[发明专利]三维图集的目标识别方法

权利要求书

1.一种三维图集的目标识别方法，其特征在于，包括以下步骤：

S1、对三维图集的每个原始断面图片进行裁剪，得到黑白断面图片；

S2、每相邻的三个黑白断面图片层叠组成三通道的检测图组；

S3、将所有的检测图组依序输入训练好的目标检测模型中，如果检测图组中中间一个黑白断面图片中包含有目标物，则得到该黑白断面图片中目标物的二维定位框的左上角坐标(x₁,y₁)和右下角坐标(x₂,y₂)；

S4、计算每两个二维定位框的中心点之间的欧几里得距离|cp(b_i)-cp(b_j)|，i≠j，其中cp(b_i)和cp(b_j)表示两个不同的二维定位框的中心点，当|cp(b_i)-cp(b_j)|≤T，为这两个二维定位框赋予相同的目标物ID，其中T为预设阈值；

S5、通过以下公式计算目标物的三维定位框的左上角坐标(x′₁，y′₁，z′₁)和右下角坐标(x′₂，y′₂，z′₂)：

z′₁＝min({z_i}i＝1,2,…,N)

z′₂＝max({z_i}i＝1,2,…,N)

其中和分别为具有同一目标物ID的第i个二维定位框的左上角坐标和右下角坐标，z_i是具有同一目标物ID的第i个二维定位框的z轴坐标位置。

2.如权利要求1所述的三维图集的目标识别方法，其特征在于：所述目标检测模型包括FEN模块、RPN模块和RCN模块，所述FEN模块包括第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层；

在所述步骤S3中，检测图组在FEN模块中依次经过第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层进行卷积；

在FEN模块中，第三卷积层输出的第三特征图、第四卷积层输出的第四特征图和第五卷积层输出的第五特征图通过双线性插值使它们的分辨率与第二卷积层输出的第二特征图的分辨率相同，再通过数量相同的1*1的卷积核对第二特征图、第三特征图、第四特征图和第五特征图进行卷积，使它们的通道数相同，最后拼接第二特征图、第三特征图、第四特征图和第五特征图得到最终特征图；

在RPN模块中，对第三特征图进行全连接和二分类，得到大小为16*16～24*24的第一图案，对第四特征图进行全连接和二分类，得到大小为32*32～48*48的第二图案，对第五特征图进行全连接和二分类，得到大小为64*64～96*96的第三图案；

在RCN模块中，利用最终特征图、第一图案、第二图案和第三图案进行分类和定位，得到目标物的二维定位框的左上角坐标(x₁,y₁)和右下角坐标(x₂,y₂)。