智能巡检方法技术

本发明专利技术公开一种智能巡检方法，包括：采集巡检图像；对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息；获取自适应阈值函数曲线，所述自适应阈值函数包括多个变量；根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像。本发明专利技术通过设置包括多个参数的自适应阈值，并根据自适应阈值对巡检图像进行二次巡检，可以在降低漏检率的同时降低误检率。

Intelligent Patrol Inspection Method

【技术实现步骤摘要】
智能巡检方法
本专利技术涉及监控领域，具体涉及一种智能巡检方法。
技术介绍
随着图像处理技术的发展，监控设备的性能也大大提高，比如现在的智能摄像头就可以对某个场景或某幅图片中的目标进行检测与识别，将感兴趣的目标对象和不感兴趣的非目标对象分开，从而提高巡检效率和准确性。现有的智能摄像头在巡检过程中识别图像目标时，通过相关图像算法可以产生多个可能包含目标的边框，同时对各个边框的边框信息进行标注，比如对边框得分(边框得分表示边框内图像属于某一种类的概率)进行标注，如果某边框得分超过预设阈值，则保留该边框并将该边框包含的图像信息采集回来进行处理，这样的采集方式存在一个不足：由于预设阈值只涉及一个参数，如果预设阈值设置得过大，则导致漏检率高，如果预设阈值设置得过低，则误检率高。
技术实现思路
有鉴于此，本专利技术提供一种智能巡检方法，其通过设置包括多个参数的自适应阈值，并根据自适应阈值对巡检图像进行二次巡检，可以在降低漏检率的同时降低误检率。本方案通过以下技术手段实现：智能巡检方法，包括：采集巡检图像；对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息；获取自适应阈值函数曲线，所述自适应阈值函数包括多个变量；根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像。进一步地，根据RegionProposalNetwork算法对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框。进一步地，所述候选边框信息包括候选边框尺寸、候选边框得分和候选边框位置坐标。进一步地，所述自适应阈值函数的变量包括边框尺寸和边框得分。进一步地，所述自适应阈值函数曲线的构造过程包括：采集标准图像；对所述标准图像进行处理并在所述标准图像上得到多个备用边框，获取每个备用边框的边框尺寸和边框得分；采集每个备用边框内的图像，判断每个备用边框内的图像是否符合要求，如果符合要求，记录相应备用边框的边框尺寸和边框得分；根据所有符合要求的备用边框的边框尺寸和边框得分，计算得到自适应阈值函数并构造自适应阈值函数曲线。进一步地，所述自适应阈值函数曲线的横坐标和纵坐标分别表示边框尺寸和边框得分。进一步地，所述根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像这一步骤包括一次巡检步骤和二次巡检步骤，所述一次巡检步骤包括：获取巡检图像上每个候选边框的边框尺寸和边框得分；在所述自适应阈值函数曲线的坐标系内，判断每个候选边框的边框尺寸和边框得分构成的坐标点是否位于所述自适应阈值函数曲线上方，如果是，则相应候选边框为符合要求的候选边框，如果不是，则相应候选边框为待定候选边框；采集符合要求的待采候选边框内的图像。进一步地，所述二次巡检步骤包括：调整图像采集设备的焦距和方向，根据所述待定候选边框的边框位置坐标，采集所述巡检图像的局部图像；对所述局部图像进行处理并在所述局部图像上得到一个或多个二次候选边框，获取每个二次候选边框的边框尺寸和边框得分；根据所述自适应阈值函数曲线和每个二次候选边框的边框尺寸和边框得分，采集符合要求的二次候选边框内的图像。进一步地，所述根据所述自适应阈值函数曲线和每个二次候选边框的边框尺寸和边框得分，采集符合要求的二次候选边框内的图像这一步骤包括：获取预设边框尺寸和预设边框得分；在所述自适应阈值函数曲线的坐标系内，判断每个二次候选边框的边框尺寸和边框得分构成的坐标点是否位于所述自适应阈值函数曲线上方，如果是，则该二次候选边框为符合要求的二次候选边框，如果不是，则该二次候选边框为待定二次候选边框；判断所述待定二次候选边框的边框尺寸是否大于所述预设边框尺寸，如果是，则该待定二次候选边框为不符合要求的二次候选边框，直接舍弃，如果不是，则进行下一步；判断所述待定二次候选边框的边框得分是否大于所述预设边框得分，如果是，则该待定二次候选边框为符合要求的二次候选边框；采集符合要求的二次候选边框内的图像。进一步地，执行所述对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息这一步骤时，如果相邻待采候选边框有重叠，则舍弃边框得分低的候选边框。本专利技术通过设置包括多个参数的自适应阈值，并根据自适应阈值对巡检图像进行二次巡检，可以在降低漏检率的同时降低误检率。附图说明图1为根据一示例性实施例示出的一种智能巡检方法流程图。具体实施方式为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。实施例如图1所示，本实施例提供一种智能巡检方法，包括：步骤S1：采集巡检图像；步骤S2：对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息；步骤S3：获取自适应阈值函数曲线，所述自适应阈值函数包括多个变量；步骤S4：根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像。本实施中，所述智能巡检方法可以应用于智能摄像机，步骤S3中的自适应阈值函数曲线可以预先构造好并储存智能摄像机中，在巡检时可以直接从智能摄像机的存储器或存储区中调取，从而提高巡检效率，由于自适应阈值函数包括了多个变量，相比单一变量来说，本实施例兼顾性更好，不会存在漏检率高或误检率高的问题，可以很好地在漏检率和误检率之间做平衡，同时，由于采用二次巡检的方式，进一步保证了本实施例可以在降低漏检率的同时降低误检率。作为优选，步骤S2中，可以根据RegionProposalNetwork算法对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，其中，候选边框信息包括候选边框尺寸、候选边框得分和候选边框位置坐标。在图像处理时，得到的候选边框是有限的，在候选边框生成时，目标越大或是目标越近，越容易检出来，所以大的目标或近的目标不会存在或很难存在漏检，在筛选符合要求的候选边框时，如果候选边框尺寸很大但是得分很低，说明这个候选边框内的图像不是我们需要的目标图像，可以舍弃。作为优选，所述自适应阈值函数的变量包括边框尺寸和边框得分。作为优选，步骤S3中所述的自适应阈值函数曲线的构造过程包括：步骤P1：采集标准图像；步骤P2：对所述标准图像进行处理并在所述标准图像上得到多个备用边框，获取每个备用边框的边框尺寸和边框得分；步骤P3：采集每个备用边框内的图像，判断每个备用边框内的图像是否符合要求，如果符合要求，记录相应备用边框的边框尺寸和边框得分；步骤P4：根据所有符合要求的备用边框的边框尺寸和边框得分，计算得到自适应阈值函数并构造自适应阈值函数曲线。作为优选，所述自适应阈值函数曲线的横坐标和纵坐标分别表示边框尺寸和边框得分。作为优选，步骤S4，即所述根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像这一步骤包括一次巡检步骤和二次巡检步骤，所述一次巡检步骤包括：步骤S411：获取巡检图像上每个候选边框的边框尺寸和边框得分；步骤S412：在所述自适应阈值函数曲线的坐标系内，判断每个候选边框的边框尺寸和边框得分构成的坐标点是否位于所述自适应阈值函数曲线上方，如果是，则相应候选边框为符合要求的候选边框，如果不是，则相应候选边框为待定候选边框；步骤S413：采集符合要求本文档来自技高网...

