若是则进行步骤5,若不是则进行步骤6;
步骤5:将半字区域扩充成全字区域后进行步骤6;
步骤6:计算全字区域与模板库中的每个数字模板的相似度,挑选概率最大的模板区域为最终的数字识别结果。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤1图像进行二值化处理具体为,采用图像二值化处理公式为,
式中,I(x,y)表示原始图像在坐标(x,y)处的像素值,Ib(x,y)表示二值图像在坐标(x,y)处的二值化后的值,其中,1表示数字区域,0表示背景区域。th(x,y)表示坐标(x,y)处阈值;
阈值th(x,y)的计算式子如下:
式中,g(0)=f(0)=127·s,其中,127是图像的平均灰度值,s是计算每个像素的阈值时,滑动窗口的宽度;t是图像的灰度值大于阈值的百分数,它的取值是0到100。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤2提取每个数字区域具体包括以下步骤:从二值图像中提取水表的每个数字区域,本专利采用图像旋转和垂直投影方法来提取每个数字区域。由于摄像头位置的影响,所拍摄的水表数字区域可能不在水平方向上,这就需要对二值图像进行旋转,使得数字区域处在水平方向上。
步骤2.1:将水表的预定的数字区域在各个方向上进行投影,获得一维信号;
步骤2.2:计算步骤2.1的一维信号的持续长度来确定图像的旋转方向;
步骤2.3:将旋转后的图像在水平方向上进行垂直投影,在投影后的水平方向上搜索长度最大的前5个连续区域,从而确定5个数字区域的x轴坐标;
步骤2.4:利用步骤2.2-2.3对水表的数字区域在垂直方向上进行水平投影,在垂直方向搜索最大的连续区域,从而确定每个数字区域的y轴坐标。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤2.1具体为,将预定的数字区域R中的每个像素点(x,y)在θ方向上进行投影为:
式中,P(xnew)表示数字区域R投影到θ方向上;
选择α最小的值对应的方向θ为图像的旋转方向;对数字区域进行旋转-θ方向,即可将数字区域旋转到水平方向上。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤3删除数字区域的背景区域具体为,
步骤3.1:对每个数字区域相继进行腐蚀和膨胀运算,删除数字区域中一些不连通的区域;
步骤3.2:将步骤3.1每个数字区域清理一些不连通的区域后,对数字区域中像素值为1的像素点,以每个像素点的灰度值为输入对像素点进行聚类;
步骤3.3:对步骤3.2的聚类后的结果,选择聚类中心最小的区域作为数字区域。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤4数字区域半字和全字辨别具体包括以下步骤:
步骤4.1:设定数字区域的非零像素点构成的矩形区域的高度的阈值;
步骤4.2:计算数字区域的非零像素点构成的矩形区域的高度,判断其与步骤4.1设定的阈值相比较,若小于阈值则进行步骤4.3,若大于阈值则进行步骤4.4;
步骤4.3:该数字区域就是半字区域,再次判断该半字区域中心坐标的位置,若半字区域中心点坐标在完整区域的上半区域,则该数字区域就是下半字区域;若半字区域中心点坐标在完整区域的下半区域,则该数字区域就是上半字区域;
步骤4.4:该数字区域为全字区域。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤5将半字区域扩充成全字区域具体为,
若该数字区域属于上半字区域,将它移动到整个数字区域的上面,再在下面添加像素值为0的区域,将半字区域扩充成全字区域;即使得该数字区域的大小与全字区域的大小一样;
若该数字区域属于下半字区域,将它移动到整个数字区域的下面,再在上面添加像素值为0的区域,将半字区域扩充成全字区域。即使得该数字区域的大小与全字区域的大小一样。全字区域扩展成与模板区域一样大小的区域:模板库中的每个数字区域的大小都是固定的,而且是一样的。在拿提取的水表数字区域与模板中的每个数字区域进行比对之前,首先需要将提取的数字区域扩展成与模板库中的数字区域大于一样的区域。我们采用的扩展数字区域的大小的方法是使用最近邻插值方法。
