[發明專利]一種基于Faster-RCNN的測量標志自動提取方法

在審

• 申請號: 202110794715.9
• 申請日: 2021-07-14
• 公開（公告）號: CN113505837A
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 陳鵬;童小華;汪本康;謝歡;馮永玖;劉世杰;金雁敏;柳思聰;許雄;葉真;王超
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 應小波

1.一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，該方法采用Faster-RCNN目標識別框架，對高速視頻測量系統中引入的人工標志點進行自動識別定位，所述方法包括如下步驟：

步驟1：對含目標點的高速相機影像進行數據集整理，包括樣本制作和樣本增強，形成訓練樣本集；

步驟2：采用基于Faster-RCNN目標識別框架對分類模型進行訓練；

步驟3：利用訓練后的分類模型對實驗中的目標識別影像進行目標識別。

2.根據權利要求1所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述目標點包括人工目標點。

3.根據權利要求2所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述人工標志點由白色圓和黑色背景組成。

4.根據權利要求1所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述樣本增強過程包括對樣本集進行擴充。

5.根據權利要求4所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述樣本集進行擴充包括對影像進行整體的平移、旋轉、縮放。

6.根據權利要求4所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述樣本集進行擴充還包括根據平移距離、旋轉角度、縮放尺度對目標點坐標進行相應變換。

7.根據權利要求1所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述步驟2具體包括如下步驟：

步驟2.1：通過區域建議網絡RPN生成候選區域，經過ROI pooling層將候選框采樣到同一的輸入尺度；

步驟2.2：接著對生成的候選區域使用深度卷積神經網絡提取特征；

步驟2.3：使用SVM分類器對提取到的特征進行分類，判斷該區域的類別；

步驟2.4：對于每一個類別，使用一個回歸器對候選框的位置進行定位回歸，獲得精確的目標位置，從而生成預測窗口的坐標。

8.根據權利要求7所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述區域建議網絡RPN使用一個滑動窗口在卷積特征圖上進行滑動卷積，所述的深度卷積神經網絡為Resnet卷積神經網絡。

9.根據權利要求7所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述Faster-RCNN目標識別框架采用anchor機制，以每個滑動窗口為中心，生成三種不同長寬比的候選框，同時對應的生成三種不同尺寸的候選框，即特征圖上每一個特征值生成九個不同尺寸不同長寬比的候選框。

10.根據權利要求7所述的一種基于Faster-RCNN的測量標志自動提取方法，其特征在于，所述模型的訓練過程包括微調訓練fine-turning，對網絡前幾層進行凍結，將其學習率設置為零。