[發(fā)明專利]一種基于yoloV3的calhe直方圖增強型目標識別算法

在審

• 申請?zhí)枺?/td>: 202010821792.4
• 申請日: 2020-08-15
• 公開（公告）號: CN111950475A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計）人: 蔡向東;屈新輝
• 申請（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 鄭州豫鼎知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41178
• 代理人: 魏新培

本發(fā)明是一種基于yolov3的calhe直方圖增強型目標識別算法，有效解決了現(xiàn)有檢測設(shè)備不能準確識別的技術(shù)問題，包括步驟一，輸入一張從某一攝像頭采集的包裹圖像，通過灰度變換將包裹檢測圖像變換為灰度圖像，然后提取灰度圖像的長和寬；步驟二，將上述步驟一種的灰度圖像利用傅里葉變換到頻率空間；步驟三，通過函數(shù)cumsum來計算cdf，并將頻率映射到0?255的無符號整數(shù)；步驟四，采用calhe直方圖均衡；步驟五，對步驟四中的處理后的直方圖圖像進行傅里葉反變換，轉(zhuǎn)換到空間域；步驟六，選擇多個步驟五得到的圖像和同一幅的原始圖像進行yolo V3目標識別算法檢測，然后進行比較，本發(fā)明能夠有效減少識別時的運行時間，提高了目標識別的準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，具體是一種基于yoloV3的calhe直方圖增強型目標識別算法，能夠?qū)崿F(xiàn)圖像去噪、圖像增強以及神經(jīng)網(wǎng)路算法，可應(yīng)用于目標檢測。

背景技術(shù)

隨著互聯(lián)網(wǎng)科技的快速發(fā)展，人們對網(wǎng)上購物的偏愛越來越熱烈。于是激增了一大批的產(chǎn)業(yè)鏈，其中就包括物流系統(tǒng)。傳統(tǒng)的物流系統(tǒng)靠人力去分揀包裹費時又費力，于是就出現(xiàn)了自動化分揀包裹的流水線作業(yè)。那么包裹的大小以及包裹的重量成為分揀的首要考慮因素。發(fā)明一款可以實現(xiàn)根據(jù)包裹體積大小去完成自動分揀的設(shè)備越來越受到人們的重視，而其最重要的環(huán)節(jié)就是檢測部分的設(shè)計。

傳統(tǒng)的單目攝像頭僅僅只能夠檢測出包裹的上面的物流信息，把包裹分別送達到各個目的地，但是由于對包裹的大小就沒有那么多的考慮，在工人去裝載和卸貨的時候就顯得包裹的位置擺放的雜亂無章，就會出現(xiàn)包裹損壞的現(xiàn)象。

這樣不僅對我們消費者是一種危害，對商家和物流同樣也是一種危害。其二是物流公司在運輸包裹的時候可以根據(jù)包裹的體積大小進行合理的規(guī)劃，提高物流效率，降低物流成本。

比如京東物流在物流配送中除了運用本地倉庫直接取貨，還有就是運用了包裹體積大小檢測設(shè)備，通過檢測設(shè)備的體積大小，可以提高工人在裝運過程中的效率，大大簡化了裝運的復(fù)雜性。

市面上已經(jīng)出現(xiàn)了一部分用于包裹體積檢測的設(shè)備，常見的有基于激光雷達的包裹體積檢測系統(tǒng)。通過激光測距，然后通過仿真生成三維圖像，測量出物體的體積。這類產(chǎn)品的安裝成本比較高，安裝比較復(fù)雜，體積比較大。

本發(fā)明采用的是基于雙目視覺測距原理測量物體的深度信息。成本比較低，安裝簡單，體積比較小。

另外為了提高測試的識別準確性，采用深度學(xué)習(xí)的方式去識別包裹。通常情況下，攝像頭抓取的照片包含了其他的很多信息，比如旁邊的機臺，有時工人們誤操作放在傳送裝置上面的垃圾?；蛘咄砩瞎ぷ鞯臅r候，光照不是很充足的時候，采集的照片清晰度不夠。另外考慮到人為因素對采集裝置的影響，比如在雙十一物流量比較大的時候，包裹不是一個一個單獨放在流水裝置上面，而是被隨機扔放到流水裝置上面的，這樣就會造成對測量包裹的整體輪廓的影響。這些因素都將對包裹的識別有重大的影響，傳統(tǒng)的只靠圖像處理方面的工作遠遠不能滿足當前的要求，那么就需要提出一種有效的分類識別算法去解決。

如果通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，那么這些問題都將得到明顯的解決。但是傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的算法需要很強的運算能力，在嵌入式設(shè)備上面沒有辦法移植到單獨的嵌入式設(shè)備上面去進行運算，只能在性能比較高的電腦上面去運行，本發(fā)明提出了一種輕量級的神經(jīng)網(wǎng)絡(luò)算法,這樣就可以在嵌入式設(shè)備上面去運行一個神經(jīng)網(wǎng)絡(luò)算法的程序，然后就可以對采集到的包裹進行識別。

在此基礎(chǔ)上，本發(fā)明提供一種基于yoloV3的calhe直方圖增強型目標識別算法來解決此問題。

發(fā)明內(nèi)容

為了解決上述的以及其他潛在的技術(shù)問題，一種基于yoloV3的calhe直方圖增強型目標識別算法，有效解決了現(xiàn)有檢測設(shè)備成本高、體積大、安裝復(fù)雜、不能準確識別的技術(shù)問題。

一種基于yoloV3的calhe直方圖增強型目標識別算法，其特征在于，包括以下步驟：