[發(fā)明專利]一種臺標識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910562188.1
• 申請日: 2019-06-26
• 公開（公告）號: CN110287888A
• 公開（公告）日: 2019-09-27
• 發(fā)明（設計）人: 許威;高巖;陳宏江;趙全軍;楊浩;孫萍
• 申請（專利權）人: 中科軟科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京天盾知識產(chǎn)權代理有限公司 11421
• 代理人: 張彩珍

1.一種臺標識別方法，其特征在于，該方法包括：

采集帶有臺標的初始圖像并檢測臺標的位置，根據(jù)臺標的位置獲得待訓練的臺標圖像；

采用深度學習框架darknet對所述待訓練的臺標圖像進行訓練以獲得臺標識別模型；

利用所述臺標識別模型識別待識別的圖像以獲得臺標的類別；

對所述各臺標類別所對應的概率進行排序，將概率最高的類別作為待識別圖像的類別；

其中，所述檢測臺標的位置包括以下子步驟：

對所述帶有臺標的初始圖像進行分塊、拼接以獲得待處理的圖片序列；

去除所述待處理的圖片序列的噪音得到去噪后的圖片；

對去噪后的圖片進行二值化處理；

使用矩形核對二值化處理后的圖片進行膨脹操作；

根據(jù)膨脹操作后獲得的圖片得到目標的輪廓以及輪廓內(nèi)的面積信息，并通過預設的閾值確定臺標的位置。

2.根據(jù)權利要求1所述的方法，其特征在于，采用最優(yōu)區(qū)域規(guī)劃的方法對帶有臺標的初始圖像進行分塊、拼接。

3.根據(jù)權利要求1所述的方法，其特征在于，所述去除所述待處理的圖片序列的噪音得到去噪后的圖片包括以下子步驟：

對待處理的圖片序列進行預處理獲得預處理圖片；

提取預處理后圖片的邊緣值；

對預處理圖片的邊緣值進行加權平均得到加權后的圖片；

將加權后的圖片的灰度值進行恢復以得到去噪后的圖片。

4.根據(jù)權利要求1所述的方法，其特征在于，所述獲得臺標識別模型包括以下子步驟：

將待訓練的樣本圖像按照VOC標準數(shù)據(jù)集格式構建訓練數(shù)據(jù)集，

對所述臺標訓練數(shù)據(jù)集中的樣本進行訓練獲得臺標識別模型。

5.根據(jù)權利要求4所述的方法，其特征在于，所述構建訓練數(shù)據(jù)集包括以下子步驟：

使用圖片標注工具對待訓練的臺標圖像進行標注，并生成xml文件；

將所述xml文件轉(zhuǎn)換成txt文件，基于所述txt文件構建臺標訓練數(shù)據(jù)集。

6.根據(jù)權利要求4所述的方法，其特征在于，所述對所述臺標訓練數(shù)據(jù)集中的樣本進行訓練獲得臺標識別模型包括以下子步驟：

修改包含臺標圖像的訓練樣本的類別文件以及YOLO整圖訓練模型的配置文件；

利用YOLO整圖訓練模型對臺標訓練數(shù)據(jù)集中的樣本進行訓練，獲得臺標識別模型。

7.根據(jù)權利要求6所述的方法，其特征在于，所述YOLO整圖訓練模型為YOLO V2網(wǎng)絡。

8.一種臺標識別系統(tǒng)，其特征在于，該系統(tǒng)包括采集模塊、檢測模塊、臺標識別模型獲取模塊、識別模塊和排序模塊：

所述采集模塊用于采集帶有臺標的初始圖像，所述檢測模塊基于所述帶有臺標的初始圖像檢測臺標的位置并根據(jù)臺標的位置獲得待訓練的臺標圖像；

所述臺標識別模型獲取模塊采用深度學習框架darknet對所述待訓練的臺標圖像進行訓練以獲得臺標識別模型；

所述臺標識別模型獲取模塊利用所述臺標識別模型識別待識別的圖像以獲得臺標的類別；

所述排序模塊對所述各臺標類別所對應的概率進行排序并將概率最高的類別作為待識別圖像的類別；

其中，所述檢測模塊執(zhí)行以下操作：

對所述帶有臺標的初始圖像進行分塊、拼接以獲得待處理的圖片序列；

去除所述待處理的圖片序列的噪音得到去噪后的圖片；

對去噪后的圖片進行二值化處理；

使用矩形核對二值化處理后的圖片進行膨脹操作；

根據(jù)膨脹操作后獲得的圖片得到目標的輪廓以及輪廓內(nèi)的面積信息，并通過預設的閾值確定臺標的位置。

9.根據(jù)權利要求8所述的系統(tǒng)，其特征在于，所述臺標識別模型獲取模塊包括構建模塊和訓練模塊：

所述構建模塊用于將待訓練的樣本圖像按照VOC標準數(shù)據(jù)集格式構建訓練數(shù)據(jù)集，

所述訓練模塊用于對所述臺標訓練數(shù)據(jù)集中的樣本進行訓練獲得臺標識別模型。

10.根據(jù)權利要求9所述的系統(tǒng)，其特征在于，所述訓練模塊執(zhí)行以下操作：

修改包含臺標圖像的訓練樣本的類別文件以及YOLO整圖訓練模型的配置文件；

利用YOLO整圖訓練模型對臺標訓練數(shù)據(jù)集中的樣本進行訓練，獲得臺標識別模型。