一种低功耗数字识别远传抄表装置的数字识别方法,所述模板库构造具体为,图2中给出了识别算法中使用的模板库中的所有数字的模板。在构造的模板库中,数字0、2、3、4、5、6、7、8、9这9个数字各有一个模板;数字1没有模板,其原因是,我们的数字识别算法中,只需要判断提取的水表数字区域的宽度来判断它是否为1,如果提取的数字为1,就不需要比对模板库中的其他9个数字的模板。为了减少模板库的存储空间,每个数字区域中存储数字本身和它与其他数字区域的差异区域,这些信息以位运算的形式存储。
图2中数字i,i=0,2,3,4,5,6,7,8,9,对应的区域Ri中,每个像素点Ri(x,y)的二进制位中,第i位存储的是数字i的信息,如果数字i在像素点(x,y)的值为1,那么,在二进制位中第i位的值就为1,否则,为0;每个像素点Ri(x,y)的二进制位中,第j(j>i)位存储的是数字i与数字j的差异区域,如果数字i与数字j在像素点(x,y)处存在差异,那么,像素点Ri(x,y)的二进制位中,第j(j>i)位的值为1,否则,它的值为0。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤6计算全字区域与模板库中的每个数字模板的相似度具体为,挑选相似度大于阈值(阈值的值为0.7)的模板库中的数字区域作为候选数字区域,为进一步判断提取的数字区域属于模板库中的哪个数字区域缩小了比对空间。对于提取的数字区域Rextracted和模板库中的数字i的模板区域Ri,i=0,1,…,9,采用下式计算它们之间的相似度:S(Rextracted,Ri): (5)
式中,Rextracted(x,y)表示提取的数字区域中的y行x列处的像素值,它的取值为0或者1;Ri(x,y)表示数字i的模板中的y行x列处值,这个值的取值范围是[0,65535];
假设每个数字区域的宽和高分别是M和N,在系统中,M=30,N=50;符号·表示实数乘法运算;⊙表示按二进制位的与运算;Ri(x,y)>>i表示右移位运算,它是将Ri(x,y)对应的二进制串向左移动i位;
式中,(Ri(x,y)>>i)⊙1的结果是0或者1,如果Ri(x,y)的二进制串中,在i位的值为1,那么,(Ri(x,y)>>i)⊙1的值为1,否则,为0;
利用上式(5)与(6),计算出提取的数字区域Rextracted与模板库中数字0、2、3、4、5、6、7、8、9这9个数字的相似度;在识别算法中,数字1的识别不需要计算相似度,如果提取的数字区域的宽度小于阈值(阈值取值范围17至20)时,该提取的区域就被识别成数字1;对于每一个提取的数字区域,挑选相似度大于预先设定的相似度阈值的模板对于数字为候选识别数字,将它们放入到候选模板数字集合中。
一种低功耗数字识别远传抄表装置的数字识别方法,所述步骤6挑选概率最大的模板区域具体为,
根据每个数字的特征,计算候选数字区域中,与从水表中提取的数字区域匹配度最高的区域,也就是计算候选数字区域中,与提取的数字区域相匹配的概率,概率最高的数字区域对应的数字,就是从水表中提取的数字区域的识别结果;在模板库中保留了每个数字区域与其他数字区域之间的差异区域,接着针对候选模板区域中的每个模板区域,计算提取的数字区域中的像素点与候选模板区域对应的数字的特征像素点的值均为1的频率;最后,选择最大频率值对应候选模板区域对应的数字为最终的数字识别结果;
对于候选模板区域集合中任意两个区域Ri和Rj,分别计算提取的数字区域Rextracted是数字i与数字j的概率,pi和pj;它们的计算方式如下:
通过上式(7),计算出候选模板区域集合中每个模板是最终识别结果的概率之后,挑选概率最大的模板区域对应的数字为识别结果。
图像二值化:由于所拍摄的水表仪表盘中,数字是黑色字体,仪表盘背景是白色的,所以,我们可以使用阈值化方法对原始图像数据进行二值化处理,获得水表数字区域的二值图像。二值图像使得水表数字区域与背景区域之间的差异更加明显,有助于提高数字区域的提取。
