【技术实现步骤摘要】
一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法
本专利技术涉及图像处理领域、目标检测以及目标追踪领域,具体设计了一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法。
技术介绍
传统图像检测与追踪算法通常采用单个分类器进行检测与追踪,然而采集的视频数据很容易受到光线和污泥等外界因素的干扰,加上不同的分类器对不同干扰的敏感度不同。在这些干扰因素下,单一分类器往往会因这些干扰给出错误的判断结果,准确率和可靠性都难以保证,在检测、跟踪等实际应用上有很大的影响。实际对机器学习相关内容与问题进行研究与分析的过程当中,集成学习为其关键构成部分之一,而且,在过去的一段时间里,研究领域围绕集成学习展开了更加系统全面的探究。其对各种不同的分类算法进行合理利用,能够获得各种基分类器,在这个基础上,借助于各种不同的手段将其加以组合,最终将集成分类器构建起来。对于这种分类器而言,与单一分类器更相比,所具有的性能更加突出。进一步对集成方法思路的基本测定进行归纳与总结能够得出,其对部分算法生成基分类器进行调用,此外,根 ...
【技术保护点】
1.一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法,其特征在于,所述方法包括以下步骤:/n步骤一:混凝土搅拌车搅拌筒运作视频数据集采集,采集搅拌桶正在运作的视频图像,视频采集过程中尽可能排除搅拌筒以外的区域,筛选出用于检测追踪的数据源,然后选取感兴趣区域感兴趣区域,并对执行图像预处理操作;/n步骤二:搅拌桶特征检测,根据步骤一采集的数据集,对其进行直线检测,角点检测以及轮廓检测,并标注检测出的特征,提取相应特征的中心点;/n步骤三:搅拌桶特征跟踪,根据步骤二得到的特征中心点,再通过对比序列图像特征位置中心点的变化,对其进行追踪获得结果,初步判断搅拌桶转向;/n步 ...
【技术特征摘要】
1.一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法,其特征在于,所述方法包括以下步骤:
步骤一:混凝土搅拌车搅拌筒运作视频数据集采集,采集搅拌桶正在运作的视频图像,视频采集过程中尽可能排除搅拌筒以外的区域,筛选出用于检测追踪的数据源,然后选取感兴趣区域感兴趣区域,并对执行图像预处理操作;
步骤二:搅拌桶特征检测,根据步骤一采集的数据集,对其进行直线检测,角点检测以及轮廓检测,并标注检测出的特征,提取相应特征的中心点;
步骤三:搅拌桶特征跟踪,根据步骤二得到的特征中心点,再通过对比序列图像特征位置中心点的变化,对其进行追踪获得结果,初步判断搅拌桶转向;
步骤四:追踪结果预测并使用分类器集成,给初始图像一个预测值,计算每帧图像的预测值大小,根据预测值判断基分类器追踪结果,然后采用投票法对经过预测后的追踪结果投票表决,判定最终的搅拌桶转向。
2.根据权利要求1所述的一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法,其特征在于,步骤一中所述得到混凝土搅拌车搅拌筒运作视频数据集采集方法包括以下步骤;
步骤一:首先利用现有工具模拟混凝土搅拌车搅拌桶运作视频,或自行采集工地视频进行图片分帧提取;
步骤二:然后手动设置感兴趣区域,或者利用现有方法自动选取感兴趣区域,感兴趣区域要求最大化的包含搅拌桶的特征区域,同时排除特征区域以外的部分,以免对图像特征检测过程形成干扰;
步骤三:最后执行图像预处理操作,图像预处理过程可以根据常用图像处理方法,比如灰度化,二值化处理等方法;或使用形态学操作方法使图像更加平滑,消除图像中微小噪点(如粘在搅拌桶上的泥点)对检测过程造成影响;或使用深度学习相关算法对图像质量进行提升。
3.根据权利要求1所述的一种基于分类器集成的混凝土搅拌车搅拌桶转向的检测与追踪方法,其特征在于,步骤二所述的搅拌桶特征检测包括以下步骤:
步骤一:通过直线检测算法对搅拌桶的线段特征进行提取并标注,为了精确提取搅拌桶上线段特征,需要对检测到线段的角度进行限制,最大化符合真实线段的角度。另外,如遇到位置相近或具有延展性趋势的线段,需要对其拟合,设两条线段中心点距离小于d,对其执行拟合操作,其中心点M的位置坐标(xm,ym)的计算公式为:
其中,(xi,yi)(i=1,2,...,N)表示检测线段左端点的坐标,(xj,yj)(j=1,2,...,N)表示检测线段右端点的坐标,然后计算待拟合线段中心点的距离,其距离计算公式如下;
其中,(xi,yi)(i=1,2,...,m)表示检测出待拟合线段i的中心点坐标,(xj,yj)(j=1,2,...,N)表示检测出待拟合线段j的中心点坐标,d表示待拟合线段中心点的距离。
步骤二:通过角点检测算法对搅拌桶图案密集区域的角点特征进行提取并标注,为了避免干扰角点的干扰,用聚...
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。