[发明专利]一种车载摄像头巡线图像识别方法

说明书

本发明公开了一种车载摄像头巡线图像识别方法，通过对车载摄像头巡线视频的图像截取，获取每秒的图像信息进行标记，形成相应的数据集，再利用关键点三元组检测物体方法进行训练，得到相应的数据模型，实现对巡线图像的识别。本发明所提供的方法具备了感知物体内部信息的能力，从而能有效抑制误检；识别水平与肉眼识别水平一致，确保架空光缆的异常情况被准确判别。

技术领域

本发明涉及视觉目标跟踪技术领域，具体涉及一种车载摄像头巡线图像识别方法。

背景技术

视觉目标跟踪是计算机视觉领域的一个重要分支，其主要任务是通过对摄取的图像或视频进行分析计算，达到对场景中的目标进行识别与跟踪的目的。基于多个摄像机组成的摄像机网络在扩大监控范围的同时也产生了海量视频数据，给视频的传输、存储以及实时目标跟踪应用，带来了极大挑战。若将视频都上传云中心，云中心将面临数据洪流的挑战。需就近对视频进行处理，而现有摄像机端计算资源不足。因此，需针对大规模摄像机网络，以降低通信负载、计算负担和提高算法实时性为目标，提出适合大规模环境下目标跟踪的方案。

传统的基于关键点的目标检测方法例如最具代表性的CornerNet模型通过检测物体的左上角点和右下角点来确定目标，但在确定目标的过程中，无法有效利用物体的内部的特征，即无法感知物体内部的信息，从而导致该类方法产生了很多误检(错误目标框)。

发明内容

本发明的目的是提供一种车载摄像头巡线图像识别方法，以实现感知物体内部信息的能力，从而能有效抑制误检，并降低通信负载、计算负担和提高算法实时性，提出适合大规模环境下目标跟踪的方案。

为达到上述目的，本发明提供了一种车载摄像头巡线图像识别方法，通过对车载摄像头巡线视频的图像截取，获取每秒的图像信息进行标记，形成相应的数据集，再利用关键点三元组检测物体方法进行训练，得到相应的数据模型，实现对巡线图像的识别。

上述的车载摄像头巡线图像识别方法，其中，所述关键点三元组检测物体方法通过中心点、左上角点和右下角点三个关键点来确定一个目标。

上述的车载摄像头巡线图像识别方法，其中，利用左上和右下两个角点生成初始目标框，对每个预测框定义一个中心区域，然后判断每个目标框的中心区域是否含有中心点，若有则保留该目标框，若无则删除该目标框。

上述的车载摄像头巡线图像识别方法，其中，在预测框的尺度较大时定义一个相对较小的中心区域，在预测框的尺度较小时预测一个相对较大的中心区域。

上述的车载摄像头巡线图像识别方法，其中，通过中心点池化提取中心点水平方向和垂直方向的最大值并相加，以此给中心点提供所处位置以外的信息。

上述的车载摄像头巡线图像识别方法，其中，一个水平方向上的取最大值操作由左区域池化和右区域池化通过串联实现，同理，一个垂直方向上的取最大值操作由上区域池化和下区域池化通过串联实现。

上述的车载摄像头巡线图像识别方法，其中，通过级联角点池化首先提取物体边界最大值，然后在边界最大值处继续向内部提取提最大值，并与边界最大值相加，以此给角点特征提供关联物体语义信息。

上述的车载摄像头巡线图像识别方法，其中，级联角点池化通过不同方向上的角点池化的组合实现。

相对于现有技术，本发明具有以下有益效果：

(1)本发明针对大规模摄像机网络，以降低通信负载、计算负担和提高算法实时性为目标，提出适合大规模环境下目标跟踪的方案；

(2)本发明将数据处理本地化，有利于解决较高传输代价、带宽需求以及较长的响应延迟，解决目前大规模实时跟踪中的短板；

(3)本发明所提供的方法具备了感知物体内部信息的能力，从而能有效抑制误检；识别水平与肉眼识别水平一致，确保架空光缆的异常情况被准确判别。