吳建斌 周紫薇

摘要：為解決低成本平臺(tái)下的水表碼字識(shí)別問(wèn)題，利用對(duì)Flash的讀寫操作彌補(bǔ)RAM空間的不足。同時(shí)利用攝像頭安裝位置固定、字符圖像大小也基本固定等先驗(yàn)知識(shí)，結(jié)合分塊處理以及滑動(dòng)模板匹配算法，有效解決了資源有限情況下算法效率提高的問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該方法在低成本平臺(tái)上能夠有效運(yùn)行，有利于智能水表的推廣。

關(guān)鍵詞：智能水表；水表碼字；滑動(dòng)匹配

DOI：10.11907/rjdk.173173

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2018）007-0075-04

Abstract：Inordertosolvetheproblemofwatermarkcoderecognitioninlow-costplatform，thispapermakesuseofthereadandwriteoperationofFlashtomakeupfortheshortageoframspace.Atthesametime，weemploythepriorknowledgeoffixedpositionofthecameraandthecharacterimageswhicharebasicallyfixedtocombinewithblockprocessingaswellasslidingtemplatematchingalgorithmtoeffectivelysolvetheproblemofhowtoimprovetheefficiencyofthealgorithmundertheconditionoflimitedresources.Fromtheexperimentalresults，themethodsmentionedinthispaperisprovedtooperateeffectivelyonthelow-costplatform，whichisgoodforthepopularizationofsmartmeters.

KeyWords：smartwatermeter；watermetercodeword；slidingmatch

0引言

隨著物聯(lián)網(wǎng)的發(fā)展，智慧社區(qū)逐漸進(jìn)入人們視野，智能水表也應(yīng)運(yùn)而生[1]。智能水表即利用先進(jìn)的信息技術(shù)實(shí)現(xiàn)對(duì)水表碼字的自動(dòng)抄收，從而杜絕人工抄表過(guò)程中的估抄、漏抄、誤抄現(xiàn)象，在降低時(shí)間與人力成本的同時(shí)，滿足了用戶實(shí)時(shí)查看數(shù)據(jù)的要求，具有重要的現(xiàn)實(shí)意義[2]。

目前學(xué)者們已提出許多智能水表識(shí)別算法。李堯等[3]根據(jù)特定水表走字的特點(diǎn)，提出一種基于模板與神經(jīng)網(wǎng)絡(luò)的水表數(shù)字字符識(shí)別方法；高菊等[4]針對(duì)水表數(shù)字圖像中的粘連字符識(shí)別問(wèn)題，提出一種粘連字符的高度自適應(yīng)識(shí)別算法，提高了粘連字符識(shí)別率；金靜曉等[5]考慮半字符高度因素，在上下半字符為一長(zhǎng)一短的情況下，剔除過(guò)短的半字符，僅計(jì)算較長(zhǎng)字符與模板的匹配度，解決了半字符的識(shí)別問(wèn)題；徐平等[6]針對(duì)進(jìn)位不完全導(dǎo)致的雙半殘缺字符，利用改進(jìn)的Hausdorff距離模板匹配算法提高半字識(shí)別率。這些算法雖然在一定程度上提高了識(shí)別率，但實(shí)現(xiàn)較為復(fù)雜，數(shù)據(jù)處理量與內(nèi)存占用較大，在PC端易實(shí)現(xiàn)，但在嵌入式系統(tǒng)上實(shí)現(xiàn)時(shí)，需要采用高配置的內(nèi)核與存儲(chǔ)器提高計(jì)算性能，甚至需要配備微型操作系統(tǒng)，從而提高了智能水表成本，不利于現(xiàn)有存量水表市場(chǎng)改造。本文在STM32F030平臺(tái)下利用滑動(dòng)模板匹配算法，提高了算法運(yùn)行效率，并采用分塊處理以及對(duì)Flash的讀寫操作，降低了內(nèi)存占用，解決了低成本平臺(tái)下資源有限的問(wèn)題，為低功耗、低造價(jià)智能水表的應(yīng)用推廣打下良好基礎(chǔ)。

1平臺(tái)介紹

該智能水表平臺(tái)結(jié)構(gòu)如圖1所示。系統(tǒng)實(shí)現(xiàn)流程為：?jiǎn)?dòng)LED照明模塊照明，通過(guò)圖像采集模塊獲得待識(shí)別字符圖像并存入FIFO中，利用識(shí)別算法提取水表碼字并通過(guò)LORA模塊將識(shí)別結(jié)果存入數(shù)據(jù)庫(kù)。與本文聯(lián)系緊密的部分為單片機(jī)內(nèi)存以及圖像采集模塊獲取的圖像屬性。

