一种提升地铁巡检设备图像识别准确率的识别方法及系统技术方案

本发明专利技术涉及地铁巡检设备技术领域，公开了一种提升地铁巡检设备图像识别准确率的识别方法及系统，该识别方法，将地铁巡检设备采集的图像数据与已有的巡检数据库中的图像数据进行比对，若二者存在差异常，则对地铁巡检设备采集的图像数据进行修正。本发明专利技术解决了现有技术存在的图像识别准确率较低、较难适用于复杂多变的真实场景等问题。杂多变的真实场景等问题。杂多变的真实场景等问题。

【技术实现步骤摘要】
一种提升地铁巡检设备图像识别准确率的识别方法及系统


[0001]本专利技术涉及地铁巡检
，具体是一种提升地铁巡检设备图像识别准确率的识别方法及系统。

技术介绍

[0002]目前地铁项目采用电子化联锁及通信设备为基础进行建设。大量电子通信设备的建设使得设备变得越来越多，设备室数量增多、机房面积增大，导致巡检工作量的增多。不同专业使用的设备不同、专业性不同，使得对巡检人员的技术要求也日益增大，巡检任务越来越多。检修人员每天需要对机房进行巡视，主要通过设备的灯位判断设备是否异常，准确率低、工作繁琐重复性高，同时须为机房24小时配备人员，白夜倒班与封闭的电磁环境会损伤员工身体健康。目前设备巡检采集端为机器车头部的摄像头；处理端为部署在机身的GPU服务器。在采集端收集图像时，会受到各种噪声因素的影响，不利于目标的特征提取。设备现场存在强光高曝光、低光黑暗场景、相机抖动、被干扰物体遮挡等环境噪声因素。从而影响后续的信息提取及针对目标的检测识别。
[0003]借助深度学习在特征提取方面的优越性，图像分类、目标检测和目标跟踪等计算机视觉技术在多方面领域广泛的应用。然而，深度学习高度依赖质量较高且数量较大的数据。进行训练得到的神经网络模型来拟合训练数据，泛化能力较弱，对训练集中未出现场景的处理能力较差。在理想环境且数据分布较为单一，因此AI视觉模型目标检测较难适用于复杂多变的真实场景，落地部署的应用效果较差。
[0004]采集过程中出现的各种噪声因素增大获取图像中有用信息的难度，影响图像中重要目标的特征提取和识别检测分析，降低视觉识别的性能。因此，提升实际场景中各类噪声条件下AI视觉算法的识别准确率是非常重要的，对视觉识别落地应用有重要的理论及指导意义。
[0005]综上，现有技术在进行地铁巡检设备图像识别时，存在图像识别准确率较低、较难适用于复杂多变的真实场景等问题。

