[發明專利]一種復雜場景下香煙品牌識別方法

有效

• 申請號: 201910236775.1
• 申請日: 2019-03-27
• 公開（公告）號: CN109961049B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 李春國;劉楊;楊哲;鄧亭強;楊綠溪;徐琴珍
• 申請（專利權）人: 東南大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/30;G06V10/44;G06T7/11;G06T7/13
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

1.一種復雜場景下香煙品牌識別方法，其特征在于，包括如下步驟：

(1)對待測圖像進行預處理操作，將原始圖像通過高斯濾波器濾除部分噪聲，降低噪聲對后續邊緣微分計算的干擾；

(2)基于改進的Sobel算子對圖像中的像素點(x，y)的灰度值f(x,y)逐個求解梯度值，獲得梯度圖像；具體為：鑒于貨架香煙采用橫向排布方式，相鄰兩橫排存在明顯間隔，改進的Sobel邊緣檢測算子增加檢測垂直方向卷積模板的權重，降低檢測水平方向的模板權重，并利用絕對值代替開平方近似求解梯度值，降低計算復雜度，計算公式如下：

|G|＝1.5×|G_x|+0.5×|G_y|

其中，G為求得的梯度圖像，G_x(x,y)表示水平方向梯度值，G_y(x，y)表示垂直方向梯度值；

(3)經差分計算的圖像邊緣一般是孤立的或分段連續的，利用9×9內核低通濾波器濾除梯度圖像的高頻噪聲，得到邊界相對平滑的模糊圖像，通過對其設定合適的閾值獲取二值圖像，此時圖像存在較多的干擾區域；

(4)對粗糙的二值圖像進行數學形態學操作，選擇25×25矩形結構元對二值圖像進行一次閉運算，對目標影像內的細小空間進行填充，平滑邊界；

(5)對處理后的二值圖像先后進行4次腐蝕和膨脹操作，腐蝕能夠消除圖像中的邊界點，去除小且無意義的物體，膨脹將擴展目標邊界，填補物體分割后的空洞使每橫排香煙形成塊狀連通區域；

(6)對于二次處理的二值圖像提取目標輪廓，由于縱向方向上相鄰兩排存在間隔，且互不包含，因此僅需檢測外輪廓，獲得目標輪廓各點坐標映射至原始彩色圖像，并利用矩形框截取相應區域；

(7)構建Faster RCNN網絡的訓練樣本集、驗證樣本集和測試樣本集，樣本集圖片為橫向規律排布貨架香煙，利用加噪、調整亮度方法對數據集進行增廣；

(8)將圖片輸入VGG16基礎特征提取網絡，獲得的特征圖一方面輸入區域建議網絡RPN生成候選框Proposal，另一方面用于后續ROIPooling處理；

(9)針對貨架香煙尺寸調整RPN網絡中錨框anchor的尺度scale和長寬比例ratio，并使用非極大值抑制算法對RPN網絡輸出的相互重疊的邊界框進行篩選，設定訓練階段選取2000個候選框，測試階段選取300個候選框；

(10)利用ROI Pooling將RPN網絡生成的候選框映射到VGG16基礎特征網絡生成的特征圖上，獲得感興趣的目標區域ROIs，并經過池化操作將ROIs調整到固定尺寸；

(11)將獲得的ROIs特征輸入全連接層，通過Softmax計算每一候選框的類別得分，并利用邊框回歸對候選框的位置進行精修，輸出位置坐標；

(12)利用數據集對Faster RCNN模型進行訓練，將邊緣檢測提取的矩形區域送入訓練所得模型進行貨架香煙的精確檢測和識別。