FMCW雷达基于光学字符识别的连续动作识别研究

传统的基于雷达的人体动作识别主要采用微多普勒原理,对原始数据进行处理,生成微多普勒时频图,然后输入到基于分类的深度学习网络中进行识别,只能对单个动作进行识别。本文提出一种FMCW雷达光学字符识别技术的连续动作识别方法,首先对采集的雷达数据采用RDM(Range-Doppler Map)向速度维投影的方法逐帧获取微多普勒时频图,然后将处理得到的时频图输入一个特别定制的,由卷积神经网络、inception_resnet、最大池化层和Bi-LSTM的网络组成,使用联结主义时间分类(CTC)作为损失函数进行训练的网络。实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这5种动作的识别准确率分别高达96.16%,95.34%,88.49%,89.37%,96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果,时间上的识别准确率整体令人满意。

一种基于光学字符识别技术的超声报告自动化生成方法

目的开发一种基于光学字符识别技术的超声报告自动化生成方法,并分析其临床应用效果。方法对配备触摸屏的超声诊断仪的测量及注释进行规范化处理,建立超声报告模板数据库,编制计算机程序,利用光学字符识别技术识别图像中的字符信息,从而自动化生成超声报告。对比361例超声检查中常规手工编写报告及计算机自动化生成报告所用的时间及工作量(点击次数),分析36例超声检查结果中的字符识别正确率。结果使用光学字符识别技术可有效提取超声图像中的字符,并自动化生成超声报告,且以5个工作日为计算单位,可节省50.9%的超声报告编写时间,减少63.2%的超声报告编写工作量。结论利用光学字符识别技术自动化生成超声报告,可实时编写报告,减少超声医师工作量,提高工作效率,但其在推广应用方面仍存在一定局限,需在适用性、通用性方面继续加大研究。

基于中心化Jaccard匹配的SD卡光学字符验证

为了解决安全数码卡(SD卡,secure digital card)表面字符人工验证效率差、准确率低的问题,提出了一种基于中心化Jaccard匹配的SD卡光学字符验证方法,能够实现SD卡表面字符的精密检测与自动验证;首先,提出了一种基于HSV三通道直方图分析的快速验证方法,实现特征显著SD卡图像的准确验证;其次,针对SD卡字符验证精度受光照变化和微小旋转影响的问题,提取V通道图像和变化角度特征,提高HOG特征对光照和旋转变化的抵抗能力;最后,针对相似SD卡字符的验证问题,提出了一种中心化广义Jaccard系数,增强了相似度指标的辨别力,实现了特征相似图像的精密检测;以实际场景采集的数据对所提方法进行验证分析,试验结果表明,该算法准确率达到99.15%,具有很好的实用性和鲁棒性。

基于RBF网络的光学字符提取与识别新方法

提出了一种新的基于统计与模糊隶属度的光学字符特征提取方法,可以快速准确地识别受噪声污染的光学字符。相比传统算法,本文方法的特征空间区分度更高,最小类间距离扩大33.2%以上。应用在径向基函数(Radical Basis Function,RBF)神经网络中,在字体字号变化且有背景噪声污染的影响下,识别率高达99%以上,且相比直方图投影法提速75%。理论分析与实验结果表明,与传统方法相比,该算法抗噪能力更强、模式区分度更高、时空复杂度更低,更简约、更全面地覆盖了字符的特征,应用范围广。已应用于实际系统,取得很好的实验结果。

光学字符识别技术与展望

光学字符识别技术在人机交互中，发挥了界面友好的作用。根据识别时所提取具体特征的不同，字符识别通常可以分为：统计字符识别、结构字符识别和神经网络字符识别技术3种。该文分析了文字识别中的典型方法，并结合模式识别领域取得的理论成果，介绍了模糊技术识别、基于语义理解的识别等发展中的识别技术。光学字符识别为大量数据的自动录入提供了一条有效的途径，在文档自动分析、图像检索、人机交互方面有广阔的发展空间。

基于OCR光学字符识别的翻译优化方法

以转化并翻译纸张等载体上文本资料为数字化信息为目标,提出一种基于OCR光学字符识别的翻译优化方法。利用具备摄像功能的设备拍摄含待翻译字符的图像,图像预处理时采用区域灰度差生长算法和叠加灰度值方式判断原始图像中背景信息和表格线条,去除原始图像中非字符像素干扰,得到二值化文本图像;图像分割时采用基于改进FCM聚类算法的图像分割方法,利用小波多尺度图像框架,引入时效性函数,降低二值化文本图像分割计算量,充分考虑相邻域信息,解决图像分割缺陷及干扰,获取二值化文本图像单个字符或单词;依据一阶Minkowski距离实现分割后的图像特征分类后,利用后处理方式结合上下文信息展开特征分类结果的进一步处理,提升翻译准确度。实验结果表明:所提方法可实现文字的精准翻译,应用效果较好。

