[发明专利]一种基于目标检测和二值图像检测的水表指针读数识别方法

说明书

本发明公开了一种基于目标检测和二值图像检测的水表指针读数识别方法，涉及计算机视觉深度学习领域。本发明的目标‑二值图像检测模型由指针目标检测模块、目标区域分割模块和二值图像检测模块构成，通过指针目标检测模块进行实时检测，获得水表图像中指针的类别信息和位置信息；目标区域分割模块根据指针位置信息对水表图像进行截取得到指针图像；二值图像检测模块再对指针图像进行图像分割，得到指针图像的二值图像，根据二值图像计算指针的质心和针尖的坐标，由两点确定的一条直线计算指针的偏转角度并结合该指针的类别信息进行单位换算，最后读出水表指针的正确读数。本发明有效解决了指针读数识别效率低、准确率低、鲁棒性差的问题。

技术领域

本发明涉及计算机视觉、机器学习等领域，具体设计一种基于目标检测和二值图像检测的水表指针读数识别方法。

背景技术

由于技术成熟、制造成本低、计量准确的特点，我国民用水表仍以机械式水表为主。目前机械式水表的抄表方式还是人工抄表，这种方法成本高、效率低、准确率受人为因素影响大。近年来，随着图像视频处理技术的进一步发展，智能抄表因其成本低、效率高、准确率高等优点而得到高度的重视。水表指针读数的准确率与水表所处的具体环境密切相关，环境条件不同，识别的准确率也难以保证。

尽管现在关于水表读数识别已经有很多研究，但是依然存在一些未解决好的问题。目前对水表读数识别的研究大多采用传统的特征匹配算法，即通过提取水表图像的特征点与水表表盘模板进行特征点匹配，利用K-means聚类算法对匹配点进行分类实现水表表盘的自动定位，接着利用色差模型提取并识别水表指针。由于特征匹配算法对水表图像的特征提取能力较弱，一旦水表表盘附着大量污物或表盘内有大量的水珠，这会大大影响到水表图像特征的提取。且水表图像与模板之间的特征点匹配计算量很大，非常消耗时间。此外，经过水珠的浸泡和使用的磨损，水表的指针会出现褪色情况，此时色差模型很难得到较好的效果。在进行识别的过程中，由于水表表盘会有反光的情况，所以环境光线也是影响识别效果的一大因素。

所以如何提高在复杂环境下水表指针读数识别的效率和准确性是有待解决的问题。

发明内容

为了解决上述的问题，本发明提供一种基于目标检测和二值图像检测的水表指针读数识别方法。相比于传统的模板匹配方法来定位指针的位置坐标，利用目标检测模块定位指针位置更快更准确，二值图像检测模块相比于色差模块有更好的特征提取能力和鲁棒性。

为了实现上述目的，本发明采用的技术方案如下：

一种基于目标检测和二值图像检测的水表指针读数识别方法，包括以下步骤：

步骤1：采集实际应用场景下的水表图像作为样本数据集，并对样本水表图像的每一个指针区域以及指针像素点进行标注，其中指针区域的标注信息对应的是指针的计量单位信息；

步骤2：建立目标-二值图像检测模型，所述的目标-二值图像检测模型由指针目标检测模块、目标区域分割模块和二值图像检测模块构成；

步骤3：利用步骤1采集到的样本数据集对目标-二值图像检测模型进行训练，具体为：

步骤3.1：将标注后的水表图像作为目标-二值图像检测模型的输入，首先通过指针目标检测模块获取水表图像中的所有指针的检测框和类别信息(指针的类别信息对应的是该指针的计量单位)，然后通过目标区域分割模块获取指针的检测框并从原始水表图像中截取感兴趣区域得到指针图像，最后将指针图像作为二值图像检测模块的输入，得到指针的二值图像连通区域；

步骤3.2：将样本水表图像中标注的指针区域和指针像素点作为标签，分别得到指针目标检测模块的目标检测损失、以及二值图像检测模块的二值图像检测损失；将目标检测损失和二值图像检测损失作为总损失，完成目标-二值图像检测模型的训练；

步骤4：实时获取水表图像，将实时图像作为训练好的目标-二值图像检测模型的输入，得到图像中指针的二值图像连通区域；