[發(fā)明專利]一種基于圖像的多目標(biāo)分割識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010134642.6
• 申請(qǐng)日: 2020-03-02
• 公開（公告）號(hào): CN111444773B
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 李文鋒;任平洋;李雄
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號(hào): G06V20/52
• 分類號(hào): G06V20/52;G06N3/04;G06N3/08;G06T7/136
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒

1.一種基于圖像的多目標(biāo)分割識(shí)別方法，其特征在于，包括：

(1)提取待識(shí)別圖像的單通道圖像，對(duì)所述單通道圖像進(jìn)行二值化處理，以分別獲得所述待識(shí)別圖像中各目標(biāo)物體的最外層輪廓與最內(nèi)層輪廓；

(2)分別將各目標(biāo)物體的最外層輪廓與最內(nèi)層輪廓近似成折線，利用相鄰兩折線所成角度篩選出該相鄰兩折線的公共端點(diǎn)是否為分割候補(bǔ)點(diǎn)；

(3)對(duì)于任一分割候補(bǔ)點(diǎn)，通過區(qū)域范圍內(nèi)距離最近原則找出與該分割候補(bǔ)點(diǎn)對(duì)應(yīng)的目標(biāo)分割候補(bǔ)點(diǎn)，以形成分割點(diǎn)對(duì)；

(4)在二值化圖像中連接各分割點(diǎn)對(duì)以分開各目標(biāo)物體，提取分開后的各目標(biāo)物體的目標(biāo)最外層輪廓；

(5)計(jì)算各所述目標(biāo)最外層輪廓的內(nèi)部面積，若所述內(nèi)部面積小于預(yù)設(shè)面積閾值，則刪除所述內(nèi)部面積對(duì)應(yīng)的分割點(diǎn)對(duì)，并返回執(zhí)行步驟(4)，直至得到分割后的各目標(biāo)物體圖像；

(6)依次將各所述目標(biāo)物體圖像送入深度神經(jīng)網(wǎng)絡(luò)模型，通過所述深度神經(jīng)網(wǎng)絡(luò)模型提取圖像特征并由分類器確定各目標(biāo)物體所屬的類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(1)包括：

(1.1)提取待識(shí)別圖像的單通道圖像，對(duì)所述單通道圖像采用第一二值化閾值進(jìn)行二值化處理，以獲得所述待識(shí)別圖像中各目標(biāo)物體的最外層輪廓；

(1.2)對(duì)所述單通道圖像采用第二二值化閾值進(jìn)行二值化處理，以獲得所述待識(shí)別圖像中各目標(biāo)物體的最內(nèi)層輪廓，其中，所述第二二值化閾值大于所述第一二值化閾值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(2)中，分別將各目標(biāo)物體的最外層輪廓與最內(nèi)層輪廓近似成折線之后，所述方法還包括：

刪除折線長度小于預(yù)設(shè)長度閾值的折線。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在步驟(2)中，所述利用相鄰兩折線所成角度篩選出該相鄰兩折線的公共端點(diǎn)是否為分割候補(bǔ)點(diǎn)，包括：

確定保留下來的相鄰兩折線所成角度；

基于所述角度與第一預(yù)設(shè)角度閾值的關(guān)系，篩選出該相鄰兩折線的公共端點(diǎn)是否為分割候補(bǔ)點(diǎn)，以此確定各分割候補(bǔ)點(diǎn)。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，步驟(3)包括：

(3.1)順時(shí)針依次選取分割候補(bǔ)點(diǎn)a，所述分割候補(bǔ)點(diǎn)a的前一個(gè)分割候補(bǔ)點(diǎn)為q，計(jì)算以所述分割候補(bǔ)點(diǎn)a為公共端點(diǎn)的兩折線順時(shí)針?biāo)山嵌圈?Sub>1；

(3.2)選取剩余的分割候補(bǔ)點(diǎn)x，計(jì)算向量與向量所成角θ₂，若θ₂＞θ_thres2或者θ₂＜k*θ₁，則將所述分割候補(bǔ)點(diǎn)x放入點(diǎn)集A中，其中，θ_thres2為第二預(yù)設(shè)角度閾值，k為系數(shù)；

(3.3)計(jì)算點(diǎn)集A中的所有點(diǎn)與所述分割候補(bǔ)點(diǎn)a的距離，取距離最小值時(shí)對(duì)應(yīng)的分割候補(bǔ)點(diǎn)b；

(3.4)確定所述分割候補(bǔ)點(diǎn)b的區(qū)域范圍內(nèi)的距離最近點(diǎn)，若該距離最近點(diǎn)為所述分割候補(bǔ)點(diǎn)a，則所述分割候補(bǔ)點(diǎn)a與所述分割候補(bǔ)點(diǎn)b為一對(duì)分割點(diǎn)對(duì)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在步驟(4)之前，所述方法還包括：

保留處于同一輪廓線內(nèi)部或者輪廓邊界上的分割點(diǎn)對(duì)，得到各目標(biāo)分割點(diǎn)對(duì)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，步驟(5)包括：

計(jì)算各所述目標(biāo)分割點(diǎn)對(duì)與所述目標(biāo)最外層輪廓的距離，若該距離小于預(yù)設(shè)距離閾值，則刪除對(duì)應(yīng)的目標(biāo)分割點(diǎn)對(duì)，并返回執(zhí)行步驟(4)，直至得到分割后的各目標(biāo)物體圖像。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(6)之前，所述方法還包括：

獲取各類型物體圖像，并對(duì)圖像中的物體輪廓進(jìn)行標(biāo)注，得到訓(xùn)練數(shù)據(jù)，根據(jù)所述訓(xùn)練數(shù)據(jù)對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型。

9.一種基于圖像的多目標(biāo)分割識(shí)別系統(tǒng)，其特征在于，包括：

第一輪廓提取模塊，用于提取待識(shí)別圖像的單通道圖像，對(duì)所述單通道圖像進(jìn)行二值化處理，以分別獲得所述待識(shí)別圖像中各目標(biāo)物體的最外層輪廓與最內(nèi)層輪廓；

分割點(diǎn)確定模塊，用于分別將各目標(biāo)物體的最外層輪廓與最內(nèi)層輪廓近似成折線，利用相鄰兩折線所成角度篩選出該相鄰兩折線的公共端點(diǎn)是否為分割候補(bǔ)點(diǎn)；

分割點(diǎn)對(duì)確定模塊，用于對(duì)于任一分割候補(bǔ)點(diǎn)，通過區(qū)域范圍內(nèi)距離最近原則找出與該分割候補(bǔ)點(diǎn)對(duì)應(yīng)的目標(biāo)分割候補(bǔ)點(diǎn)，以形成分割點(diǎn)對(duì)；

第二輪廓提取模塊，用于在二值化圖像中連接各分割點(diǎn)對(duì)以分開各目標(biāo)物體，提取分開后的各目標(biāo)物體的目標(biāo)最外層輪廓；

物體分割模塊，用于計(jì)算各所述目標(biāo)最外層輪廓的內(nèi)部面積，若所述內(nèi)部面積小于預(yù)設(shè)面積閾值，則刪除所述內(nèi)部面積對(duì)應(yīng)的分割點(diǎn)對(duì)，并返回執(zhí)行所述第二輪廓提取模塊的操作，直至得到分割后的各目標(biāo)物體圖像；

識(shí)別模塊，用于依次將各所述目標(biāo)物體圖像送入深度神經(jīng)網(wǎng)絡(luò)模型，通過所述深度神經(jīng)網(wǎng)絡(luò)模型提取圖像特征并由分類器確定各目標(biāo)物體所屬的類別。