基于知识蒸馏的缅甸语光学字符识别方法

与传统的图像文本识别任务不同,缅甸语光学字符识别(Optical character recognition,OCR)需要计算机在一个感受野内识别由多个字符嵌套组合的复杂字符,这给缅甸语OCR任务带来了巨大的挑战。为了解决该问题,提出了一种基于知识蒸馏的缅甸语OCR方法,构建了使用卷积神经网络(Convolutional neural networks,CNN)+循环神经网络(Recurrent neural network,RNN)框架的教师网络和学生网络,以集成学习的方式进行训练的模型架构,在训练过程中通过教师集成的子网络与学生网络进行耦合,实现学生网络中单个感受野对应的局部字符图像特征与教师网络中整体字符图像特征的对齐,以此增强对长序列字符图像中局部特征的获取。实验结果表明,在没有背景噪声图像和有背景噪声图像作为训练数据集的情况下,本文模型的性能分别优于基线2.9%和2.7%。

基于HALCON平台快速开发光学字符识别系统的研究

HALCON平台提供了成熟的算法包、开放式结构的功能模块及光学字符识别助手,有利于快速开发光学字符识别系统,具有功能强大、开发成本低及操作简单的优点。文章应用了平台自带的多个分类器模板对字母和数字进行识别测试,结果证明HALCON平台自带分类器模板对部分大写字母和数字的识别具有较高的准确率。在平台上创建了开放式的分类器模板,建立样本训练集文件,对分类器进行训练,使用训练后的分类器模板对汉字进行识别测试,识别准确率也较高。

光学字符识别技术与图书馆信息资源的数字化

光学字符识别技术是自动识别技术中针对印刷体字符的一种识别技术,它可以对海量传统信息资源进行加工,存储,检索和利用,是实现图书馆信息资源数字化的先进技术和重要手段。在对传统图书馆信息资源数字化加工过程中应用光学字符识别技术,可以准确、快捷、高效地实现信息资源数字化,加快数字图书馆的建设步伐。

英文光学字符识别的后处理

总结了英文光学字符识别 (OCR)系统中的常见错误类型 ,论证了使用拼写检查技术发现错误的可能性 .以最相似单词替换OCR的错误输出 ,从而达到改正错误的目的 .利用编辑距离实现词汇相似性评估 ,并用动态规划技术优化了编辑距离的计算 .试验结果证明该方法可以使OCR系统的单词识别率提高 6 2 5 % .

基于IPSO和BP神经网络的光学字符识别

随着信息系统的广泛应用,光学字符识别(Optical Character Recognition,OCR)技术取的了长足的进步。通过引入模拟退火算法、"交叉算子"和"变异算子",提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)对神经网络的参数进行优化计算。试验证明,OCR方法具有很高的识别效率。

光学字符识别对卒中结构化随访表格识别效果的对比研究

目的:研究不同光学字符识别(OCR)方案在真实环境中对纸质卒中随访表格的识别效果,探索OCR技术在结构化卒中随访表格电子化中的可行性。方法:收集太仓市第一人民医院2019-2020年社区、乡镇人群心脑血管病危险因素纸质随访表,根据图像采集质量分为正常、角度不佳、光线不佳。文字识别分别采用通用OCR和百度自定义模板文字识别(IOCR),输出文字经人工校对与原始数据对比,计算错误率。结果:通用OCR的正常、角度不佳、光线不佳识别率分别为99.3%、86.1%、97.1%,IOCR的正常、角度不佳、光线不佳识别率分别为99.0%、93.7%、98.1%。通用OCR与IOCR总体识别率比较,差异有统计学意义(P<0.05)。正常、角度不佳、光线不佳图片的通用OCR识别率比较,差异有统计学意义(P<0.05);正常、角度不佳、光线不佳图片的IOCR识别率比较,差异有统计学意义(P<0.05)。结论:结构化表格通过模板构建的IOCR识别方案可以提高识别率,在正常采集角度下能够基本满足临床需求,极大地提高医生的录入效率,形成电子档案,说明图像采集角度是影响识别率的重要因素,为数据的进一步利用提供基础。

基于Sherlock的光学字符识别

产品外包装上印刷字符的自动识别是自动化生产线的一项重要功能,能够大幅度提高 检测的自动化水平,提高生产效率。本文介绍基于Sherlock的光学字符识别系统的构成,说明Sherlock 软件中的光学字符识别模块的功能,并结合实例说明在识别产品外包装上的点阵列和分段字符以及退 化字符等方面的应用。