該平臺(tái)采用的主芯片為STM32F030，價(jià)格低廉且功耗較小[7]。該芯片的Flash大小為256KB，RAM大小為32KB。Flash通常用于存儲(chǔ)程序代碼等不可更改的數(shù)據(jù)，RAM作為操作系統(tǒng)或其它正在運(yùn)行中程序的臨時(shí)數(shù)據(jù)存儲(chǔ)媒介，這些臨時(shí)數(shù)據(jù)包括全局變量、局部變量、堆棧段，當(dāng)電源關(guān)閉時(shí)，RAM無(wú)法保留數(shù)據(jù)。

圖像采集模塊采用的攝像頭為OV7670，所得的圖片格式為位圖（BMP），顏色格式為RGB565，圖片尺寸為240*320，圖片大小為150KB[8]。由于圖片信息需要作為中間變量臨時(shí)存入RAM中，如果直接對(duì)整幅圖片進(jìn)行處理，RAM緩存空間容量不足。解決該問(wèn)題涉及到本文提到的分塊處理和Flash讀寫操作，將在下文進(jìn)行詳細(xì)描述。

2碼字識(shí)別方法

2.1算法整體流程

算法整體流程如圖2所示。本文采用Otsu二值化法，其按照?qǐng)D像灰度特性將圖像分成背景和目標(biāo)兩部分，是一種自適應(yīng)的閾值確定二值化方法[9]。二值化后利用像素點(diǎn)的統(tǒng)計(jì)直方圖對(duì)圖片進(jìn)行分割，獲得5個(gè)待匹配的數(shù)字字符圖片[10]。

2.2灰度化處理

將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程稱為圖像灰度化處理[11]?；叶葓D像是R、G、B三個(gè)分量相同的一種特殊彩色圖像，其像素點(diǎn)的變化范圍為0～255，即用一個(gè)字節(jié)表示。在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像，以減少后續(xù)圖像處理的計(jì)算量，并將圖像占用的內(nèi)存大小減小一半。

灰度化方法有多種，如分量法、最大值法、平均值法、加權(quán)平均法[12]。通常使用的方法為加權(quán)平均法，即根據(jù)重要性及其它指標(biāo)，將3個(gè)分量以不同權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色敏感度最高，對(duì)藍(lán)色敏感度最低，因此按照式（1）對(duì)RGB3分量進(jìn)行加權(quán)平均能得到較為合理的灰度圖像。

由于本文處理的圖片主要色系為白、黑、紅，如果按式（1）計(jì)算，紅色灰度化后的顏色接近于白色，即水表尾數(shù)容易受到干擾。因此，本文結(jié)合水表的實(shí)際情況適當(dāng)調(diào)整了RGB3分量的權(quán)值，最后采用式（2）進(jìn)行處理。

每個(gè)像素點(diǎn)的值都由一個(gè)十進(jìn)制數(shù)表示，本算法先將其轉(zhuǎn)變成二進(jìn)制，并利用位運(yùn)算的右移操作和按位與操作從中獲得R、G、B分量。由于圖片的顏色格式為RGB565，本文采取低位補(bǔ)零的方法降低數(shù)據(jù)損失[13]。得到的RGB分量通過(guò)式（2）可得到最終的灰度化圖片。攝像頭采集圖像效果如圖3所示，灰度化后的效果如圖4所示。

例如一個(gè)像素點(diǎn)的原始數(shù)據(jù)為17548，轉(zhuǎn)化為二進(jìn)制為0100010010001100，將其與1111100000000000進(jìn)行按位與操作，獲得高5位數(shù)據(jù)0100000000000000，進(jìn)而右移8位（低位補(bǔ)零）得到0000000001000000，轉(zhuǎn)化為十進(jìn)制數(shù)64，即為R值分量。G值和B值同理可得。

2.3分塊

圖像采集模塊中的攝像頭拍到水表圖片之后，將圖片存在FIFO中，然后按照從下至上、從左至右的方式掃描圖片，將各點(diǎn)數(shù)據(jù)依次讀入RAM中。由于RAM大小為32KB，當(dāng)存入一張大小為150KB的圖片時(shí)，RAM存儲(chǔ)空間不足，因此本文采用分塊處理的方法解決該問(wèn)題。

結(jié)合水表表盤分布進(jìn)行反復(fù)測(cè)試，將攝像頭固定在距離表盤27cm處，且與表盤保持平行，拍出的圖片如圖3所示。把圖片切割成8塊，將字輪部分固定在第4塊中，且后續(xù)操作只需對(duì)這一塊進(jìn)行處理，從而將待識(shí)別區(qū)域減小至30*320，在減小運(yùn)算量的同時(shí)，為濾波等圖片預(yù)處理操作提供了很大便利，降低了識(shí)別難度，提高了算法執(zhí)行效率。分塊后的圖像效果如圖5所示。