【技术保护点】
1.智能巡检方法，其特征在于，包括：采集巡检图像；对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息；获取自适应阈值函数曲线，所述自适应阈值函数包括多个变量；根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像。

【技术特征摘要】
1.智能巡检方法，其特征在于，包括：采集巡检图像；对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框，获取每个候选边框信息；获取自适应阈值函数曲线，所述自适应阈值函数包括多个变量；根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像。2.根据权利要求1所述的智能巡检方法，其特征在于，根据RegionProposalNetwork算法对所述巡检图像进行处理并在所述巡检图像上得到多个候选边框。3.根据权利要求1所述的智能巡检方法，其特征在于，所述候选边框信息包括候选边框尺寸、候选边框得分和候选边框位置坐标。4.根据权利要求3所述的智能巡检方法，其特征在于，所述自适应阈值函数的变量包括边框尺寸和边框得分。5.根据权利要求4所述的智能巡检方法，其特征在于，所述自适应阈值函数曲线的构造过程包括：采集标准图像；对所述标准图像进行处理并在所述标准图像上得到多个备用边框，获取每个备用边框的边框尺寸和边框得分；采集每个备用边框内的图像，判断每个备用边框内的图像是否符合要求，如果符合要求，记录相应备用边框的边框尺寸和边框得分；根据所有符合要求的备用边框的边框尺寸和边框得分，计算得到自适应阈值函数并构造自适应阈值函数曲线。6.根据权利要求4所述的智能巡检方法，其特征在于，所述自适应阈值函数曲线的横坐标和纵坐标分别表示边框尺寸和边框得分。7.根据权利要求6所述的智能巡检方法，其特征在于，所述根据所述自适应阈值函数曲线和每个候选边框信息，采用二次巡检方法采集符合要求的候选边框内的图像这一步骤包括一次巡检步骤和二次巡检步骤，所述一次巡检步骤包括：获取巡检图像上每个候选边框的边框尺寸和边框得分；在所述自适应阈值函数曲线的坐标系内，判断每个候选边框的...

【专利技术属性】
技术研发人员：张鹏，
申请(专利权)人：成都鹏业软件股份有限公司，
类型：发明
国别省市：四川,51