[发明专利]一种输电系统的小目标识别方法及装置

权利要求书

1.一种输电系统的小目标识别方法，其特征在于，包括以下步骤：

S1、获取具有目标物的图像集，对所述图像集进行图像增强处理；

S2、对经图像增强处理后的所述图像集进行增广处理，对经增广处理的所述图像集进行尺寸调整，将所述图像集的尺寸调整为统一的目标尺寸；

S3、基于标注软件在所述图像集中利用矩形框标记每个图像中的所述目标物，获得所述目标物的真实位置，在每个矩形框中所述目标物对应的真实位置上添加类别标签，以XML文件保存所述目标物真实位置及其对应的类别标签；

S4、将步骤S3标记后的所述图像集划分为训练集、样本集和测试集；

S5、将所述训练集输入到Darknet 53神经网络中训练，输出所述目标物的特征信息，以构建特征提取模型，所述Darknet 53神经网络包括群组归一化层；

S6、基于深度卷积神经网络对所述样本集进行训练，以建立图像目标识别模型，所述深度卷积神经网络以所述特征提取模型作为特征提取器；

S7、基于所述图像目标识别模型对所述测试集进行目标识别，以得到所述测试集中的目标物的类别及其对应位置的识别结果；

步骤S3之前包括：

S301、获取具有完整目标物轮廓的原始图像，对所述原始图像进行语义分割，获得所述原始图像的掩码图像，将所述掩码图像映射到所述原始图像，分割出所述原始图像中完整目标物轮廓的所在区域，将所述原始图像中完整目标物轮廓的所在区域作为处理图像；

S302、对所述处理图像进行二值化分割处理，获得二值化图像，提取所述二值化图像中的所述完整目标物轮廓的形态轮廓特征；

S303、对所述图像集进行灰度处理，得到灰度图像集；

S304、利用景深将所述灰度图像集中的每个灰度图像分为前景和背景区域；

S305、将所述前景进行二值化阈值分割，提取轮廓线，从而形成若干个二值化前景子区域；

S306、剔除像素面积小于预设像素面积的二值化前景子区域，根据剔除后的各个二值化前景子区域得到各个候选区域；

S307、根据所述目标物的形态轮廓特征在各个候选区域中进行形态学分析，以确定目标物的形态轮廓，从而得到目标物区域；

S308、计算所述目标物区域中各个像素点的像素值，根据各个像素点的像素值的差值判断所述目标物区域内是否覆盖遮挡物区域；

S309、当判断所述目标物区域内覆盖遮挡物区域时，计算所述遮挡物区域的像素点数量和所述目标物区域的像素点数量；

S310、判断所述遮挡物区域的像素点数量和所述目标物区域的像素点数量的比值是否大于预设第一比值，若判断所述遮挡物区域的像素点数量和所述目标物区域的像素点数量的比值大于所述预设第一比值时，则剔除相应的图像。

2.根据权利要求1所述的输电系统的小目标识别方法，其特征在于，步骤S1具体包括：

S101、通过输电系统的现场摄像头获取具有目标物的图像，识别所述具有目标物的图像的背景，根据背景类型将所述具有目标物的图像按照VOC图像集格式创建不同的图像集；

S102、基于预设的图像增强算法池中随机选择一种或多种图像增强算法对所述图像集进行图像增强处理，所述预设的图像增强算法池内包括基于直方图均衡化的图像增强算法、基于拉普拉斯算子的图像增强算法、基于伽马变换的图像增强和基于主动光照的图像增强算法。

3.根据权利要求1所述的输电系统的小目标识别方法，其特征在于，步骤S2具体包括：

S201、对经图像增强处理后的所述图像集进行增广处理，其中，增广处理的方式包括亮度变换、饱和度变换、对比度变换、翻转变换、随机修剪、噪声扰动和旋转变换；

S202、对经增广处理的所述图像集进行尺寸调整，将所述图像集的尺寸调整为统一的目标尺寸。