[發明專利]基于互信息配準消除冗余背景的模型加速方法

在審

• 申請號: 202110689843.7
• 申請日: 2021-06-22
• 公開（公告）號: CN113409276A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 李忠濤;袁朕鑫;趙帥;趙富;肖鑫
• 申請（專利權）人: 濟南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/30;G06K9/38;G06K9/62;G06N3/04
• 代理公司: 山東國誠精信專利代理事務所(特殊普通合伙) 37312
• 代理人: 吳佳佳

1.基于互信息配準消除冗余背景的模型加速方法，包括，其特征在于，包括以下步驟：

S1、采集工業場景下目標檢測任務的數據集，圖像采集設備的位置固定，在滿足工業生產線現場的需求下，被檢測目標所在的產品在圖像中所占比例盡可能的大；數據集的采集需在采集設備固定的基礎上，需在不同光線條件下，如在不同的生產時段下包括白天和晚上燈光下等生產環境光線多樣性的數據集；

S2、選取批量數據集，在現場確定攝像頭位置后，選取一張圖像為參照，其中，以下均稱為參照圖，將數據集中樣本與參照圖進行互信息圖像配準；互信息圖像配準時，將參照圖和某個樣本圖轉換為灰度圖像，構建兩個灰度圖像的二維向量；

S3、由于參照圖和樣本圖為剛性配準，則使用直方圖估計法，計算兩個灰度圖像的二維向量的聯合概率密度；

S4、根據直方圖估計法的結果，當概率密度達到一定值時，表示樣本圖和參照圖重疊度較高；對識別為同一背景的樣本圖，與參照圖對應位置作差，根據差判斷是否在一定范圍內，確定冗余背景，并使用矩陣二值化表示，得到二值化矩陣T(T∈C^n×n)。

S5、對采集的數據集進行目標標注，將數據集輸入卷積神經網絡中進行訓練，訓練讀取數據集時，與二值化矩陣T′對應相乘，以加速訓練過程；

S6、將訓練后的模型部署于邊緣計算設備上處理單張圖像輸入的推理，在單張圖像輸入后，通過二值化矩陣T′過濾輸入圖像的冗余背景，加速模型的計算推理；

2.根據權利要求1所述的基于互信息配準消除冗余背景的模型加速方法，步驟S1中圖像采集設備固定和被檢測目標所在的產品在圖像中所占比例盡可能的大，其特征在于，包括：

S11、工業生產線由一系列確定的工序組成，生產線上的產品位置變化相對較小，因此圖像采集設備的位置也可以確定；

S12、圖像采集設備的位置影響著圖像中目標的清晰度，所采集圖像中目標所占整個圖像比例越大，噪點對目標檢測任務的影響越小，對目標特征提取越容易，即采集的圖像盡可能充實的成像目標產品；

S13、數據集的采集需在生產階段不同時段進行，包括白天時段和晚上燈光時段，以確保數據集的豐富性；

3.根據權利要求2所述的基于互信息配準消除冗余背景的模型加速方法，選取批量數據集，在現場確定攝像頭位置后，選取一張圖像為參照其中，以下均稱為參照圖，將數據集中樣本與參照圖進行互信息圖像配準；互信息圖像配準時，將參照圖和某個樣本圖轉換為灰度圖像，構建兩個灰度圖像的二維向量，其特征在于：

S21、選取工業現場攝像頭固定后的一張樣本作為參照圖；

S22、將參照圖與采集的數據集中的每個樣本通過互信息圖像配準，首先參照圖和當前單張對比樣本灰度化；

S23、構建參照圖與當前單張對比樣本每個像素對應的二維向量；

4.根據權利要求3所述的基于互信息配準消除冗余背景的模型加速方法，由于參照圖和樣本圖為剛性配準，則使用直方圖估計法，計算兩個灰度圖像的二維向量的聯合概率密度，其特征在于，包括：

S31、由于需要在單張樣本中分離冗余背景，圖像僅僅經過旋轉和平移等操作，目標在變換前后任意兩點間的距離不變，因此采用剛性配準的方法；

S32、采用非參數估計方法直方圖估計法，在樣本足夠多的基礎上，將參照圖與數據集中單張樣本構建的二維向量中每個位置數值的取值范圍分成等間隔的區間，統計每個區間內樣本個數，計算每個區間的概率密度；