[发明专利]一种基于融合特征和SVM结合的羊角弓区域定位方法

说明书

本发明公开了一种基于融合特征和SVM结合的羊角弓区域定位方法。方法为：首先提取训练样本图像的LBP特征和HOG特征：通过计算收集的训练样本的像素值与其邻域的关系构成局部二进制模式直方图来提取LBP特征；对收集的训练样本进行分割，分成若干像素的单元，然后对单元中每个像素点的边缘或者梯度求取方向直方图，整合所有的方向直方图，构成HOG特征描述器；然后采用特征融合技术，对提取到的LBP特征和HOG特征进行融合；接着利用SVM分类器进行训练，得到训练参数；最后通过多尺度滑动窗口扫描目标图像，提取羊角弓区域。本发明具有定位准确率高、易于实施的优点。

技术领域

本发明属于交通安全工程技术领域，特别是一种基于融合特征和SVM结合的羊角弓区域定位方法。

背景技术

羊角弓位于滑板两侧，用于改善受流质量，如果羊角缺失，会造成受电弓受力不均匀，进而出现滑板断裂等严重事故，羊角弓的工作状态检测对受电弓-接触网系统的替换、维护维修具有重要意义。

国外对接触网检测系统的研究起步较早，经过多年探索实践，拥有了较为完整的故障检测体系、故障处理体系和故障评价体系。国外对接触网检测系统的研究侧重点各不相同，法国深入研究了弓网动态弹性检测系统的相关技术，德国对检测弓网接触压力形成了较完善的检测体系，日本的弓网离线、接触线磨耗检测技术较为成熟。国内对羊角弓缺陷的研究较少，主要以人工检测方法为主。西南交大的朱晓恒针对采集的受电弓图像，采用图像二值法对羊角弓区域进行对比分析，能够初步判定缺陷状态。莫圣阳团队基于3D视觉检测技术进行了受电弓滑板磨耗的研究，采用高速三维相机、激光发射器，构建出了三维机器视觉系统。总体来说，现有的羊角弓区域定位方法实现复杂，准确率不高，需要寻求一种简单有效的羊角弓区域定位方法。

发明内容

本发明的目的在于提供一种基于融合特征和SVM结合的羊角弓区域定位方法，用以简单准确地对羊角弓区域进行定位。

实现本发明目的的技术解决方案为：一种基于融合特征和SVM结合的羊角弓区域定位方法，包括以下步骤：

步骤1、训练样本收集：训练样本包括正样本和负样本，正样本的图片是羊角弓正常状态，负样本的图片是羊角弓缺失状态或者是随机裁取的未知物体；

步骤2、LBP特征提取：计算步骤1收集的训练样本中每个像素点的像素值与其邻域的关系，构成局部二进制模式直方图，来提取LBP特征；

步骤3、HOG特征提取：将步骤1收集的训练样本，分割成包含多个像素点的单元，然后对每个单元中每个像素点的边缘或者梯度求取方向直方图，整合所有的方向直方图，构成HOG特征描述器；

步骤4、特征融合：将步骤2提取的LBP特征和步骤3提取的HOG特征，使用串行融合技术进行融合，生成LBP-HOG融合特征方向直方图；

步骤5、SVM分类器训练：将步骤4获得的LBP-HOG融合特征送到SVM分类器中进行训练，获取训练参数；

步骤6、多尺度滑动窗口扫描定位：采用多尺度滑动窗口扫描目标图像，通过步骤5中训练好的SVM分类器进行预测，实现羊角弓区域的定位。

进一步地，步骤2中所述的计算步骤1收集的训练样本中每个像素点的像素值与其邻域的关系，构成局部二进制模式直方图，来提取LBP特征，具体如下：

步骤2.1、将步骤1收集的图像分成4×4区域；

步骤2.2、对于区域内的每个像素点，选定其灰度值作为LBP算子的阈值，将3×3邻域内的其他像素点的灰度值与LBP算子的阈值进行比对，灰度值比阈值大的像素点置为1，灰度值比阈值小的像素点置为0；然后将3×3邻域内的8个点生成一个8位二进制数，将二进制数转换为十进制数，即得到每个像素点的LBP值；

步骤2.3、计算每个区域的直方图，即每个LBP值出现的频率，得到16个LBP直方图；