【技术实现步骤摘要】
一种高精度实时多尺度表盘指针检测方法和系统
本专利技术属于图像识别
，更具体地，涉及一种高精度实时多尺度表盘指针检测方法和系统。
技术介绍
传统的指针提取算法有差影法、霍夫变换直线检测等。差影法是图像分割算法中最简单的方法之一。它的思想是对比图像的差异，然后通过对图像灰度的差异进行比较或直方图的统计来判断不同的图像。差影法经常用在动态检测和目标识别与跟踪，通过差异对比，可以实现消除背景的效果。差影法的优势在于其算法简单，速度快，结果精确。但是缺点也很明显，有很多严格的前提条件，它要求原图与对比图只有指针位置的差异，其余完全相同，否则其效果会下降很大。考虑到本专利的应用场景，所获取的图像在尺寸大小、光照强弱与角度偏转等方面均有差异，所以无法满足差影法的前提条件，无法使用差影法对指针进行分割。卷积神经网络近年来在视觉相关领域得到了广泛的应用，在图像分类和人脸识别等多种计算机视觉任务中取得了显著的进展。基于深度学习在计算机视觉任务中的良好表现，近年来提出了一些基于深度学习的人脸检测方法，然而由于其复杂的网络结构，这种...
【技术保护点】
1.一种高精度实时多尺度表盘指针检测方法，其特征在于，所述方法包括以下步骤：/n(1)选取一定数量的表盘图片作为训练集；对选取的表盘图片进行标记，记录表盘图片中指针区域的位置；/n(2)对训练集中的表盘图片进行数据增强操作，以获取更多数量和更多类型的表盘图片；所述类型包括图片颜色、图片尺寸和图片方向；/n(3)将训练集输入至FaceBoxes网络，FaceBoxes网络训练得到表盘指针检测模型；/n(4)将待测图像输入至表盘指针检测模型，输出待测图像中的指针框，再由表盘盘心和指针框中心点确定指针指向。/n
【技术特征摘要】
1.一种高精度实时多尺度表盘指针检测方法，其特征在于，所述方法包括以下步骤：
(1)选取一定数量的表盘图片作为训练集；对选取的表盘图片进行标记，记录表盘图片中指针区域的位置；
(2)对训练集中的表盘图片进行数据增强操作，以获取更多数量和更多类型的表盘图片；所述类型包括图片颜色、图片尺寸和图片方向；
(3)将训练集输入至FaceBoxes网络，FaceBoxes网络训练得到表盘指针检测模型；
(4)将待测图像输入至表盘指针检测模型，输出待测图像中的指针框，再由表盘盘心和指针框中心点确定指针指向。
2.根据权利要求1所述的一种高精度实时多尺度表盘指针检测方法，其特征在于，所述方法还包括以下步骤：
(5)对待测图像中的指针框进行自适应霍夫直线检测，得到指针所在直线，再由所述直线和表盘盘心确定指针精确指向；
(6)判断所述指针指向和所述指针精确指向之间的夹角是否超过阈值角，若是则输出所述指针指向；否则输出所述指针精确指向。
3.根据权利要求1所述的一种高精度实时多尺度表盘指针检测方法，其特征在于，所述对选取的表盘图片进行标记，记录表盘图片中指针区域的位置具体为：选取表盘图片中指针区域，并记录指针区域的左上角坐标与右下角坐标。
4.根据权利要求1所述的一种高精度实时多尺度表盘指针检测方法，其特征在于，所述数据增强操作具体包括以下操作：
(21)对训练集中的表盘图片进行颜色失真处理；
(22)再对表盘图片进行随机裁剪，将一个表盘图片裁剪成多个表盘图片；
(23)将表盘图片的大小统一；
(24)将表盘图片随机水平翻转；
(25)过滤掉表盘指针框小于预设值的表盘图片。
5.根据权利要求1所述的一种高精度实时多尺度表盘指针检测方法，其特征在于，所述步骤(3)的FaceBoxes网络训练中包括以下方法：
将每个表盘匹配到具有最佳jaccard重叠的锚点，然后将锚点匹配到高于设定阈值的表盘；
采用一个2类softmax损失函数进行分类，平滑L1损失函数进行回归；
在锚匹配步骤完成后，根据损失值对正例和负例进行由优到劣的排序，并截取排序队列前端预设数量的正例和负例进行后续训练，所截取负例和正例数量比不超过3：1。
6.根...
【专利技术属性】
技术研发人员：韩守东，王俊凯，郑丽君，陈阳，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。