提取每个数字区域:为了对水表中每个数字区域进行识别,同时删除数字区域中由于光照引起的背景区域,我们采用图像旋转和垂直投影方法来提取每个数字区域。通过图像旋转将图像中的数字区域旋转到水平方向。然后,将旋转后的图像在水平方向上进行垂直投影,在投影后的水平方向上搜索长度最大的连续区域,从而确定每个数字区域的x轴坐标。然后,采用同样的方式,对水表的数字区域在垂直方向上进行水平投影,在垂直方向搜索最大的连续区域,从而确定每个数字区域的y轴坐标。这样,我们就计算出了每个数字区域的x和y坐标值。
删除数字区域的背景区域:由于光照的影响,导致提取的每个数字区域中可能存在部分背景区域。为了删除提取的数字区域的背景区域,本专利采用形态学的腐蚀和膨胀运算以及K均值聚类方法删除每个数字区域中可能存在的背景区域。删除背景区域后的数字区域有助于提高数字区域的识别精度。
数字区域半字和全字辨别与扩充:由于水表的持续运转,水表中的数字区域中存在大量半字区域。在数字区域的识别之前,首先检测所提取的数字区域是不是半字区域,如果是半字区域的话,我们需要将其扩充成全字区域。
全字区域扩展成与模板区域一样大小的区域:模板库中的每个数字区域的大小都是固定的,而且是一样的。在拿提取的水表数字区域与模板中的每个数字区域进行比对之前,首先需要将提取的数字区域扩展成与模板库中的数字区域大于一样的区域,这样才能进行数字区域比对,进而挑选出模板库中与提取的水表数字区域最相似的模板区域。
基于相似度提取模板库中的候选数字区域:计算提取的数字区域与模板库中每个数字区域之间的相似度,本专利挑选相似度大于某个阈值的模板库中的数字区域作为候选数字区域,为进一步判断提取的数字区域属于模板库中的哪个数字区域缩小了比对空间,增加了数字区域的识别精度。
从候选数字区域中提取概率最大的数字区域:根据每个数字的特征,计算候选数字区域中,与从水表中提取的数字区域匹配度最高的区域,也就是计算候选数字区域中,与提取的数字区域相匹配的概率,概率最高的数字区域对应的数字,就是从水表中提取的数字区域的识别结果。
模板库构造:为了降低整体算法的存储空间和计算复杂度,除了数字1以外,每个数字构造一个模板区域,这个目标区域中,同时保存数字信息和这个数字与其他数字之间的差异信息。在构造模板库时,我们以二进制位为基础来构建数字信息和它与其他数字之间的差异信息。这种构造模板库的方法大大降低了模板库的存储空间和数字区域识别过程中的计算复杂度。
Claims (10)
1.一种低功耗数字识别远传抄表装置,其特征在于,所述抄表装置包括摄像头、MCU芯片、无线通信模块和电池,所述摄像头将拍摄的图片传输至MCU芯片,所述MCU芯片对拍摄图片进行识别以得出水表流量计数值的识別结果并发送至水务服务器,所述电池分别为摄像头、MCU芯片和无线通信模块供电。
2.根据权利要求1所述一种低功耗数字识别远传抄表装置的数字识别方法,其特征在于,所述数字识别方法包括以下步骤:
步骤1:利用抄表装置的采集水表图像传输给MCU芯片,MCU芯片采用局部自适应阈值算法对包含水表数字区域的原始图像进行二值化处理,提取水表数字区域的二值图;
步骤2:基于步骤1提取的水表数字区域的二值图,再次提取每个数字区域;
步骤3:基于步骤2提取的每个数字区域使用形态学腐蚀和膨胀运算去除每个水表数字区域的背景区域;
步骤4:对步骤3去除背景区域后的每个数字区域,判断提取的每个数字区域是不是半字区域,若是则进行步骤5,若不是则进行步骤6;
步骤5:将半字区域扩充成全字区域后进行步骤6;
步骤6:计算全字区域与模板库中的每个数字模板的相似度,挑选概率最大的模板区域为最终的数字识别结果,将识别结果通过无线通信模块传输至水务服务器。
4.根据权利要求2所述数字识别方法,其特征在于,所述步骤2提取每个数字区域具体包括以下步骤:
步骤2.1:将水表的预定的数字区域在各个方向上进行投影,获得一维信号;
步骤2.2:计算步骤2.1的一维信号的持续长度来确定图像的旋转方向;
步骤2.3:将旋转后的图像在水平方向上进行垂直投影,在投影后的水平方向上搜索长度最大的前5个连续区域,从而确定5个数字区域的x轴坐标;
步骤2.4:利用步骤2.2-2.3对水表的数字区域在垂直方向上进行水平投影,在垂直方向搜索最大的连续区域,从而确定每个数字区域的y轴坐标。
6.根据权利要求2所述数字识别方法,其特征在于,所述步骤3删除数字区域的背景区域具体为,
