一种基于概率程序推断的锤具识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于概率程序推断的锤具识别方法及装置。其中，方法包括以下步骤：S1：针对一个锤具图像，采用边缘检测方法来提取锤具的轮廓数据，并将其转换为数据点集；S2：分别针对羊角锤、石工锤和钳工锤设计相应的概率程序；S3：对同一个锤具图像分别用羊角锤概率程序、石工锤概率程序和钳工锤概率程序进行推断，得到羊角锤候选形状、石工锤候选形状和钳工锤候选形状，再从候选形状中选择相似度最大的形状作为最终形状。本申请提供的基于概率程序推断的锤具识别方法使用边缘检测方法得到锤具轮廓并利用概率程序推断进行识别，不易受到噪声干扰，能够提高识别的准确率和可信度。和可信度。和可信度。

【技术实现步骤摘要】
一种基于概率程序推断的锤具识别方法及装置


[0001]本专利技术实施例涉及图像识别
，尤其涉及一种基于概率程序推断的锤具识别方法及装置。

技术介绍

[0002]目前，锤具图像识别主要应用于行李物品安检系统、锤具生产分类系统等涉及工业生产和公共安全的领域，例如：为确保机场、火车站、地铁站等其他人流众多的公共场所安全，行李中的危险物品检测(包括对尖锐锤具的检测)已成为必要的安全手段之一；性能良好、生产效率高的自动化设备在工业生产中尤为重要，通过图像识别可以将不同类型的锤具准确输送到相应的生产线上。现有的通过图像识别进行锤具检测的方式效果并没有达到最佳。

