[发明专利]一种用于对称特征的目标物体视觉检测方法

权利要求书

1.一种用于对称特征的目标物体视觉检测方法，其特征在于，具体步骤为：

(1)采集多张目标物体的图像输入计算机，然后手动标记出采集图像中目标物体及多个干扰项，制作成数据集，其中确定目标物体为正类，其余为负类；计算机采用已知深度学习方法或已知机器学习方法确定图像分类模型，将数据集输入图像分类模型后进行训练，最终得出训练后的图像分类模型，并进行保存；

(2)对所需检测的环境拍摄图像，将拍摄图像采用已知机器视觉处理方法对图像进行预处理，得到拍摄图像中多个对称基础特征，并对每个基础特征采用XY轴坐标系进行标注，然后获得基础特征序列L0；

(3)对每个基础特征按照其在图像中的X轴坐标位置做升序排列，得到基础特征序列L1；

(4)在基础特征序列L1中，从低到高对每个基础特征，找出该基础特征沿X轴坐标升序方向两个最近的基础特征，并使该基础特征与两个最近的基础特征分别组成两个候选框，得到一组候选框，依次类推，得到各个基础特征的候选框组，其中最后一组候选框组内为一个候选框，其余每组内两个候选框，按照X轴坐标序列较低的为H0，另一个为H1；将各组候选框作为序列L2保存；

(5)采用预先设定的候选框阈值范围依次对序列L2中各组内候选框H0进行判断，

若检测当前组内的候选框H0不处于阈值范围内，则将该候选框H0剔除，对该组内的候选框H1重复上述判断过程，若不处于阈值范围内，则剔除该候选框H1，继续下一组候选框的检测；若处于阈值范围内，则采用图像分类模型对该候选框H1进行分类判断，完成分类后继续下一组候选框的检测；

若检测当前组内的候选框H0处于阈值范围内，则采用步骤(1)中得到的图像分类模型对该组候选框H0进行分类判断，

若分类结果为正类，则直接确定候选框H0为正类，剔除该组内候选框H1，然后进行下一组候选框的检测；

若分类结果为负类，则对该组内的候选框H1重复上述判断过程，若不处于阈值范围内，则剔除该候选框H1，继续下一组候选框的检测；若处于阈值范围内，则采用图像分类模型对该候选框H1进行分类判断，完成分类后继续下一组候选框的检测；

直到所有候选框组均完成检测及分类后，将分类结果为正类的候选框作为序列L3保存；

(6)序列L3中各个候选框即为拍摄图像中所有要检测的目标物体。

2.根据权利要求1所述的一种用于对称特征的目标物体视觉检测方法，其特征在于，所述步骤(2)中对图像进行预处理，包括灰度处理，二值化处理，边缘处理，形状和颜色检测。

3.根据权利要求1所述的一种用于对称特征的目标物体视觉检测方法，其特征在于，所述步骤(1)中已知深度学习方法为CNN深度学习方法；已知机器学习方法为SVM机器学习方法或KNN机器学习方法。

4.根据权利要求1所述的一种用于对称特征的目标物体视觉检测方法，其特征在于，所述步骤(5)中预先设定的候选框阈值范围包括设定组成候选框的两个基础特征各自最小包围矩形的长边之比的阈值范围或设定候选框相邻长边与短边之间夹角的阈值范围。