【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于图像识别的起重机位移检测方法、装置电子设备及存储介质。
技术介绍
1、传统的位移检测方法，特别是类似于施工现场组塔过程的位移检测，目前是人工操作经纬仪之类的测量仪器进行手动测量，但很多情况下，位移是瞬时发生的，使用传统的测量方法无法有效捕捉到这种脉冲性质的位移变化，精度也无法保证。随着图像技术的成熟，目前卷积神经网络已经广泛应用到图像处理，对于一些瞬时发生特征变化的图像，卷积神经网络在处理一些瞬时发生特征变化的图像时表现出色，能够准确捕捉并提取这种特征。然而，目前卷积神经网络在图像处理过程中的计算量较大，导致处理效率较低。卷积神经网络的计算复杂度主要来自于卷积层和池化层的操作，池化层通过降采样的方式减小特征图的尺寸，但在降采样的过程中也会丢失一些信息，导致处理效率下降。目前的位移检测技术亟需一种将卷积神经网络应用的同时高效快速提取出位移对象的特征信息的方法，省去不必要的计算流程，实现高效高质量的位移检测。
技术实现思路
1、本专利技术实施例提供一种基...
【技术保护点】
1.一种基于图像识别的起重机位移检测方法，其特征在于，应用于基于图像识别的起重机位移检测系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在采用卷积神经网络对所述初始帧图像和所述最终帧图像进行处理，分别提取出第一元素和第二元素之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，采用卷积神经网络对所述初始帧图像和所述最终帧图像进行处理，分别提取出第一元素和第二元素，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述第一元素和所述第二元素得到所述检测标签的位移值，包括：
5.根据权利要求1...
【技术特征摘要】
1.一种基于图像识别的起重机位移检测方法，其特征在于，应用于基于图像识别的起重机位移检测系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在采用卷积神经网络对所述初始帧图像和所述最终帧图像进行处理，分别提取出第一元素和第二元素之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，采用卷积神经网络对所述初始帧图像和所述最终帧图像进行处理，分别提取出第一元素和第二元素，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述第一元素和所述第二元素得到所述检测标签的位移值，包括：
5.根据权利要求1所述的方法，其特征在于，在采用卷积神经网络对所述初始帧图像和所述最终帧图像进...
【专利技术属性】
技术研发人员：陈豪龙，谢冬旭，柳兆涛，周焕林，
申请(专利权)人：合肥工业大学，
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。