【技术实现步骤摘要】
本专利技术涉及电子产品领域，具体为一种用于电子烟、雾化器和电池杆的识别方法。
技术介绍
1、随着电子烟、雾化器和电池杆等电子设备在当前社会中的广泛普及和使用不断增长，相关管理和监控面临着新的挑战和需求，这些电子设备的普及性使得它们在各种场景中的存在变得越来越普遍，包括但不限于公共场所、交通枢纽、以及各类安全检查点。
2、在公共场所，对这些电子设备进行准确的识别显得尤为重要，例如，在机场、车站等交通枢纽，对乘客携带的电子烟等设备进行快速而准确的检测，不仅有助于确保乘客的安全，还能有效防范潜在的安全风险，此外，公共交通工具、商场、学校等场景也需要对这类电子设备进行管理和监控，以维护秩序和安全。
3、在安全检查点，对电子设备的精准辨识对于防范非法物品携带和确保安全至关重要，电子烟、雾化器和电池杆等设备的外观差异较小，传统手段可能难以对其进行有效区分，因此需要一种高效且精准的识别方法，以满足对这些设备的管理和监控需求。
4、现有技术中，传统的电子烟、雾化器和电池杆识别方法通常存在单一性，从而会导致识别准确性的不稳定，并且传统识别方法的处理速度较慢，难以满足对实时性的要求。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种用于电子烟、雾化器和电池杆的识别方法，解决了传统的电子烟、雾化器和电池杆识别方法通常存在单一性，从而会导致识别准确性的不稳定，并且传统识别方法的处理速度较慢，难以满足对实时性的要求的问题。
2、为实现以上目的，本专利
3、进一步地，所述特征数据包括电子烟、雾化器和电池杆的形状信息、尺寸信息以及颜色信息，所述形状信息为电子烟、雾化器和电池杆的边缘坐标的曲率值，所述尺寸信息为电子烟、雾化器和电池杆的长度、宽度和高度，所述颜色信息为电子烟、雾化器和电池杆中各像素点的rgb值。
4、进一步地，所述特征相似性得分的计算公式如下：；其中，xs为相似性得分，xz为特征数据的形状信息值，为识别特征数据的形状信息值，cx为特征数据的尺寸信息值，为识别特征数据的尺寸信息值，ys为特征数据的颜色信息值，为识别特征数据的颜色信息值，、、分别为、、的权重值，e为自然常数。
5、进一步地，所述特征数据的形状信息值与所述识别特征数据的形状信息值的计算步骤一致，所述识别特征数据的形状信息值的计算步骤如下：获取识别特征数据中边缘像素点的曲率值；读取各边缘像素点的曲率值并进行计算，获得形状信息值，其计算公式如下：；其中，为第i个边缘像素点的曲率值，为第i个边缘像素点的斜率，为第i个边缘像素点的二阶导数，i=1,2,3，...，n，n为边缘像素点的个数。
6、进一步地，所述特征数据的尺寸信息值与所述识别特征数据的尺寸信息值的计算步骤一致，所述识别特征数据的尺寸信息值的计算步骤如下：分别获取识别特征数据中图像的长度、宽度和高度；基于识别特征数据中图像的长度、宽度和高度计算尺寸信息值，其计算公式如下：；其中，cd为识别特征数据中图像的长度，kd为识别特征数据中图像的宽度，gd为识别特征数据中图像的高度。
7、进一步地，所述特征数据的颜色信息值与所述识别特征数据的颜色信息值的计算步骤一致，所述识别特征数据的颜色信息值的计算步骤如下：获取识别特征数据中各像素点的rgb值；读取各像素点的rgb值并分别分配一个权重值；基于各像素点的rgb值以及权重值计算颜色信息值，其计算公式如下：；其中，为第j个像素点的rgb值，为第j个像素点的rgb值的权重值，j=1,2,3，...，m，m>n，m为像素点的个数。
8、进一步地，所述特征提取模型的构建步骤如下：获取不同角度的电子烟、雾化器和电池杆的图像数据集并进行预处理；基于预处理后的电子烟、雾化器和电池杆的图像数据构建图像数据集，并分为训练数据集和验证数据集；构建一个以循环神经网络为架构、lstm为变体的深度学习模型，并以预处理后的电子烟、雾化器和电池杆的图像数据集作为输入数据，电子烟、雾化器和电池杆的特征数据作为输出数据；读取训练数据集并对深度学习模型进行训练，并计算得到特征损失函数；使用验证数据集评估模型性能，并根据验证结果调节模型参数，直至模型预测特征数据符合实际特征数据值。
9、进一步地，获取不同角度的电子烟、雾化器和电池杆的图像数据并进行预处理，包括：将不同角度的电子烟、雾化器和电池杆的图像数据调整为相同尺寸大小，对调整后的图像数据进行去噪处理，对去噪后的图像数据中的各像素点的像素值亮度进行标准化处理，其计算公式如下：；其中，为第a个图像数据中第s个像素点的标准化处理后的像素值，为第a个图像数据中第s个像素点的原始像素值，为第a个图像数据中的平均像素值，为缩放因子，为设定的目标像素值，e为自然常数。
10、进一步地，第a个图像数据中的平均像素值的计算步骤如下：分别获取第a个图像数据中红色通道、绿色通道、蓝色通道上的像素点的数量以及像素值；基于各通道上的像素点的数量以及像素值计算第a个图像数据中的平均像素值，其计算公式如下：；其中，为第a个图像数据中红色通道内的第f个像素点的像素值，f=1,2,3，...，f，f为红色通道中像素点的个数，为第a个图像数据中绿色通道内的第g个像素点的像素值，g=1,2,3，...，g，g为绿色通道中像素点的个数，为第a个图像数据中蓝色通道内的第h个像素点的像素值，h=1,2,3，...，h，h为蓝色通道中像素点的个数，f、g、h三者之和为第a个图像数据中像素点的总个数。
11、进一步地，所述特征损失函数的计算公式如下：；其中，为特征损失函数，k=1,2,3，...，u，u为训练的样本数量，e为自然常数，为第k个实际特征数据值，为第k个模型预测的预测特征数据值。
