面向无约束场景的基于图像自动抄表:一种鲁棒高效方法
计算机视觉与模式识别
2021-05-13 v5
摘要
现有的基于图像的自动抄表(AMR)方法已在受控良好场景下捕获的图像上评估。然而,真实世界抄表呈现无约束场景,由于污垢、各种光照条件、尺度变化、平面内与平面外旋转以及其他因素,其更具挑战性。在本工作中,我们提出一种聚焦于无约束场景的端到端AMR方法。我们的主要贡献是在AMR流水线中插入一个名为角点检测与计数器分类的新阶段,其使得计数器区域在识别阶段之前被校正——并拒绝难以辨认/故障的仪表。我们还引入一个公开可用数据集,称为Copel-AMR,包含由服务公司员工本人在现场采集的12,500张仪表图像,其中包括2,500张因遮挡导致读数难以辨认或故障仪表的图像。实验评估表明,所提系统由三个以级联模式运作的网络组成,在识别率上优于所有基线同时仍相当高效。此外,由于真实应用中极少容忍读数错误,我们展示当拒绝以较低置信值做出的读数时,我们的AMR系统实现了令人印象深刻的识别率(即>99%)。
引用
@article{arxiv.2009.10181,
title = {Towards Image-based Automatic Meter Reading in Unconstrained Scenarios: A Robust and Efficient Approach},
author = {Rayson Laroca and Alessandra B. Araujo and Luiz A. Zanlorensi and Eduardo C. de Almeida and David Menotti},
journal= {arXiv preprint arXiv:2009.10181},
year = {2021}
}