[發明專利]一種截斷塞門手把關閉故障圖像識別方法

有效

• 申請號: 202110038416.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112733940B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 金佳鑫
• 申請（專利權）人: 哈爾濱市科佳通用機電股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.一種截斷塞門手把關閉故障圖像識別方法，其特征在于，包括：

步驟一、獲取截斷塞門部件圖像和不包含截斷塞門部件的圖像，以截斷塞門部件圖像作為正樣本，標記為1，不包含截斷塞門部件的圖像作為負樣本，標記為0，將正負樣本和對應的標記文件分為訓練集和測試集；

步驟二、對步驟一中的訓練集進行歸一化處理，對歸一化處理后的訓練集進行HOG特征向量的提取；將提取的HOG特征向量輸入到SVM線性分類器中，利用SVM線性分類器訓練截斷塞門部件特征模型；

步驟三、確定待檢測的貨車是否存在截斷塞門部件，若存在，則通過截斷塞門部件特征模型定位出待檢測截斷塞門部件位置，獲得待檢測截斷塞門部件圖像；

從待檢測截斷塞門部件圖像中截取手把位置子圖像，并判斷手把位置子圖像中手把是否存在，存在手把即為截斷塞門手把關閉故障，不存在手把則為正常；具體過程

為：

歸一化手把位置子圖像，將歸一化后的手把位置子圖像分為多個子圖像塊；利用邊緣檢測算子計算子圖像塊的邊緣，進而得到子圖像塊邊緣點的數量，若邊緣點數大于閾值，則認為該子圖像塊復雜度高，標記為1；子圖像塊標記為1的數量不超過總子圖像塊數量的一半，則為正常；

若子圖像塊標記為1的數量超過總子圖像塊數量的一半，則進一步計算手把位置子圖像水平方向梯度，得到水平方向梯度圖，并計算梯度圖上邊界和下邊界的坐標點，分別構成上邊界坐標點集合和下邊界坐標點集合；

分別對上邊界坐標點集合和下邊界坐標點集合進行直線擬合，擬合出上下邊界兩條直線；

若兩條線都存在，則存在手把上下邊界輪廓，則計算兩條直線間的夾角，若夾角在角度閾值范圍內，判定為手把存在，即為手把關閉故障。

2.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，步驟三還包括：

若兩條線不完全存在或者兩條線角度不在角度閾值范圍內，則不存在手把上下邊界輪廓，進而將手把位置子圖像二值化，計算二值圖像最大連通區域并根據最大連通區域設定手把結構特征參數范圍；滿足最大連通區域外輪廓的手把結構特征參數范圍，則存在手把，即為手把關閉故障；若不滿足手把結構特征參數范圍，則不存在手把，即為正常。

3.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述步驟三中確定待檢測的貨車是否存在截斷塞門部件；具體過程包括：

獲取截斷塞門部件數據庫，所述截斷塞門部件數據庫包括：車型、車型對應的截斷塞門數量和截斷塞門的位置信息；

確定待檢測的貨車的車型作為目標車型；

從所述截斷塞門部件數據庫中確定所述目標車型所對應的截斷塞門數量作為目標截斷塞門數量；

若目標截斷塞門數量大于0，則確定待檢測的貨車存在截斷塞門部件。

4.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述歸一化后的手把位置子圖像大小為64*128。

5.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述提取HOG特征向量時HOG結構的相關參數包括：

HOG結構為矩形HOG、像素塊16*16、塊滑動增量為以步長為8的像素移動塊；細胞單元為8*8的像素、單位特征向量數為每個細胞單元統計9維特征向量。

6.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述步驟三中SVM線性分類器為C類支持向量機，SVM核函數類型為線性內核，懲罰因子為0.01。

7.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，步驟三中所述的閾值為100。

8.根據權利要求1所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述步驟三中的角度閾值范圍為[0°，30°]。

9.根據權利要求2所述一種截斷塞門手把關閉故障圖像識別方法，其特征在于，所述手把結構特征參數范圍包括：輪廓長寬比大于1.5，輪廓面積大于手把位置子圖像面積的1/2，輪廓中心點坐標與手把位置子圖像中心點距離小于40像素。