步骤3.1:对每个数字区域相继进行腐蚀和膨胀运算,删除数字区域中一些不连通的区域;
步骤3.2:将步骤3.1每个数字区域清理一些不连通的区域后,对数字区域中像素值为1的像素点,以每个像素点的灰度值为输入对像素点进行聚类;
步骤3.3:对步骤3.2的聚类后的结果,选择聚类中心最小的区域作为数字区域。
7.根据权利要求2所述数字识别方法,其特征在于,所述步骤4数字区域半字和全字辨别具体包括以下步骤:
步骤4.1:设定数字区域的非零像素点构成的矩形区域的高度的阈值;
步骤4.2:计算数字区域的非零像素点构成的矩形区域的高度,判断其与步骤4.1设定的阈值相比较,若小于阈值则进行步骤4.3,若大于阈值则进行步骤4.4;
步骤4.3:该数字区域就是半字区域,再次判断该半字区域的中心坐标所在位置,若中心点坐标在完整区域的上半区域,则该数字区域就是下半字区域;若中心点坐标在完全区域的下半区域,则该数字区域就是上半字区域;
步骤4.4:该数字区域为全字区域。
8.根据权利要求7所述数字识别方法,其特征在于,所述步骤5将半字区域扩充成全字区域具体为,
若该数字区域属于上半字区域,将它移动到整个数字区域的上面,再在下面添加像素值为0的区域,将半字区域扩充成全字区域;
若该数字区域属于下半字区域,将它移动到整个数字区域的下面,再在上面添加像素值为0的区域,将半字区域扩充成全字区域。
9.根据权利要求2所述数字识别方法,其特征在于,所述步骤6计算全字区域与模板库中的每个数字模板的相似度具体为,对于提取的数字区域Rextracted和模板库中的数字i的模板区域Ri,i=0,1,…,9,采用下式计算它们之间的相似度:S(Rextracted,Ri):(5)
式中,Rextracted(x,y)表示提取的数字区域中的y行x列处的像素值,它的取值为0或者1;Ri(x,y)表示数字i的模板中的y行x列处值,这个值的取值范围是[0,65535];
假设每个数字区域的宽和高分别是M和N,在系统中,M=30,N=50;符号·表示实数乘法运算;⊙表示按二进制位的与运算;Ri(x,y)>>i表示右移位运算,它是将Ri(x,y)对应的二进制串向左移动i位;
式中,(Ri(x,y)>>i)⊙1的结果是0或者1,如果Ri(x,y)的二进制串中,在i位的值为1,那么,(Ri(x,y)>>i)⊙1的值为1,否则,为0;
利用上式(5)与(6),计算出提取的数字区域Rextracted与模板库中数字0、2、3、4、5、6、7、8、9这9个数字的相似度;在识别算法中,数字1的识别不需要计算相似度,如果提取的数字区域的宽度小于阈值时,该提取的区域就被识别成数字1;对于每一个提取的数字区域,挑选相似度大于预先设定的相似度阈值的模板对于数字为候选识别数字,将它们放入到候选模板数字集合中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210379101.9A CN114845180A (zh) | 2022-04-12 | 2022-04-12 | 一种低功耗数字识别远传抄表装置及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210379101.9A CN114845180A (zh) | 2022-04-12 | 2022-04-12 | 一种低功耗数字识别远传抄表装置及其识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114845180A true CN114845180A (zh) | 2022-08-02 |
Family
ID=82563889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210379101.9A Pending CN114845180A (zh) | 2022-04-12 | 2022-04-12 | 一种低功耗数字识别远传抄表装置及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114845180A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998887A (zh) * | 2022-08-08 | 2022-09-02 | 山东精惠计量检测有限公司 | 一种电能计量表智能识别方法 |
