[发明专利]一种基于深度学习的检测门把手归位和弯曲的方法在审
| 申请号： | 202110522549.7 | 申请日： | 2021-05-13 |
| 公开（公告）号： | CN113160220A | 公开（公告）日： | 2021-07-23 |
| 发明（设计）人： | 赵准登;彭智浩 | 申请（专利权）人： | 聚时科技（上海）有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/08 |
| 代理公司： | 湖北天领艾匹律师事务所 42252 | 代理人： | 王能德 |
| 地址： | 200000 上海市杨浦区*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 检测 门把手 归位 弯曲 方法 | ||
【权利要求书】：
1.一种基于深度学习的检测门把手归位和弯曲的方法，包括以下步骤：
步骤1.基于目标检测模型和语义分割模型，获取门把手掩膜；
步骤2.获取掩膜最小外接矩形，得到矩形的宽度w、高度h，矩形的宽与x轴正方形的角度θ；
步骤3.设定角度阈值θ_Thresh，获取门把手正常位置的最小外接矩形宽与x轴正方向的夹角θ_Origin，并设定高宽比阈值Ratio，分别判断门把手归位及发生变形弯曲情况：当|θ-θ_Origin|θ_Thresh，说明门把手未归位，反之则已归位；当w/hRatio则说明门把手发生变形弯曲，反之则没有。
2.根据权利要求1所述的检测门把手归位和弯曲的方法，其特征在于，所述目标检测模型构建方法为：采集标准门图像，标注门把手区域及轮廓，然后基于图像和门把手区域标签并训练门把手目标检测模型。
3.根据权利要求1所述的检测门把手归位和弯曲的方法，其特征在于，所语义分割模型构建方法为：采集标准门图像，标注门把手区域及轮廓，裁剪并生成门把手轮廓的标注，然后对裁剪图像和对应的标签训练门把手语义分割模型。
4.根据权利要求1所述的检测门把手归位和弯曲的方法，其特征在于，所述步骤1中获取门把手掩膜的过程为：对裁剪图像进行语义分割，分割出门把手区域的0-1二值掩膜，对掩膜进行连通域分析，实例化出每个门把手区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于聚时科技（上海）有限公司，未经聚时科技（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110522549.7/1.html，转载请声明来源钻瓜专利网。
