[发明专利]基于CornerNet与CenterNet的水表字轮区域定位方法在审
| 申请号： | 202111375474.0 | 申请日： | 2021-11-19 |
| 公开（公告）号： | CN114067306A | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 郭春松;邓宏平;张文胜;黄汉生 | 申请（专利权）人： | 安徽翼迈科技股份有限公司 |
| 主分类号： | G06V20/62 | 分类号： | G06V20/62;G06V10/22;G06V10/24;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 合肥律众知识产权代理有限公司 34147 | 代理人： | 殷娟 |
| 地址： | 230088 安徽省合肥市高新区柏*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 cornernet centernet 水表 区域 定位 方法 | ||
1.基于CornerNet与CenterNet的水表字轮区域定位方法，其特征在于：利用水表类型识别模型检测采集图像中的水表类型，基于水表类型调用对应CornerNet深度神经网络对采集图像中的字轮区域进行对角定位，基于水表类型调用对应CenterNet深度神经网络对采集图像中的字轮区域进行中心定位，利用对角点、中心点对采集图像进行图像校正。
2.根据权利要求1所述的基于CornerNet与CenterNet的水表字轮区域定位方法，其特征在于：所述水表类型识别模型的训练方法，包括：
S11、针对每种类型的水表收集大量样本图像，对样本图像进行扩增，并对扩增后的样本图像进行类别标记；
S12、将所有样本图像连同对应类别标签，一起输入DenseNet神经网络模型进行模型训练，并将训练后的模型文件部署在云端服务器上。
3.根据权利要求1所述的基于CornerNet与CenterNet的水表字轮区域定位方法，其特征在于：针对每种类型的水表单独训练所述CornerNet深度神经网络，包括：
S21、针对每种类型的水表收集大量样本图像，对样本图像进行扩增；
S22、人工对每种类型水表样本图像中字轮区域外接矩形的左上角点、右下角点进行标定；
S23、将所有样本图像及对应标定信息，一起输入CornerNet深度神经网络进行模型训练，并将训练后的模型文件部署在云端服务器上。
4.根据权利要求3所述的基于CornerNet与CenterNet的水表字轮区域定位方法，其特征在于：针对每种类型的水表单独训练所述CenterNet深度神经网络，包括：
S31、针对每种类型的水表收集大量样本图像，对样本图像进行扩增；
S32、人工对每种类型水表样本图像中，由左上角点、右下角点确定的字轮区域外接矩形的中心点进行标定；
S33、将所有样本图像及对应标定信息，一起输入CenterNet深度神经网络进行模型训练，并将训练后的模型文件部署在云端服务器上。
5.根据权利要求1所述的基于CornerNet与CenterNet的水表字轮区域定位方法，其特征在于：所述利用对角点、中心点对采集图像进行图像校正，包括：
S41、将CenterNet深度神经网络对采集图像中的字轮区域进行中心定位得到的中心点，与模板图的中心点进行坐标比较，对采集图像进行相应平移操作；
S42、将CornerNet深度神经网络对采集图像中的字轮区域进行对角定位得到的左上角点、右下角点之间的连线，与水平线之间的夹角作为倾斜角，对采集图像进行相应角度校正。
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安徽翼迈科技股份有限公司，未经安徽翼迈科技股份有限公司许可，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/202111375474.0/1.html，转载请声明来源钻瓜专利网。