12、本专利技术具有以下有益效果：
13、（1）、该用于电子烟、雾化器和电池杆的识别方法，通过获取电子烟、雾化器和电池杆的形状、尺寸和颜色信息，从而提高了对这些设备的综合识别能力，通过曲率值捕捉形状信息，采集长度、宽度和高度信息，以及颜色信息的rgb值，使系统能够更全面、灵活地考虑不同特征的贡献，从而提高了综合识别的准确性和适应性。
14、（2）、该用于电子烟、雾化器和电池杆的识别方法，通过特征相似性得分的计算逻辑考虑了形状、尺寸和颜色信息，并引入了权重值进行加权计算，使得系统在识别过程中能够更全面、灵活地考虑不同特征的相对重要性，提高了识别的准确性，引入对比值和加权求和的逻辑有效降低了特征值的绝对差异对最终相似性得分的影响，增强了系统对不同设备间特征值范本文档来自技高网...
【技术保护点】
1.一种用于电子烟、雾化器和电池杆的识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据包括电子烟、雾化器和电池杆的形状信息、尺寸信息以及颜色信息，所述形状信息为电子烟、雾化器和电池杆的边缘坐标的曲率值，所述尺寸信息为电子烟、雾化器和电池杆的长度、宽度和高度，所述颜色信息为电子烟、雾化器和电池杆中各像素点的RGB值。
3.根据权利要求2所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征相似性得分的计算公式如下：；其中，XS为相似性得分，XZ为特征数据的形状信息值，为识别特征数据的形状信息值，CX为特征数据的尺寸信息值，为识别特征数据的尺寸信息值，YS为特征数据的颜色信息值，为识别特征数据的颜色信息值，、、分别为、、的权重值，e为自然常数。
4.根据权利要求3所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据的形状信息值与所述识别特征数据的形状信息值的计算步骤一致，所述识别特征数据的形状信息值的计算步骤如下：
5.根据权
6.根据权利要求3所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据的颜色信息值与所述识别特征数据的颜色信息值的计算步骤一致，所述识别特征数据的颜色信息值的计算步骤如下：
7.根据权利要求1所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征提取模型的构建步骤如下：
8.根据权利要求7所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：获取不同角度的电子烟、雾化器和电池杆的图像数据并进行预处理，包括：将不同角度的电子烟、雾化器和电池杆的图像数据调整为相同尺寸大小，对调整后的图像数据进行去噪处理，对去噪后的图像数据中的各像素点的像素值亮度进行标准化处理，其计算公式如下：；其中，为第a个图像数据中第s个像素点的标准化处理后的像素值，为第a个图像数据中第s个像素点的原始像素值，为第a个图像数据中的平均像素值，为缩放因子，为设定的目标像素值，e为自然常数。
9.根据权利要求8所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：第a个图像数据中的平均像素值的计算步骤如下：
10.根据权利要求7所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征损失函数的计算公式如下：；其中，为特征损失函数，k=1,2,3，...，U，U为训练的样本数量，e为自然常数，为第k个实际特征数据值，为第k个模型预测的预测特征数据值。
...【技术特征摘要】
1.一种用于电子烟、雾化器和电池杆的识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据包括电子烟、雾化器和电池杆的形状信息、尺寸信息以及颜色信息，所述形状信息为电子烟、雾化器和电池杆的边缘坐标的曲率值，所述尺寸信息为电子烟、雾化器和电池杆的长度、宽度和高度，所述颜色信息为电子烟、雾化器和电池杆中各像素点的rgb值。
3.根据权利要求2所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征相似性得分的计算公式如下：；其中，xs为相似性得分，xz为特征数据的形状信息值，为识别特征数据的形状信息值，cx为特征数据的尺寸信息值，为识别特征数据的尺寸信息值，ys为特征数据的颜色信息值，为识别特征数据的颜色信息值，、、分别为、、的权重值，e为自然常数。
4.根据权利要求3所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据的形状信息值与所述识别特征数据的形状信息值的计算步骤一致，所述识别特征数据的形状信息值的计算步骤如下：
5.根据权利要求3所述的一种用于电子烟、雾化器和电池杆的识别方法，其特征在于：所述特征数据的尺寸信息值与所述识别特征数据的尺寸信息值的计算步骤一致，所述识别特征数据的尺寸信息值的计算步骤如下：
6.根据权利要求3所述...
【专利技术属性】
技术研发人员：郭如云，钟鸣，郭小平，
申请(专利权)人：深圳市五轮科技股份有限公司，
类型：发明
国别省市：
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。