基于光学字符识别的报警信息二次识别

在报警信息识别系统中,屏幕报警信息具有字体小、字符间距小、像素体发光的特点,易出现图像处理后字符断裂和粘连严重的问题。为了保证报警信息识别的准确性,提出了一种对报警信息先整体识别,然后单字符分割识别,最后对2次识别结果进行投票决策的二次识别方法。通过对重力仪GT-2A报警信息进行测试,该方法在报警信息识别中达到90.5%的识别率,具有实用性。

图书馆海量书目光学字符特征的分类技术

当前图书馆书目信息管理大都是通过硬盘等存储器,对海量图书信息进行处理,但是信息输入的效率远远低于图书信息产生效率,使得书目信息查询准确率降低。面向该种问题,提出基于RBF神经网络的书目光学字符特征分类方法,先对海量书目光学图像进行图像去噪、光学字符区域定位以及字模分割的预处理,再采用基于统计与模糊隶属度的特征提取方法,获取书目光学字符特征图像的三大类特征。将RBF网络作为模式分类器,设计面向书目光学字符分类系统的网络模型,实现海量书目光学字符特征的准确分类。实验结果说明,所提方法的分类效率、分类精度都较高。

基于光学字符识别技术的综合医院放射卫生管理系统设计与价值研究

目的:设计综合医院放射工作人员和射线装置共享管理的放射卫生管理系统,实现多院区放射卫生管理同质化和规范化。方法:采用从下至上分为基础数据层、数据接入层、聚合层、服务层和应用层(表现层)分层系统架构,设置人员管理、设备管理、监督管理、证件管理和系统管理5大功能模块,基于光学字符识别(OCR)技术和信息化管理理念设计放射卫生管理系统,对综合医院放射卫生管理过程中设备检测及备案、人员体检与培训、证件变更和校验管理等关键环节进行信息化管理。结果:放射卫生系统管理可以按照授权在线查看射线装置和场所检测报告,实时推送放射工作人员体检和培训信息,共享法规文件。系统应用后放射卫生相关资料平均查阅时间由系统应用前的10~15 min缩减为系统应用后的<2 min。结论:放射卫生管理系统的设计与实施,能够实现多院区数据共享和放射卫生管理全周期信息可追溯,降低放射卫生管理工作难度,保障综合医院多院区放射卫生管理的规范化和延续性。

光学字符识别与标准数字化转型

标准作为经济活动和社会发展的技术支撑,是国家质量基础设施的重要组成。随着数字化技术的蓬勃发展,依赖技术人员阅读的传统纸质标准已无法适配现代数字化生产管理的转型升级。作为标准数字化发展的基础环节,机器可识别标准的转化尤为重要。本文系统梳理机器可识别标准转化阶段关键技术“光学字符识别技术”的发展情况,结合当前传统标准的典型情况,从预处理、文字区域检测及字符识别、优化处理这三部分进行技术实施路径的分析研究。最后,对光学字符识别技术的挑战及发展进行总结,以期对标准数字化转型的发展提供借鉴。

光学字符识别综述

光学字符识别是计算机视觉领域的重要研究内容之一,在实际生产环境中具有巨大价值。传统光学字符识别包括文本图片的预处理阶段、字符区域的定位与识别以及对识别结果的后优化三个部分。随着深度学习的不断发展,传统框架被打破,基于深度学习的文本目标识别算法能更好地识别复杂背景下的图片。将对光学字符识别的发展历程和现阶段最新的研究结果进行介绍。

光学字符识别技术

简明地说明了ＯＣＲ的基本概念与工作原理，并对其设备种类、功能特点、应用范围与近期发展作了较全面地介绍。

基于边界约束图像融合的光学字符识别算法研究

为了提高非合作目标区域中光学字符的识别能力,增强电力铭牌、电网文本等信息采集的准确性,设计了一种偏振图像与可见光图像同时采集并进行图像融合的光学字符识别系统。通过设置0°、60°和120°的偏振角对响应电压进行周期性调制,从而获取有效信息区域的连通范围,实现准确的边界约束。通过计算偏振角度标定参数,设置边界条件的合理阈值,为图像融合提供范围标准。实验分别测试了响应电压关于偏振角度和测试距离的函数曲线,结果显示,偏振角度周期性变化斜率为53.1mV/(°)。在0.5~3.0m范围内,响应电压最大值为241.7mV,最小电压为18.5mV,并且三条响应曲线的单调性几乎一致。实验针对图像清晰度较差的电力铭牌目标进行测试,结果显示,模糊的原始图像在传统图像滤波与增强后,对比度从0.34提升至1.56,图像质量得到了一定的改善,但仍有部分字符无法识别。而采用文中算法后,对比度达到了3.23,部分模糊字符也能有效识别。可见,该系统适用于非合作目标的光学字符识别,对低质量图像中光学字符识别具有很好的优化效果。