某种基于视觉检测塔筒晃动的标记物识别方法-资讯中心-大学仕

资讯中心

当前位置：

大学仕上下料 ai机器人印钞机 KN95口罩

某种基于视觉检测塔筒晃动的标记物识别方法

大学仕 2021-07-02 09:02

0点赞 1165浏览

本发明涉及某种基于视觉检测塔筒晃动的标记物识别方法，基于目标检测网络对图像中标尺的识别，分别计算图像中，目标包围框内的非标尺区域与目标包围框的比值，和标尺位于该目标包围框以外的部分与整个标尺的比值；对上述两个比值加权求和，得到该目标包围框的识别精度值；取标尺所有目标包围框识别精度值中最小的一个，则对应的目标包围框为最优的包围框，即为最终的识别标尺。本发明的方法基于目标检测，通过最大化拟合的方法优选出最佳优度的图像识别标尺，提高计算塔筒晃动的准确性。

1.某种基于视觉检测塔筒晃动的标记物识别方法，基于目标检测网络对图像中标尺的识别，其特征在于：分别计算图像中，目标包围框内的非标尺区域与目标包围框的比值，和标尺位于该目标包围框以外的部分与整个标尺的比值；对上述两个比值加权求和，得到该目标包围框的识别精度值；取标尺所有目标包围框识别精度值中最小的一个，则对应的目标包围框为最优的包围框，即为最终的识别标尺。

2.根据权利要求1所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：定义参与计算的区域：目标检测网络对图像中标尺的识别区域为区域A，其中像素点集合记为集合A；目标包围框区域记为区域B，其中的像素点集合记为集合B；目标包围框内的非标尺区域记为区域C，其中像素点集合；标尺位于该目标包围框以外的部分记为区域D，其中像素点集合。

3.根据权利要求2所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：所述目标包围框的识别精度值计算如下： Step1：计算各区域的面积表示区域A的面积，表示区域B的面积，表示区域C的面积，示区域D的面积； Step2：计算比值对于第个标尺的第个目标包围框中，目标包围框内的非标尺区域C与目标包围框区域B的比值，标尺位于该目标包围框以外的区域D与整个标尺区域A的比值； Step3：计算目标包围框的识别精度值预设区域C的权重是，区域D的权重是，对于第个标尺的第个目标包围框的识别精度值； Step4：确定最终的识别标尺特征对于第个标尺的最优包围框计算如下：，其中表示目标包围框个数的上限。

4.根据权利要求3所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：当第个标尺的第个目标包围框为最终的识别标尺时，则该识别标尺的特征包括该目标包围框的识别精度值和该目标包围框的特征，其中，表示第个标尺的第个目标包围框的几何中心点的横、纵坐标，表示第个标尺的第个目标包围框的尺寸信息。

5.根据权利要求4所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：若标尺形状为圆形，所述尺寸信息则是圆的半径；若标尺形状为矩形，所述尺寸信息是矩形的长和宽；若标尺形状为不规则图形，所述尺寸信息是识别的面积。

6.根据权利要求3所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：各区域大小采用面积来衡量，像素点的个数就是相应区域的面积。

7.根据权利要求1或3所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：在加权求和时，目标包围框内的非标尺区域与目标包围框的比值的权重大于标尺位于该目标包围框以外的部分与整个标尺的比值的权重。

8.根据权利要求1所述的基于视觉检测塔筒晃动的标记物识别方法，其特征在于：该方法中的目标检测网络采用Mask R-CNN网络对图像中的标尺进行识别。

文章来源：互联网，倘若您发现本站有侵权或不当信息，请与本站联系，经本站核实后将尽快修正！

分享到: 微信新浪微博 QQ空间人人网开心网豆瓣更多...

继续阅读与本文标签相同的资讯

视觉检测