基于模板匹配的单样本座舱图像信号目标检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体公开了基于模板匹配的单样本座舱图像信号目标检测方法，包括以下步骤：边缘检测步骤，对存储的模板图像和实时采集的座舱图像进行灰度处理，然后对其进行边缘检测，分别得到模板边缘图像和座舱边缘图像；模板匹配步骤，检测座舱边缘图像中相匹配的部分作为目标区域；状态判断步骤，对目标区域进行颜色还原，并计算颜色还原后目标区域的颜色均值，然后根据颜色均值判断出标志状态，颜色均值为彩色三通道的颜色均值。还提供了基于模板匹配的单样本座舱图像信号目标检测系统。采用本发明专利技术的技术方案能够提高对座舱图标进行目标检测的运行速度。

【技术实现步骤摘要】
基于模板匹配的单样本座舱图像信号目标检测方法及系统
本专利技术涉及图像处理
，特别涉及基于模板匹配的单样本座舱图像信号目标检测方法及系统。
技术介绍
目标检测，也称为目标提取，是一种基于目标几何和统计特征的图像分割技术。它处理的是检测数字图像和视频中某一类语义对象(如人、建筑物或汽车)在图片中的位置和所属种类，如检测道路上的路标，照片中的人脸等。每个所需要检测的“目标”对象都有自己的特殊特征，这些特殊特征有助于检测目标的位置和分类。目标检测为了提高识别的准确性，通常会用到深度学习方法。深度学习方法通过采集海量的数据，然后在拥有强大计算机能力的计算机上进行模型训练，从而得到深度神经网络模型具有大量的数据基础，从而具有很好的目标检测性能和鲁棒性。由此，当前的目标检测技术多依赖深度学习方法。如中国专利公开号为CN103528617A，公开了一种座舱仪表自动识别和检测方法，包括以下步骤：读入仪表图像；对图像进行采样；采用非线性矢量中值滤波对图像进行降噪处理；采用全局与局部阈值法相结合，将仪表图像二值化，获得二值化图像；对图像进行细化，准确检测出指针，经细化处理后的指针成单像素宽度指针；医用改进的交叉视觉模型，提取仪表边缘；根据先验知识，进行学习训练，寻找相似特征，对仪表进行分类对比；利用梯度法，计算指针的角度。该技术方案根据先验知识，进行学习训练，寻找相似特征，对仪表进行对比分类，测量精度得到提高。但是，深度学习方法需要采集海量的数据，然后在拥有强大计算能力的计算机甚至超级计算机上进行模型训练。例如，得到一个可以用于识别座舱信号(如仪表盘上显示的未系安全带、引擎故障和水温过高等)人工智能模型。通常需要：(1)收集海量的不同型号不同环境下汽车的座舱图像；(2)对于每一张座舱图像，都需要手工标注出每个种类道路标志所在具体位置以及所属类别；(3)设计深度神经网络模型，在拥有强大计算能力的计算机上，对这些经标注了的汽车座舱图像进行长时间的训练，得出深度神经网络模型。由此，深度学习方式存在对海量的数据进行标注和训练的过程，成本比较高。另外，深度学习方法所得出的模型文件本身较为庞大，在边缘计算设备上进行部署，还需带有GPGPU(通用图像处理器)的边缘计算设备进行模型推理。并且对得出的深度神经网络模型加入新的座舱图像信号时，比如新款汽车的“车道偏移”标志，则需要重复上述步骤，对模型进行重复训练，导致运行速度缓慢，而运行速度缓慢，所导致的目标检测结果获取延时对于智能驾驶车辆而言是致命的。
技术实现思路
为解决当前对座舱图标进行目标检测的运行速度慢的技术问题，本专利技术提供基于模板匹配的单样本座舱图像信号目标检测方法及系统。本专利技术基础方案如下：基于模板匹配的单样本座舱图像信号目标检测方法，包括以下步骤：边缘检测步骤，对存储的模板图像和实时采集的座舱图像进行灰度处理，然后对其进行边缘检测，分别得到模板边缘图像和座舱边缘图像；模板匹配步骤，检测座舱边缘图像中相匹配的部分作为目标区域；状态判断步骤，对目标区域进行颜色还原，并计算颜色还原后目标区域的颜色均值，然后根据颜色均值判断出标志状态，颜色均值为彩色三通道的颜色均值。本技术方案的优点在于：本方案相对于传统上采用深度学习的方式，只在框选出的模板图像中进行边缘检测子区域(信号附近的区域)搜索保证省去了深度学习方式所需的巨量参数模型，不需要将采集的座舱图像在巨量参数模型中进行训练处理，降低对海量数据进行标注和训练过程所带来的高成本，还提高了对座舱图标进行目标检测的运行速度。进一步，边缘检测步骤包括图像预处理子步骤和边缘检测子步骤，图像预处理子步骤，对存储的模板图像和实时采集的座舱图像均进行图像标准化处理、灰度处理和降噪处理；边缘检测子步骤，对经过图像标准化处理和降噪处理的模板图像和座舱图像进行边缘检测，分别得到模板边缘图像和座舱边缘图像。有益效果：对模板图像和座舱图像均进行图像标准化处理和降噪处理，能够减轻噪声对边缘检测精度的影响，鲁棒性更好。进一步，在边缘检测子步骤中，采用Canny边缘检测技术对座舱图像和模板图像进行边缘检测。有益效果：Canny边缘检测技术相对于其它边缘检测技术而言，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连接时，才将弱边缘包含在输出图像中，因此能够检测到真正的弱边缘，检测精度比较高。并且Canny边缘检测技术将座舱图像和模板图像二值化，对图像进行细化，使得输出的图像中所检测到的边缘呈单像素边缘，即检测精度更高，鲁棒性更好。另外，Canny边缘检测技术不需要大量数据进行训练提高了计算速率。进一步，模板匹配步骤中，采用CPU并行计算多个模板边缘图像在座舱边缘图像中相匹配的部分作为目标区域。有益效果：通过CPU并行计算，可实现以多个模板边缘图像为匹配目标，同步检测座舱边缘图像中与模板边缘图像相匹配的部分，从而提高计算速度,保证目标检测的时效性。进一步，图像预处理子步骤中采用高斯模糊进行降噪处理。有益效果：高斯模糊对图像彩噪具有较好的去除效果，从而极大地消减图像噪声和光照对座舱图像的影响，鲁棒性更好。基于模板匹配的单样本座舱图像信号目标检测系统，包括边缘计算设备，边缘计算设备包括边缘检测模块、模板匹配模块和状态判断模块，其中：边缘检测模块用于对存储的模板图像和实时采集的座舱图像进行灰度化处理，然后对其进行边缘检测，分别得到模板边缘图像和座舱边缘图像；模板匹配模块用于在座舱边缘图像中捕捉与模板边缘图像相匹配的部分作为目标区域；状态判断模块用于对目标区域进行颜色还原，并计算颜色还原后，目标区域的颜色均值，然后根据颜色均值判断出标志状态，颜色均值为彩色三通道的颜色均值。有益效果：1.本方案省去了深度学习方式所需的巨量参数模型，不需要采集海量数据，且不需要对采集到的海量数据进行标注和长时间的训练，并且对座舱的座舱图像仅需采集一次，降低了数据标注和训练的成本。2.由于深度学习方式所需的巨量参数模型的文件较为庞大，在部分边缘计算设备上不适合进行部署，且还需要带有通用图像处理器的边缘计算设备进行模型推理。本方案省去了深度学习方式所需的巨量参数模型，由此，适用于更多的边缘计算设备，并且消减了边缘计算设备中设备的部署。3.本方案省去了深度学习方式所需的巨量参数模型，不需要将采集的座舱图像在巨量参数模型中进行训练处理，提高了对座舱图像进行目标检测的运行速度慢。进一步，边缘检测模块包括预处理子模块和边缘检测子模块，预处理子模块用于对存储的模板图像和实时采集的座舱图像进行图像标准化处理、灰度处理和降噪处理；边缘检测子模块用于对经过预处理子模块处理后的模板图像和座舱图像进行边缘检测，分别得到模板边缘图像和座舱边缘图像。有益效果：降低噪声对边缘检测精度的影响。进一步，边缘检测子模块采用Canny边缘检测技术对存储的模板图本文档来自技高网...