技术实现思路

[0006]为克服现有技术的不足，本专利技术提供了一种提升地铁巡检设备图像识别准确率的识别方法及系统，解决现有技术存在的图像识别准确率较低、较难适用于复杂多变的真实场景等问题。
[0007]本专利技术解决上述问题所采用的技术方案是：
[0008]一种提升地铁巡检设备图像识别准确率的识别方法，将地铁巡检设备采集的图像数据与已有的巡检数据库中的图像数据进行比对，若二者存在差异常，则对地铁巡检设备采集的图像数据进行修正。
[0009]作为一种优选的技术方案，包括以下步骤：
[0010]S1，获取地铁巡检设备采集的图像数据并生成图像文件及视频文件；
[0011]S2，将获取到的图像及视频文件进行图像处理，通过图像神经网络算法进行图像运算，获取图像数据的相关识别数据；
[0012]S3，将相关识别数据进行排列组合后获得一个数据集；
[0013]S4，将排列后的识别数据与已有的巡检数据库中的数据进行比对，当发现识别数据与数据库数据存在差异常时对识别数据进行修正；
[0014]S5，输出修正后的全量识别数据。
[0015]作为一种优选的技术方案，步骤S2中，通过图像神经网络算法进行图像运算，获取图像数据的相关识别数据。
[0016]作为一种优选的技术方案，步骤S3中，按照相素从高到低的顺序对相关识别数据遍历，采用希尔排序获取到一个规则的数据集。
[0017]作为一种优选的技术方案，步骤S4中，采用最近邻插值法进行比对。
[0018]作为一种优选的技术方案，步骤S4中，采用零阶插值法进行比对。
[0019]作为一种优选的技术方案，步骤S4中，比对时，坐标变换计算公式为：
[0020]srcX＝dstX*(srcWidth/dstWidth)，
[0021]srcY＝dstY*(srcHeight/dstHeight)；
[0022]其中，dstX为目标图像的某个像素的横坐标，dstY为目标图像的某个像素的纵坐标，dstWidth为目标图像的长，dstHeight为目标图像的宽，srcWidth为原图像的宽，srcHeight为原图像的高，srcX为目标图像在点(dstX，dstY)对应的原图像的横坐标，srcY为目标图像在点(dstX，dstY)对应的原图像的纵坐标，原图像指已有的巡检数据库中的图像，目标图像指步骤S1获取到的图像。
[0023]作为一种优选的技术方案，步骤S4中，当发现识别数据与数据库数据存在差异常时对识别数据进行数据补差。
[0024]作为一种优选的技术方案，步骤S1中，地铁巡检设备通过摄像头SDK功能采集视频中的图像帧，从而采集图像数据。
[0025]一种提升地铁巡检设备图像识别准确率的识别系统，基于所述的一种提升地铁巡检设备图像识别准确率的识别方法，用以将地铁巡检设备采集的图像数据与已有的巡检数据库中的图像数据进行比对，若二者存在差异常，则对地铁巡检设备采集的图像数据进行修正。
[0026]本专利技术相比于现有技术，具有以下有益效果：
[0027](1)本专利技术图像识别准确率高、容易较难适用于复杂多变的真实场景；
[0028](2)本专利技术将神经网络识别进行优化，对专项物体识别效果进行增强，以提识别性能及效果。
附图说明
[0029]图1为本专利技术所述的一种提升地铁巡检设备图像识别准确率的识别方法的步骤示意图；
[0030]图2为本专利技术实施例的流程图。
具体实施方式
[0031]下面结合实施例及附图，对本专利技术作进一步的详细说明，但本专利技术的实施方式不限于此。
[0032]实施例
[0033]如图1、图2所示，本专利技术的具体实现方法为：
[0034]1、通过摄像头SDK功能采集视频中的图像帧，获取相关设备图像数据并生成图像文件及视频文件。
[0035]2、将获取到的图像及视频文件进行图像处理，通过图像神经网络算法进行图像运算，获取相关图像中设备相关识别数据并获得数据。图像运算使用图像BP算法，BP算法是一种计算偏导数的有效方法，它的基本原理是：利用前向传播最后输出的结果来计算误差的偏导数，再用这个偏导数和前面的隐藏层进行加权求和，如此一层一层的向后传下去，直到输入层(不计算输入层)，最后利用每个节点求出的偏导数来更新权重。
[0036]为了便于理解，后面用“残差(errorterm)”这个词来表示误差的偏导数。
[0037]输出层
→
隐藏层：残差＝
‑
(输出值
‑
样本值)*激活函数的导数。
[0038]隐藏层
→
隐藏层：残差＝(右层每个节点的残差加权求和)*激活函数的导数。
[0039]如果输出层用Purelin作激活函数，Purelin的导数是1，输出层
→
隐藏层：残差＝
‑
(输出值
‑
样本值)。
[0040]如果用Sigmoid(logsig)作激活本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，将地铁巡检设备采集的图像数据与已有的巡检数据库中的图像数据进行比对，若二者存在差异常，则对地铁巡检设备采集的图像数据进行修正。2.根据权利要求1所述的一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，包括以下步骤：S1，获取地铁巡检设备采集的图像数据并生成图像文件及视频文件；S2，将获取到的图像及视频文件进行图像处理，通过图像神经网络算法进行图像运算，获取图像数据的相关识别数据；S3，将相关识别数据进行排列组合后获得一个数据集；S4，将排列后的识别数据与已有的巡检数据库中的数据进行比对，当发现识别数据与数据库数据存在差异常时对识别数据进行修正；S5，输出修正后的全量识别数据。3.根据权利要求2所述的一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，步骤S2中，通过图像神经网络算法进行图像运算，获取图像数据的相关识别数据。4.根据权利要求3所述的一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，步骤S3中，按照相素从高到低的顺序对相关识别数据遍历，采用希尔排序获取到一个规则的数据集。5.根据权利要求4所述的一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，步骤S4中，采用最近邻插值法进行比对。6.根据权利要求5所述的一种提升地铁巡检设备图像识别准确率的识别方法，其特征在于，步骤S4中，采用零阶插值法进行比对。7.根据权利要求6所述的...

【专利技术属性】
技术研发人员：杨延杰，严勇，肖尧，王玫，王友平，唐箐，
申请(专利权)人：四川众合智控科技有限公司，
类型：发明
国别省市：