-
2022
- 2022-04-12 CN CN202210379101.9A patent/CN114845180A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998887A (zh) * | 2022-08-08 | 2022-09-02 | 山东精惠计量检测有限公司 | 一种电能计量表智能识别方法 |
CN114998887B (zh) * | 2022-08-08 | 2022-10-11 | 山东精惠计量检测有限公司 | 一种电能计量表智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838126B (zh) | 细胞图像分割方法、装置、计算机设备和存储介质 | |
CN106295498B (zh) | 光学遥感图像目标区域检测装置与方法 | |
AU2020103716A4 (en) | Training method and device of automatic identification device of pointer instrument with numbers in natural scene | |
CN110309810B (zh) | 一种基于批次中心相似度的行人重识别方法 | |
CN101930532A (zh) | 基于手机摄像头快速响应矩阵码识读方法 | |
CN113065474A (zh) | 行为识别方法、装置及计算机设备 | |
CN107578011A (zh) | 视频关键帧的判定方法及装置 | |
CN114845180A (zh) | 一种低功耗数字识别远传抄表装置及其识别方法 | |
CN108561127B (zh) | 一种基于随机模拟的地层压力预测方法 | |
Bai et al. | An adaptive threshold fast DBSCAN algorithm with preserved trajectory feature points for vessel trajectory clustering | |
CN110084232A (zh) | 车牌中汉字字符的识别方法、装置及终端设备 | |
CN111428064B (zh) | 小面积指纹图像快速索引方法、装置、设备及存储介质 | |
Kong et al. | Collaborative model tracking with robust occlusion handling | |
CN116704490A (zh) | 车牌识别方法、装置和计算机设备 | |
CN115048682B (zh) | 一种土地流转信息的安全存储方法 | |
CN113158871B (zh) | 一种基于密度核心的无线信号强度异常检测方法 | |
CN110837834A (zh) | 一种数字仪表读数方法及系统 | |
CN112541328B (zh) | 一种笔迹的存储方法、装置、设备及存储介质 | |
Gu et al. | Deep piecewise hashing for efficient hamming space retrieval | |
CN114691918A (zh) | 基于人工智能的雷达图像检索方法、装置以及电子设备 | |
CN117421386B (zh) | 基于gis的空间数据处理方法及系统 | |
CN110427348B (zh) | 基于大数据的智慧安防系统数据共享方法 | |
CN116071661B (zh) | 一种基于激光点云的城市道路场景语义分割方法 | |
CN117746076B (zh) | 一种基于机器视觉的设备图像匹配方法 | |
CN116645661B (zh) | 一种防重码检测方法及系统 |
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 |