一种基于多示例的输电线路区域车辆类型的识别方法技术

本发明专利技术构造出适合于输电线路监控的包结构，进而成功地将多示例学习方法引入到此类图像的分类问题中，并解决了由于ROI提取算法不精确而造成的多ROI分类问题。在此类问题上，对车辆的分类效果相对于传统分类方法有较大的提高。

A multi example based identification method for vehicle types in a transmission line area

The invention constructs a packet structure suitable for transmission line monitoring, and successfully introduces multi instance learning method to such image classification problem, and solves the multi ROI classification problem caused by the inaccuracy of the ROI extraction algorithm. On this kind of problem, the classification effect of the vehicle is greatly improved compared with the traditional classification method.

【技术实现步骤摘要】
一种基于多示例的输电线路区域车辆类型的识别方法
本专利技术涉及输电线路
，更具体地，涉及一种基于多示例的输电线路区域车辆类型的识别方法。
技术介绍
近年来，输电线路遭到人为过失破坏的问题越来越突出。例如：盲目施工、机耕作业、交通事故等。由于输电线路长期裸露在野外，具有面广、线长的特点，有的输电线路还处于人口密集地区，输电线路一旦遭受外力破坏，不仅影响电力企业的安全生产和人民群众的人身安全，给生活带来不可估量的损失，更重要的是制约国民经济的快速发展。输电线路监控任务的需求日益迫切。目前，输电线路前端摄像头的数量规模日益增长，而目前主要采用人工的方式对监控视频进行查看。这种方式会造成监视人员疲乏，效率低下，不能及时发现输电线路及周边发生的异常情况。在图像处理技术和模式识别技术快速发展的情况下，利用智能化巡检替代人员巡视是必然趋势。在传统学习框架中，一个样本代表一个示例，即样本和示例是一一对应关系，同时示例的标签全部已知或者全部未知；而在多示例学习中，一个样本被定义为一个包，其中包含了多个示例，即样本和示例是一对多的对应关系，同时样本(包)的标签已知但是示例的标签未知。所以多示例学习本文档来自技高网...

【技术保护点】
一种基于多示例的输电线路区域车辆类型的识别方法，其特征在于：包括以下步骤：S1.通过训练样本和测试样本构建包结构，形成测试示例包和多个训练示例包，其中所述训练示例包可为正例示例包或反例示例包；S2.分别计算测试示例包和每个训练示例包之间的Hausdorff距离，然后测试示例包选取距离最接近的数个训练示例包作为其投票集合；S3.计算测试示例包与投票集合间基于距离加权的决策函数：

【技术特征摘要】
1.一种基于多示例的输电线路区域车辆类型的识别方法，其特征在于：包括以下步骤：S1.通过训练样本和测试样本构建包结构，形成测试示例包和多个训练示例包，其中所述训练示例包可为正例示例包或反例示例包；S2.分别计算测试示例包和每个训练示例包之间的Hausdorff距离，然后测试示例包选取距离最接近的数个训练示例包作为其投票集合；S3.计算测试示例包与投票集合间基于距离加权的决策函数：其中X为测试示例包，Ti为X投票集合中的训练示例包，其标签ci为+1或-1，分别表示训练示例包为正例示例包或反例示例包；d(Ti,X)为训练示例包Ti与测试示例包X之间的距离函数；Wi(d(Ti，X))表示训练示例包Ti与测试示例包X之间的距离加权值；S4.计算测试示例包与投票集合间基于离散度加权的决策函数：

【专利技术属性】
技术研发人员：陈清江，彭子平，王干军，高健，王金城，罗应文，肖伟秋，周一，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：广东,44