[發明專利]融合人工魚與粒子群算法的工程機械圖像識別方法及系統

在審

• 申請號: 202111192127.4
• 申請日: 2021-10-13
• 公開（公告）號: CN113901932A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 閆偉;曲春燕;紀嘉樹;胡濱;侯衍華;袁子洋
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于工程機械圖像識別領域，提供了一種融合人工魚與粒子群算法的工程機械圖像識別方法及系統。其中，該方法包括獲取工程機械圖像并初始化工程機械圖像的錨框；利用融合的粒子群算法和人工魚群算法來處理所述工程機械圖像的初始錨框，得到所述工程機械圖像的標準錨框；其中，粒子群算法的每個粒子看成一條人工魚，每個粒子的速度看成人工魚的視野范圍，通過適應度尋優自適應改變人工魚群算法覓食行為的視野，所述視野為錨框；基于所述工程機械圖像的標準錨框及目標檢測模型，識別出工程機械圖像中工程機械的類型。

技術領域

本發明屬于工程機械圖像識別領域，尤其涉及一種融合人工魚與粒子群算法的工程機械圖像識別方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

近年來隨著人工智能新技術的浪潮涌起，土建工程行業迎來了新的機遇與挑戰。傳統的工程管理系統已經無法達到智能、高效、閉環管理的目的，科研工作者開始嘗試通過引入新技術來提升復雜工況施工管理的實時性與準確性。視覺傳感器因其成本低、信息量大、感知距離選、頻率高等特點成為工程機械必不可少的傳感器之一。通過提取視覺傳感器信號，可以對前方諸如工人，卡車，挖掘機，壓路機，推土機等物體進行目標檢測和識別。準確的識別出傳感器視野范圍的特定目標，是工程機械控制器接收正確信息完成恰當決策的前提，也是智能化施工中關鍵的一環。

常見的目標檢測算法主要包括傳統的目標檢測算法和基于深度學習的目標檢測算法。與傳統算法相比，基于深度學習的目標檢測算法由于其大數據訓練機制，在精度、速度和魯棒性方面取得了重大突破。卷積神經元網絡作為近幾年新興的基于深度學習的目標檢測算法，提供了一種新的目標檢測思路，相較于傳統目標檢測算法，其網絡模型的復雜度比較低，但是其精度和實時性受樣本集的錨框尺寸影響較大。如何針對具體目標檢測樣本集，比如應用于一體化施工的工程機械樣本集錨框尺寸的準確選擇，是提高其檢測性能的關鍵因素之一。發明人發現，傳統目標檢測算法中，初始錨框的選取一般采用K-means聚類方式，但是這種方式容易陷入局部最優值，且對噪聲點和異常點較敏感，進而影響工程機械圖像識別的精度。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種融合人工魚與粒子群算法的工程機械圖像識別方法及系統，其能夠提高工程機械圖像識別的精度。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種融合人工魚與粒子群算法的工程機械圖像識別方法，其包括：

獲取工程機械圖像并初始化工程機械圖像的錨框；

利用融合的粒子群算法和人工魚群算法來處理所述工程機械圖像的初始錨框，得到所述工程機械圖像的標準錨框；其中，粒子群算法的每個粒子看成一條人工魚，每個粒子的速度看成人工魚的視野范圍，通過適應度尋優自適應改變人工魚群算法覓食行為的視野，所述視野為錨框；

基于所述工程機械圖像的標準錨框及目標檢測模型，識別出工程機械圖像中工程機械的類型。

本發明的第二個方面提供一種融合人工魚與粒子群算法的工程機械圖像識別系統，其包括：

圖像獲取及初始化模塊，其用于獲取工程機械圖像并初始化工程機械圖像的錨框；

標準錨框獲取模塊，其用于利用融合的粒子群算法和人工魚群算法來處理所述工程機械圖像的初始錨框，得到所述工程機械圖像的標準錨框；其中，粒子群算法的每個粒子看成一條人工魚，每個粒子的速度看成人工魚的視野范圍，通過適應度尋優自適應改變人工魚群算法覓食行為的視野，所述視野為錨框；

工程機械圖像識別模塊，其用于基于所述工程機械圖像的標準錨框及目標檢測模型，識別出工程機械圖像中工程機械的類型。