2.4匹配

匹配過(guò)程涉及兩方面，即模板制作與匹配算法。模板庫(kù)有多種選擇，最早采用0～9十個(gè)整字作為模板進(jìn)行匹配處理，雖然大部分圖片都能得到匹配結(jié)果，但對(duì)于半字的識(shí)別率較低[14]。為了提高識(shí)別率，需單獨(dú)設(shè)置半字識(shí)別模板。文獻(xiàn)[1]采用10個(gè)雙字模板，文獻(xiàn)[4]同時(shí)制作了0～9和0～9之間半字符兩種模板，雖然該方法大大提高了半字識(shí)別率，但同時(shí)也加大了模板占用空間，不適合在本平臺(tái)上使用。

本算法采用滑動(dòng)模板，依次拍攝10張有0～9數(shù)字的全字圖片，保證0～9均在字輪中心。對(duì)該10個(gè)圖片進(jìn)行灰度化、分塊、二值化、切割操作，獲得10張全字圖片，利用photoshop將0-9-0共11張數(shù)字圖片進(jìn)行修飾并依次縱向排列制成模板，采用13*30大小窗口按從上到下的順序滑動(dòng)，滑動(dòng)間隔h可以取1～30（超過(guò)30會(huì)遺失模板信息）之間的值?；瑒?dòng)間隔越大，獲得窗口數(shù)越少，算法效率越高，但識(shí)別率越低；滑動(dòng)間隔越小，獲得窗口數(shù)越多，算法效率越低，但識(shí)別率越高。本算法綜合算法效率和識(shí)別率兩方面，每隔5個(gè)像素點(diǎn)向下采一個(gè)窗口，使實(shí)際上一共有60個(gè)窗口，分別將這些模板與待識(shí)別圖片進(jìn)行匹配。滑動(dòng)模板和其它模板相比，有效解決了半字問(wèn)題，同時(shí)大大節(jié)約了模板占用空間。模板制作效果如圖6所示，模板窗口滑動(dòng)效果如圖7所示，后面按同等h選取窗口。

為提高識(shí)別率，越來(lái)越多的匹配算法應(yīng)運(yùn)而生。文獻(xiàn)[1]采用Hausdorff距離模板匹配算法，文獻(xiàn)[4]采用自適應(yīng)學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)[15-20]訓(xùn)練模板，并聯(lián)合權(quán)值進(jìn)行字符識(shí)別。這些算法雖然在識(shí)別率上有了很大改進(jìn)，但由于識(shí)別速率和內(nèi)存占用量大，并不適用于本平臺(tái)。

本文采用的匹配算法為數(shù)字特征識(shí)別。算法公式如式（3）所示。

P為模板匹配度，Tbladot為模板與待識(shí)別圖片同為黑點(diǎn)時(shí)的像素點(diǎn)之和，Ddot為模板與待識(shí)別圖片數(shù)據(jù)不同時(shí)的像素點(diǎn)之和，Mbladot為模板黑點(diǎn)的像素和。

得到各模板的匹配度后，比較這60個(gè)匹配度大小，最大匹配度對(duì)應(yīng)的模板即為結(jié)果，再根據(jù)偏移量即可求出對(duì)應(yīng)數(shù)字。

2.5FLASH讀寫操作

由于該芯片RAM空間大小不足，經(jīng)常需要將一些臨時(shí)變量存入FLASH中，這就涉及到對(duì)Flash的讀寫操作。

寫操作基本步驟如下：

Flash解鎖

清除Flash所有未完成的標(biāo)志位

擦除Flash指定地址所在頁(yè)

Flash寫入

Flash鎖定

寫入Flash時(shí)需要先進(jìn)行擦除操作，如果發(fā)現(xiàn)寫入地址的Flash沒有被擦除，數(shù)據(jù)將不會(huì)被寫入。Flash擦除操作不能單獨(dú)擦除一個(gè)地址上的數(shù)據(jù)，只能按Sector進(jìn)行，因此在寫數(shù)據(jù)之前需要將地址所在Sector的所有數(shù)據(jù)擦除。地址選擇很重要，否則會(huì)導(dǎo)致誤擦除。本算法采用防止誤擦除的方法是先定義一個(gè)const類型的常量數(shù)組，并定義一個(gè)32位的變量存儲(chǔ)該數(shù)組的Flash區(qū)地址，當(dāng)進(jìn)行擦除、讀寫操作時(shí)，只要在該常量數(shù)組所在地址范圍即可。

讀操作時(shí)只需利用指針像在RAM一樣正常讀取即可。

3算法性能測(cè)試

本算法的計(jì)算時(shí)間為1.24s，功耗為12.73uA，可滿足智能水表的低功耗、低成本要求。

針對(duì)拍攝的200張水表圖片進(jìn)行識(shí)別，成功識(shí)別出182張，識(shí)別率為91%，可滿足水表識(shí)別的實(shí)際要求。同時(shí)，利用用戶消費(fèi)數(shù)據(jù)知識(shí)對(duì)識(shí)別結(jié)果進(jìn)行初步判斷，如果出現(xiàn)很大偏差，則啟用二次識(shí)別，可在一定程度上降低識(shí)別差錯(cuò)率。

