[發(fā)明專利]基于深度學(xué)習(xí)的定位方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910377066.5
• 申請(qǐng)日: 2019-05-07
• 公開（公告）號(hào): CN110110731A
• 公開（公告）日: 2019-08-09
• 發(fā)明（設(shè)計(jì)）人: 謝東榮;王占奎;馮清;田建方;謝成利;周創(chuàng)佳;譚勇;梁承恩
• 申請(qǐng)（專利權(quán)）人: 中建鋼構(gòu)有限公司;中建鋼構(gòu)廣東有限公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 楊勛

本發(fā)明提供了一種基于深度學(xué)習(xí)的定位方法及裝置，該方法包括：獲取待處理圖像的高分辨率圖像，在該高分辨率圖像上通過卷積神經(jīng)網(wǎng)絡(luò)提取待識(shí)別目標(biāo)的完整輪廓，通過第一矩形框標(biāo)識(shí)出該待識(shí)別目標(biāo)的完整輪廓；獲取該待處理圖像的低分辨率圖像，在該低分辨率圖像上通過卷積神經(jīng)網(wǎng)絡(luò)提取待識(shí)別目標(biāo)的多個(gè)部分輪廓，通過多個(gè)第二矩形框標(biāo)識(shí)出該待識(shí)別目標(biāo)的多個(gè)部分輪廓；對(duì)該待識(shí)別目標(biāo)的多個(gè)部分輪廓進(jìn)行處理，對(duì)待識(shí)別目標(biāo)進(jìn)行精確定位。通過上述方法描述的在多種分辨率中進(jìn)行輪廓提取操作，能夠減小輪廓定位誤差，保證最終定位的高精度。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，具體而言，涉及一種基于深度學(xué)習(xí)的定位方法及裝置。

背景技術(shù)

傳統(tǒng)的用于工業(yè)現(xiàn)場(chǎng)的目標(biāo)識(shí)別與定位方法，大部分都是基于模板匹配。通過事先設(shè)定目標(biāo)對(duì)象的模板，然后根據(jù)此模板在成像范圍內(nèi)搜索相似度較高的匹配對(duì)象，以此來(lái)定位目標(biāo)。但是在實(shí)際應(yīng)用中，該方法易受光照、拍攝角度的影響，對(duì)于目標(biāo)的灰度和幾何變化非常敏感，識(shí)別成功率和定位精度通常難以滿足應(yīng)用需求。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明實(shí)施例提供一種基于深度學(xué)習(xí)的定位方法及裝置。

第一方面，本發(fā)明實(shí)施例提供一種基于深度學(xué)習(xí)的定位方法，所述方法包括：

獲取待處理圖像的高分辨率圖像，在所述高分辨率圖像上通過卷積神經(jīng)網(wǎng)絡(luò)提取待識(shí)別目標(biāo)的完整輪廓，通過第一矩形框標(biāo)識(shí)出所述待識(shí)別目標(biāo)的完整輪廓；

獲取所述待處理圖像的低分辨率圖像，在所述低分辨率圖像上通過卷積神經(jīng)網(wǎng)絡(luò)提取待識(shí)別目標(biāo)的多個(gè)部分輪廓，通過多個(gè)第二矩形框標(biāo)識(shí)出所述待識(shí)別目標(biāo)的多個(gè)部分輪廓；

對(duì)所述待識(shí)別目標(biāo)的多個(gè)部分輪廓進(jìn)行處理，對(duì)待識(shí)別目標(biāo)進(jìn)行精確定位。

可選地，在本實(shí)施例中，在獲取待處理圖像的高分辨率圖像之前，所述方法還包括：

創(chuàng)建卷積神經(jīng)網(wǎng)絡(luò)。

可選地，在本實(shí)施例中，所述對(duì)所述待識(shí)別目標(biāo)的多個(gè)部分輪廓進(jìn)行處理，對(duì)待識(shí)別目標(biāo)進(jìn)行精確定位，包括：

在所述待處理圖像中搜索包含待識(shí)別目標(biāo)的邊界區(qū)域；

根據(jù)搜索到的包含待識(shí)別目標(biāo)的邊界區(qū)域進(jìn)一步更新標(biāo)識(shí)所述待識(shí)別目標(biāo)的第一矩形框的位置或尺寸。

可選地，在本實(shí)施例中，所述在所述待處理圖像中搜索包含待識(shí)別目標(biāo)的邊界區(qū)域，包括：

獲取所述待處理圖像的多個(gè)二進(jìn)制掩碼，其中，所述多個(gè)二進(jìn)制掩碼包括所述待識(shí)別目標(biāo)完整輪廓的第一掩碼及所述待識(shí)別目標(biāo)的多個(gè)部分輪廓的第二掩碼；

通過所述第二掩碼及第二矩形框的坐標(biāo)計(jì)算所述待識(shí)別目標(biāo)被所述邊界區(qū)域包含的比例值；

通過所述比例值計(jì)算所述邊界區(qū)域與所述第二掩碼的重疊度；

若所述重疊度高于預(yù)設(shè)值，則視為所述邊界區(qū)域包含所述待識(shí)別目標(biāo)。

可選地，在本實(shí)施例中，所述卷積神經(jīng)網(wǎng)絡(luò)包括一個(gè)輸入層、一個(gè)輸出層、多個(gè)卷積層、多個(gè)池化層及多個(gè)全連接層；

所述多個(gè)卷積層設(shè)置在所述輸入層之后；

所述池化層設(shè)置在所述多個(gè)卷積層之間，所述全連接層設(shè)置在所述卷積層之后；

所述輸出層設(shè)置在所述全連接層之后；

所述卷積神經(jīng)網(wǎng)絡(luò)的每一層之間采用修正線性單元作為激活函數(shù)。

第二方面，本發(fā)明實(shí)施例還提供一種基于深度學(xué)習(xí)的定位裝置，所述裝置包括：