技术实现思路

[0003]基于此，本专利技术实施例提供了一种基于概率程序推断的锤具识别方法及装置，以提高锤具识别的准确性和可信度。技术方案如下：
[0004]第一方面，本申请实施例中提供了一种基于概率程序推断的锤具识别方法，所述方法包括以下步骤：
[0005]S1：针对一个锤具图像，采用边缘检测方法来提取锤具的轮廓数据，并将其转换为数据点集；
[0006]S2：分别针对羊角锤、石工锤和钳工锤设计相应的概率程序
[0007]S3：针对所述数据点集分别用羊角锤概率程序、石工锤概率程序和钳工锤概率程序进行推断，得到羊角锤候选形状、石工锤候选形状和钳工锤候选形状，再从候选形状中选择相似度最大的形状作为最终形状。
[0008]可选地，所述S1中边缘检测方法提取锤具轮廓的步骤如下：
[0009]S1
‑r/>1：对读入的图像进行压缩，并转换为单通道的灰度图；
[0010]S1
‑
2：使用改进的Canny检测算法进行边缘检测，识别真实边缘；
[0011]S1
‑
3：去除噪声：在边缘检测完成后，利用形态学“开”操作将小的噪声消除，再离用“闭”操作重建丢失边缘的部分，以填充目标物的内控，获得主要特征对象的轮廓；
[0012]S1
‑
4：轮廓提取：图像中的每个轮廓均对应一个点集，首先根据判断轮廓的起始点是否闭合来决定是否保存，然后构建轮廓树。其中，使用OpenCV提供的函数findContours实现轮廓的构建，选择RETR_EXTERNAL检索模式用于只检测外轮廓，选择CHAIN_APPROX_NONE近似方法用于存储所有的外周轮廓点。
[0013]可选地，所述S2中概率程序的构建方法如下：
[0014]首设置锤头的控制点个数可变，锤柄的控制点个数固定，使用三次B样条(B
‑
Spline)方法来描述样条曲线近似拟合，所述概率程序通过多个控制点的闭合样条曲线来描述。
[0015]可选地，所述S3中概率程序推断的步骤如下：
[0016]S3
‑
1：根据当前参数值运行概率程序并得到对应的几何形状；
[0017]S3
‑
2：利用平均测度方法计算该几何形状与图像数据点集的相似度；
[0018]S3
‑
3：利用杜鹃搜索算法更新概率程序的参数值，并重复上述步骤直至几何形状与图像数据点集的相似度基本不变。
[0019]第二方面，本申请实施例提供了一种基于概率程序推断的锤具识别装置，所述装置包括：
[0020]提取模块，用于针对一个锤具图像，采用边缘检测方法来提取锤具的轮廓数据，并将其转换为数据点集；
[0021]程序设计模块，用于分别针对羊角锤、石工锤和钳工锤设计相应的概率程序；
[0022]识别模块，用于针对所述数据点集分别用羊角锤概率程序、石工锤概率程序和钳工锤概率程序进行推断，得到羊角锤候选形状、石工锤候选形状和钳工锤候选形状，再从候选形状中选择相似度最大的形状作为最终确定的形状。
[0023]为了提高锤具识别的准确率和可信度，本专利技术设计了一种基于概率程序推断的锤具识别方法。该方法的关键在于使用了基于从几何形状到数据点集间误差的锤具相似度度量标准(称为平均测度)，该标准能够鲁棒地评估几何形状和不完美(有噪声，离群点或不完整)数据点集间的相似度。
[0024]本技术方案的原理及有益效果：
[0025]本专利技术利用边缘检测方法来提取锤具图像的轮廓数据，针对羊角锤、石工锤和钳工锤分别设计相应的概率程序，然后对同一个锤具图像分别用羊角锤概率程序、石工锤概率程序和钳工锤概率程序进行推断，得到羊角锤候选形状、石工锤候选形状和钳工锤候选形状，再从候选形状中选择相似度最大的形状作为最终形状。关键步骤之一是概率程序推断，其原理是利用杜鹃搜索算法不断更新优化几何形状，使之能够完全检测出锤具的轮廓。相对于现有其他技术，本技术的数据利用效率高、可解释性好、鲁棒性强。
附图说明
[0026]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0028]图1为本专利技术实施例中示出的一种基于概率程序推断的锤具识别方法的流程示意图；
[0029]图2a
‑
2d为本专利技术实施例中示出的边缘检测方法对锤具的轮廓提取示意图；
[0030]图3为本专利技术实施例中示出的概率程序推断流程示意图；
[0031]图4为本专利技术实施例中示出的锤具识别方法总体流程示意图；
[0032]图5a
‑
5f为本专利技术实施例提供的测试结果图；
[0033]图6a
‑
6c为本专利技术实施例提供的锤具概率程序推断的相似度进化过程图；
[0034]图7为本专利技术实施例中示出的一种基于概率程序推断的锤具识别装置的结构示意
图。
具体实施方式
[0035]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率程序推断的锤具识别方法，其特征在于，所述方法包括以下步骤：S1：针对一个锤具图像，采用边缘检测方法来提取锤具的轮廓数据，并将其转换为数据点集；S2：分别针对羊角锤、石工锤和钳工锤设计相应的概率程序；S3：针对所述数据点集分别用羊角锤概率程序、石工锤概率程序和钳工锤概率程序进行推断，得到羊角锤候选形状、石工锤候选形状和钳工锤候选形状，再从候选形状中选择相似度最大的形状作为最终确定的形状。2.根据权利要求1所述的方法，其特征在于，所述S1中边缘检测方法提取锤具轮廓的步骤如下：S1
‑
1：对读入的图像进行压缩，并转换为单通道的灰度图；S1
‑
2：使用改进的Canny检测算法进行边缘检测，识别真实边缘；S1
‑
3：去除噪声：在边缘检测完成后，利用形态学“开”操作将小的噪声消除，再离用“闭”操作重建丢失边缘的部分，以填充目标物的内控，获得主要特征对象的轮廓；S1
‑
4：轮廓提取：图像中的每个轮廓均对应一个点集，首先根据判断轮廓的起始点是否闭合来决定是否保存，然后构建轮廓树；其中，使用 OpenCV 提供的函数findContours实现轮廓的构建，选择RETR_EXTERNAL 检索模式用于只检测外轮廓，选择 CHAIN_APPROX_NONE 近似方法用于...

【专利技术属性】
技术研发人员：张宗良，王永贤，黄兴旺，林阳斌，浦云明，
申请(专利权)人：集美大学，
类型：发明
国别省市：