[发明专利]一种钢筋头计数、定位方法及系统

说明书

本发明公开了一种钢筋头计数、定位方法及系统，该方法包括：提取出原始图像的初步特征；将不同层级间的初步特征进行融合，得到融合特征；对融合特征进行密度图估计运算，得到密度图；对密度图进行积分求和得到最终钢筋头数目；利用密度图估计出钢筋头的位置。该系统包括：浅层特征提取模块、特征融合模块、密度图估计模块、积分求和模块以及定位模块。通过本发明，将深度学习中的密集计数方法应用到工业生产中的钢筋计数，并且在计数的同时能提供钢筋的位置，代替了以前工业生产中工人的工作，提高了生产效率。

技术领域

本发明涉及图像目标检测技术领域，特别涉及一种钢筋头计数、定位方法及系统。

背景技术

目标检测现已广泛应用于许多实际应用中，例如自动驾驶，机器人视觉。密集目标检测计数是属于目标检测领域的研究课题。其借助计算机技术，没有使用目标检测常用的anchor进行检测，而是通过分析静态图片或视频帧分析其密度谱的方法确认需要预测目标数量。在工业领域，密集目标检测计数有着重要的作用，目前工业产品例如：钢筋、螺钉需要人工确认数量，消耗了大量的人力与时间成本，借助密集目标检测计数能够将其工序简化，提高效率与精度。在安全领域，国内外的大型活动中频发踩踏事件，已经造成了不可忽视的伤亡，如2015年上海外滩踩踏事件,已达到了我国规定的重大伤亡事故级别。密集目标检测计数问题的研究能通过准确估计当前场景的密集目标密度，并安排相应的安保措施，则可以有效减少或避免此类事件的发生。同时，密集目标检测计数也有着重要的商业与市场价值，是大数据时代的前沿研究领域。相比传统人工计数，密集目标检测计数具有快速性、准确性和易处理性，适合现今流行的大规模计算，得到准确率和鲁棒性良好的模型。传统的密集目标计数算法主要分类两大类：一种是基于检测的方法。早期的密集目标研究主要聚焦于基于检测的方法。使用一个滑动窗口检测器来检测场景中密集目标，并统计相应的目标个数。基于检测的方法主要分为两大类，一种是基于整体的检测，另一种是基于部分目标的检测。基于整体的检测方法，例如，典型的传统方法，主要训练一个分类器，利用从目标全体提取的小波，HOG，边缘等特征去检测目标。学习算法主要有SVM、boosting以及随机森林等方法。基于整体检测的方法主要适用于稀疏的目标计数，随着密集目标密度的提升，目标与目标之间的遮挡变得越来越严重。以密集人群计数为例，基于部分目标检测的方法，被用来处理密集目标计数问题。

图像中密集目标检测计数研究例如头，肩膀等去统计密集目标的数量。这种方法比之基于整体的检测，在效果上有略微的提升。第二种则是基于回归的方法。无论何种基于检测的方法，都很难处理密集目标之间严重的遮挡问题。所以，基于回归的方法逐渐被用来解决密集目标计数的问题。基于回归的方法，主要思想是通过学习一种特征到密集目标数量的映射。这类方法步骤主要分为两步，第一步提取低级的特征，例如前景特征，边缘特征，纹理和梯度特征；第二步是学习一个回归模型，例如线性回归，分段线性回归，岭回归和高斯过程回归等方法学习一个低级特征到密集目标数的映射关系。不同于传统的基于检测和回归的方法，对于图像中密集目标区域，利用预测密度图(DensityMap)的方法得到了更好的预测结果。由于图像中目标密度分布极不均匀，研究人员利用多阵列(Multi-Column)的卷积神经网络(ConvolutionalNeuralNetwork，CNN)来实现提取不同尺度的目标特征。利用网络的模型具有较多的参数，计算量大，无法进行实时的密集目标计数预测。

经检索，中国专利申请号为202011355672.6的发明专利，为了改进并解决目前采用传统人工计数方法完成钢筋进场数量验收工作存在的不足及问题，该发明提供一种钢筋识别系统、钢筋识别方法、以及钢筋计数验收系统，其是通过钢筋图像数据集构建钢筋识别训练模型，在通过钢筋识别训练模型进行进一步的钢筋计数。但是该专利实现的复杂度相对较高，计算量大。

发明内容

本发明针对上述现有技术中存在的问题，提出一种钢筋头计数、定位方法及系统，将深度学习中的密集计数方法应用到工业生产中的钢筋计数，并且在计数的同时能提供钢筋的位置，代替了以前工业生产中工人的工作，提高了生产效率。

为解决上述技术问题，本发明是通过如下技术方案实现的：