【技术实现步骤摘要】
基于深度学习的移动端类矩形物体边缘检测方法
本专利技术涉及移动端类矩形物体边缘检测方法。
技术介绍
矩形或者类矩形物体的检测,在工业界需求广泛。随着深度学习技术的发展,其影响领域涉及到各行各业。深度学习技术对于检测领域鲁棒性较强,检测精度高,但是缺点也较为明显,专业性较强,训练复杂,难以在移动端部署等等。传统上,普遍使用的方法是调用OpenCV里面的函数,但是真实的场景图片会比这个复杂的多,会有各种干扰因素。OpenCV函数依赖很多阀值参数,往往这些阀值参数的选择依赖于专业人士的经验和调试方法,较为复杂。但是传统OpenCV算法有着其天然的优势,那就是足够轻量化,可以很容易在移动端部署。
技术实现思路
本专利技术的目的是为了解决现有移动端类矩形物体边缘检测方法检测效率低、准确性差的问题,而提出基于深度学习的移动端类矩形物体边缘检测方法。基于深度学习的移动端类矩形物体边缘检测方法具体过程为:步骤一、对待测物体边缘图像进行粗提取;步骤二、对步骤一中粗提取后的图像使用OpenCV的HoughLinesP函数检测线段;步骤三、将检测到的线段延长成直线,利用直线间的角度、距离约束条件,对相等、相似的直线利用求均值方法合成一条直线;所述相似为角度相差小于等于5度,距离小于3个像素;步骤四、计算直线或直线延长线之间的交叉点的距离,将距离小于20像素距离的交叉点合并;计算不能合并直线之间的交叉点个数;步骤五、利用矩形或类矩形的角度条件,对不能合并直线之间的所 ...
【技术保护点】
1.基于深度学习的移动端类矩形物体边缘检测方法,其特征在于:所述方法具体过程为:/n步骤一、对待测物体边缘图像进行粗提取;/n步骤二、对步骤一中粗提取后的图像使用OpenCV的HoughLinesP函数检测线段;/n步骤三、将检测到的线段延长成直线,利用直线间的角度、距离约束条件,对相等、相似的直线利用求均值方法合成一条直线;/n所述相似为角度相差小于等于5度,距离小于3个像素;/n步骤四、计算直线或直线延长线之间的交叉点的距离,将距离小于20像素距离的交叉点合并;计算不能合并直线之间的交叉点个数;/n步骤五、利用矩形或类矩形的角度条件,对不能合并直线之间的所有交叉点,每次取出其中的4个,判断这4个点组成的四边形是否是一个矩形或类矩形;若不是矩形或类矩形则删除;若是矩形或类矩形则保留;判断保留的矩形或类矩形的个数;若为1,得到矩形或类矩形的边缘;若大于等于2,执行步骤六;/n所述类矩形为平行四边形或内角和为360度的四边形;/n步骤六、找出周长或面积最大的矩形或类矩形,得到矩形或类矩形的边缘。/n
【技术特征摘要】
1.基于深度学习的移动端类矩形物体边缘检测方法,其特征在于:所述方法具体过程为:
步骤一、对待测物体边缘图像进行粗提取;
步骤二、对步骤一中粗提取后的图像使用OpenCV的HoughLinesP函数检测线段;
步骤三、将检测到的线段延长成直线,利用直线间的角度、距离约束条件,对相等、相似的直线利用求均值方法合成一条直线;
所述相似为角度相差小于等于5度,距离小于3个像素;
步骤四、计算直线或直线延长线之间的交叉点的距离,将距离小于20像素距离的交叉点合并;计算不能合并直线之间的交叉点个数;
步骤五、利用矩形或类矩形的角度条件,对不能合并直线之间的所有交叉点,每次取出其中的4个,判断这4个点组成的四边形是否是一个矩形或类矩形;若不是矩形或类矩形则删除;若是矩形或类矩形则保留;判断保留的矩形或类矩形的个数;若为1,得到矩形或类矩形的边缘;若大于等于2,执行步骤六;
所述类矩形为平行四边形或内角和为360度的四边形;
步骤六、找出周长或面积最大的矩形或类矩形,得到矩形或类矩形的边缘。
2.根据权利要求1所述基于深度学习的移动端类矩形物体边缘检测方法,其特征在于:所述步骤一中对待测物体边缘图像进行粗提取;具体过程为:
步骤一一、建立训练集;
步骤一二、建立HED网络模型;
步骤一三、将训练集输入HED网络模型进行训练,得到训练好的HED网络模型;
步骤一四、将待测物体边缘图像输入训练好的HED网络模型,对待测物体边缘图像进行粗提取。
3.根据权利要求2所述基于深度学习的移动端类矩形物体边缘检测方法,其特征在于:所述步骤一一中建立训练集;具体过程为:
训练集包含合成图像与真实图像。
所述真实图像为:需要检测的含有矩形或类矩形的图像;
所述合成图像为:在前景图上添加旋转、平移、透视变换,对背景图进行随机裁剪,利用OpenCV中的...
【专利技术属性】
技术研发人员:高会军,刘金泽,郭绪亮,李秋生,郑祥滨,
申请(专利权)人:航天科技控股集团股份有限公司,
类型:发明
国别省市:黑龙江;23
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。