[發明專利]一種設備標識牌檢測方法

在審

• 申請號: 201810576027.3
• 申請日: 2018-06-06
• 公開（公告）號: CN108764365A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 王永明;黃春紅;林國賢;辛佳永;李鵬;李寬宏;黃金魁;林力輝;楊世仁;傅智為;劉旭;林繼濱;賴必貴
• 申請（專利權）人: 國網福建省電力有限公司廈門供電公司;國網福建省電力有限公司;福建省億鑫海信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 楊依展;楊鍇

本發明涉及一種設備標識牌檢測方法，將設備標識牌對應的標注區域作為區別設備標識牌與周圍背景的最為顯著性的特征，通過這一主要特征來標識設備標識牌，以排除其他無關特征對檢測準確率的干擾，使得更多的神經元集中于設備標識牌特征的學習，更加易于區分設備標識牌與背景信息，從而提高電網設備標識牌的檢測準確率。

技術領域

本發明涉及目標識別技術領域，更具體地說，涉及一種設備標識牌檢測方法。

背景技術

目標檢測對于人類來說不難，通過對圖片中不同顏色模塊的感知，很容易定位并分類出其中目標物體。但對于計算機來說，面對的是紅綠藍像素矩陣，很難從圖像中直接得到狗和貓這樣的抽象概念并確定其位置，再加上有時候多個物體和雜亂的背景混雜在一起，目標檢測就更加困難。

傳統的目標檢測使用滑動窗口加特征值匹配進行檢測，基本步驟就是利用不同尺寸的滑動窗口，框住圖像的某一部分，將其作為候選區域，提取候選區域相關的視覺特征，比如人臉檢測常用的Harr特征、行人檢測和普通目標檢測常用的HOG特征等，最后利用分類器進行分類識別。

傳統的方法雖然可以檢測出目標，但是存在很嚴重的兩個問題：

一是基于滑動窗口的區域選擇策略沒有針對性，時間復雜度高，窗口冗余；

二是手工設計的特征對于多樣性的變化并沒有很好的魯棒性。

發明內容

本發明的目的在于克服現有技術的不足，提供一種可提高電網設備標識牌的檢測準確率和檢測效率的設備標識牌檢測方法。

本發明的技術方案如下：

一種設備標識牌檢測方法，步驟如下：

1)在包含設備標識牌的待訓練的樣本圖像中，將設備標識牌設置為標注區域，根據預設的神經網絡模型以及標注區域，對樣本圖像進行訓練，得到權重模型；

2)獲取待檢測圖像，并將待檢測圖像劃分為多個區域；

3)根據權重模型，分別對待檢測圖像的各個區域進行檢測，得到對應各區域的置信度；

4)返回置信度大于或等于預設閾值的區域。

作為優選，步驟1)中，樣本圖像包括在不同氣候條件、不同亮度環境下通過不同角度對設備標識牌進行拍攝的原始圖像。

作為優選，步驟1)中，權重模型的訓練步驟具體如下：

1.1)獲取待訓練的樣本圖像及設備標識牌對應的標注區域；

1.2)將所述待訓練的樣本圖像劃分為多個區域，其中，包含標注區域的區域為目的區域，其他區域為背景區域；

1.3)通過預設的神經網絡模型對目標區域和背景區域中的像素值進行訓練學習，得到權重模型。

作為優選，步驟1.3)中，先根據預設的神經網絡配置文件生成網絡對象，通過生成的網絡對象對樣本圖像的所有區域中的像素值進行訓練學習，訓練結束后將迭代過程優化的參數保存至權重模型。

作為優選，步驟1)中，通過人工在樣本圖像上對設備標識牌進行位置標注，得到標注區域。

作為優選，步驟1)中，將待訓練的樣本圖像按VOC標準數據集格式構建成訓練數據集，具體地，步驟如下：

首先，創建Annotation、ImageSets和JPEGImages三個文件夾，ImageSets文件夾下包括Main文件夾；

然后，按照統一的命名規則對樣本圖像進行命名，然后將樣本圖像存放到JPEGImages文件夾下；