[發明專利]電力實訓場中人員圖像檢測中的陰影消除方法

在審

• 申請號: 202111088066.7
• 申請日: 2021-09-16
• 公開（公告）號: CN113780298A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 許鵬程;高敬貝;李曉莉;彭勇;姜黛琳;徐連連;王婷婷;武凱麗
• 申請（專利權）人: 國網上海市電力公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 張靜潔;徐雯瓊

1.一種電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，包括如下步驟：

S1、獲取樣本數據，所述樣本數據包括真實陰影圖像A和真實無陰影圖像B；

S2、進行生成對抗網絡的對抗訓練，真實陰影圖像A作為生成器A2B的輸入數據，生成器A2B輸出無陰影圖像B1，無陰影圖像B1作為生成器B2A的輸入數據，生成器B2A輸出陰影圖像A1；真實無陰影圖像B作為生成器B2A的輸入數據，生成器B2A輸出陰影圖像A2，陰影圖像A2作為生成器A2B的輸入數據，生成器A2B輸出無陰影圖像B2；判別器D_A判斷陰影圖像A2來自生成器B2A生成還是真實陰影圖像A，將陰影圖像A2與真實陰影圖像A之間的第一誤差反饋給生成器B2A，生成器B2A減小所述第一誤差，提高生成圖像的真實度；判別器D_B判斷無陰影圖像B1來自生成器A2B還是真實無陰影圖像B，將無陰影圖像B1與真實無陰影圖像B之間的第二誤差反饋給生成器A2B，生成器A2B減小所述第二誤差，提高生成圖像的真實度；生成器A2B和生成器B2A分別與判別器D_B和判別器D_A進行反復對抗訓練，得出最優的去陰影網絡模型；

S3、利用所述去陰影網絡模型進行去陰影，輸入有陰影的電力實訓場中人員圖像，輸出無陰影的電力實訓場中人員圖像。

2.根據權利要求1所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，所述生成器A2B包括編碼器、轉換器和解碼器；

所述編碼器輸入由卷積神經網絡從所述樣本數據提取的圖像特征；

所述轉換器組合所述圖像特征的相近特征，基于所述相近特征，確定如何將圖像的特征向量從真實陰影圖像A數據集的特征向量轉換成無陰影圖像B數據集的特征向量；

所述解碼器利用反卷積層將特征向量還原出低級特征，將得到的所述低級特征通過轉換生成一張在無陰影圖像B數據集中，且大小與真實陰影圖像A數據集相同的生成圖像。

3.根據權利要求1所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，所述第一誤差和所述第二誤差均通過生成對抗網絡的對抗損失計算得到，并將對抗損失應用到第一映射函數和第二映射函數，所述第一映射函數表示陰影圖像的數據集X到無陰影圖像的數據集Y的映射，所述第二映射函數表示真實無陰影圖像B的數據集Y到真實陰影圖像A的數據集X的映射，所述第一映射函數的映射目標為：

其中，y表示數據集Y內的樣本，x表示數據集X內的樣本，D_Y(y)表示無陰影圖像在判別器D_Y之中的評分，越接近1則判別器認為此圖像越真，G(x)為生成器根據x生成的與數據集Y同分布的樣本，D_Y(G(x))為判別器根據生成的樣本得到的評分，如果D_Y認為生成的樣本越假，則D_Y的評分D_Y(G(x))越接近于0，則1-D_Y(G(x))越接近于1，表示概率分布P_data(x)所包含的平均信息量，表示概率分布P_data(y)所包含的平均信息量。

4.根據權利要求3所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，采用循環一致性損失函數來進行激勵，所述循環一致性損失函數為：

5.根據權利要求1所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，步驟S2中判別器D_B判斷無陰影圖像B1來自生成器A2B還是真實無陰影圖像B的概率為0.5時，去陰影網絡模型的訓練達到最優。

6.根據權利要求1所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，步驟S1還包括對樣本數據的篩選，具體為：刪除圖像殘缺、清晰度低于人眼正常識別范圍、內容不合格的樣本數據。

7.根據權利要求1所述的電力實訓場中人員圖像檢測中的陰影消除方法，其特征在于，步驟S1還包括對樣本數據進處理，具體為：使用open CV:resize算法將圖像裁剪或放縮至全部樣本數據統一大小，使用Z-score標準化方法歸一化處理數據集。