【技术保护点】
1.基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于，包括以下步骤：/n边缘检测步骤，对存储的模板图像和实时采集的座舱图像进行灰度处理，然后对其进行边缘检测，分别得到模板边缘图像和座舱边缘图像；/n模板匹配步骤，检测座舱边缘图像中相匹配的部分作为目标区域；/n状态判断步骤，对目标区域进行颜色还原，并计算颜色还原后目标区域的颜色均值，然后根据颜色均值判断出标志状态，颜色均值为彩色三通道的颜色均值。/n

【技术特征摘要】
1.基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于，包括以下步骤：
边缘检测步骤，对存储的模板图像和实时采集的座舱图像进行灰度处理，然后对其进行边缘检测，分别得到模板边缘图像和座舱边缘图像；
模板匹配步骤，检测座舱边缘图像中相匹配的部分作为目标区域；
状态判断步骤，对目标区域进行颜色还原，并计算颜色还原后目标区域的颜色均值，然后根据颜色均值判断出标志状态，颜色均值为彩色三通道的颜色均值。


2.根据权利要求1所述的基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于：边缘检测步骤包括图像预处理子步骤和边缘检测子步骤，
图像预处理子步骤，对存储的模板图像和实时采集的座舱图像均进行图像标准化处理、灰度处理和降噪处理；
边缘检测子步骤，对经过图像标准化处理和降噪处理的模板图像和座舱图像进行边缘检测，分别得到模板边缘图像和座舱边缘图像。


3.根据权利要求2所述的基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于：在边缘检测子步骤中，采用Canny边缘检测技术对座舱图像和模板图像进行边缘检测。


4.根据权利要求1所述的基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于：模板匹配步骤中，采用CPU并行计算多个模板边缘图像在座舱边缘图像中相匹配的部分作为目标区域。


5.根据权利要求2所述的基于模板匹配的单样本座舱图像信号目标检测方法，其特征在于：图像预处理子步骤中采用高斯模糊进行降噪处理。


6.基于模板匹配的单样本座舱图像信号目标检测系...

【专利技术属性】
技术研发人员：梅灵睿，潘伟，张鑫，陈涛，张强，蒲紫光，
申请(专利权)人：中汽院智能网联科技有限公司，中国汽车工程研究院股份有限公司，
类型：发明
国别省市：重庆;50