李 婧,苏 叶,徐寅林

(南京师范大学计算机与电子信息学院,江苏 南京 210023)

目前国内外常见的档案检测识别方法是基于条形码、QR码或RFID技术,通过扫码或读取档案盒电子标签进行识别. 基于条形码或QR码技术需用机械手夹持条码枪移动读取,实时性差. RFID技术是将射频读卡器排列成行,与档案盒标签一一对应,该方法成本高且易受干扰. 由于档案盒的检测识别与图书的检测识别具有一定的相似性,因此可借鉴图书的检测识别技术来研究档案盒检测识别的相关技术.

近年来,由于人工智能技术的快速发展,出现了通过拍摄图书书脊进行检测识别的技术. 该方法利用摄像头或其他成像设备采集到书架上的书脊图像,通过识别书脊上的文字信息(如书名、作者、出版社等)来识别图书[1-2],准确率高、实时性好且方便快捷. 由于不同图书的书脊大小、书名及颜色等特征差异较大,书脊检测识别可有一定的容错度而不影响图书的区分. 本文研究的档案盒标签往往差异不大,如人事档案标签一般单位、部门、籍贯等都一样,只在具体姓名或编号部分略有不同,因此仅通过文字识别技术很难达到较高的检测准确率. 本文提出一种基于图像处理的档案盒标签检测方案,利用摄像头实时采集回转库档案柜窗口区域的整排档案盒的标签图像,通过深度学习U-Net[3]网络将整排档案盒标签图像进行分割,对一些形变的图像进行仿射变换矫正,裁剪得……