4結(jié)語(yǔ)

本算法利用Flash讀寫操作彌補(bǔ)RAM空間的不足，同時(shí)采用滑動(dòng)模板以及數(shù)字特征匹配使其能在低成本平臺(tái)上完成水表識(shí)別工作，并具有較高的識(shí)別效率，為低功耗、低造價(jià)的水表應(yīng)用提供技術(shù)支撐。本算法雖然降低了造價(jià)成本，但是犧牲了一定識(shí)別率，后期可以對(duì)模板進(jìn)行特征加權(quán)，以獲得更好的識(shí)別效果。

參考文獻(xiàn)：

[1]宮艷雪，武智霞，鄭樹泉，等.面向智慧社區(qū)的物聯(lián)網(wǎng)架構(gòu)研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（1）：344-349.

[2]王宗輝，張世豪，姚靈.智能水表技術(shù)及發(fā)展趨勢(shì)[J].儀表技術(shù)，2014（6）：45-48.

[3]李堯，芮小平.適合特定水表表型的字符識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（11）：2772-2774，2781.

[4]高菊，葉樺.水表數(shù)字圖像的粘連字符識(shí)別方法[J].工業(yè)控制計(jì)算機(jī)，2013，26（7）：77-78，80.

[5]金靜曉，信昆侖.改進(jìn)的半字識(shí)別算法在水表讀數(shù)系統(tǒng)中的應(yīng)用[J].供水技術(shù)，2015，9（1）：43-45.

[6]徐平，許彬，常英杰.雙半字識(shí)別算法在水表字符識(shí)別系統(tǒng)中的應(yīng)用[J].杭州電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，36（1）：80-85.

[7]劉志斌，龍劍.基于STM32F030和電力載波的電氣實(shí)驗(yàn)設(shè)備電源管理設(shè)計(jì)[J].山西電子技術(shù)，2015（1）：17-18，45.

[8]陶杰，王欣.基于STM32F407和OV7670的低端視頻監(jiān)控系統(tǒng)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2014，14（3）：60-63.

[9]杜健輝，呂文閣，侯夢(mèng)華.基于競(jìng)選算法的Otsu閾值快速確定方法[J].機(jī)電工程技術(shù)，2007（3）：57-58，112.

[10]李乾坤.基于模板匹配的水表讀數(shù)識(shí)別方法研究[D].武漢：華中師范大學(xué)，2014.

[11]盧紅陽(yáng)，劉且根，熊嬌嬌，等.基于最大加權(quán)投影求解的彩色圖像灰度化對(duì)比度保留算法[J].自動(dòng)化學(xué)報(bào)，2017，43（5）：843-854.

[12]張偉.漢字筆跡鑒別算法的研究[D].哈爾濱：東北林業(yè)大學(xué)，2009.

[13]李慧敏，樊記明，楊笑.基于STM32和OV7670的圖像采集與顯示系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2016，35（9）：114-117.

[14]孟祥斌.水表號(hào)碼圖像識(shí)別系統(tǒng)研究[D].沈陽(yáng)：沈陽(yáng)建筑大學(xué)，2011.

[15]BIGW，QINGC，CAIYY，etal.RecognitionsystemfordigitalmeterdynamicdisplayfromvideobasedonMATLAB[J].AdvancedMaterialsResearch，2012，1477（347）：2183-2186.

[16]POLAPD，WOZ′NIAKM.Flexibleneuralnetworkarchitectureforhandwrittensignaturesrecognition[J].InternationalJournalofElectronicsandTelecommunications，2016，62（2）：197-202.

[17]BABUUR，CHINTHAAK，VENKATESWARLUY.Handwrittendigitrecognitionusingstructural，statisticalfeaturesandk-nearestneighborclassifier[J].InternationalJournalofInformationEngineeringandElectronicBusiness，2014，6（1）：62-68.

[18]SHANG.TherecognitionofhandwrittendigitalbasedonBPneuralnetwork[J].AppliedMechanicsandMaterials，2013，2698（416）：1239-1243.

[19]SHUAIY，GUOYZ，JIANHW，etal.StudyofdigitalcharacterrecognitionbasedonBPneuralnetworks[J].AppliedMechanicsandMaterials，2013，2490（333）：856-859.

[20]MAMOGLUN，ERESENA，EFEM.Adaptivefuzzyweightedtemplatematchingusinginvariantfeaturesforatrackingapplication[J].IFACProceedingsVolumes，2010，43（10）：259-264.

（責(zé)任編輯：黃?。?/p>