[发明专利]基于混合LBF形状回归模型的挖掘机工作状态识别方法

权利要求书

1.一种基于混合LBF形状回归模型的挖掘机工作状态识别方法，包括以下步骤：

S1.训练一个混合LBF形状回归模型，并使用该混合LBF形状回归模型来预测输入视频帧中挖掘机的形状，即预测输入视频中挖掘机的特征点的相对坐标的集合；

S2.根据挖掘机的长宽比及步骤S1获得的特征点的相对坐标，计算挖掘机工作状态特征描述子；

S3.将挖掘机工作状态特征描述子作为SVM分类器的输入，识别挖掘机的工作状态，挖掘机的工作状态包括工作状态或者非工作状态；

所述步骤S2具体为：

S21、根据前后两帧图像中挖掘机的长宽比WHRatio₀和WHRatio₁，计算挖掘机长宽比的变化：ΔWHRatio＝|WHRatio₁-WHRatio₀|；

S22、依据步骤S1中获得的挖掘机特征点，计算反映挖掘机回转臂、铲斗柱、铲斗和机身旋转四种因素变化的夹角变化ΔAngle；

S23、将长宽比的变化ΔWHRatio和夹角的变化ΔAngle串联起来作为挖掘机工作状态的特征描述子MMF，即MMF＝[ΔWHRatio,ΔAngle]描述挖掘机的运动特征。

2.根据权利要求1所述的基于混合LBF形状回归模型的挖掘机工作状态识别方法，其特征在于，所述步骤S1具体为：

S11、计算挖掘机的长宽比，根据长宽比把挖掘机分为N类，将挖掘机归一化到该类挖掘机对应的尺寸SIZE；

S12、分别针对每一类挖掘机训练相应的LBF_n模型，n＝1,2,…，N，将每一类的LBF_n模型相集成，形成混合LBF形状回归模型；

S13、使用混合LBF形状回归模型，对输入视频中的挖掘机进行形状S*预测，即预测输入视频中挖掘机的特征点的相对坐标。

3.根据权利要求1所述的基于混合LBF形状回归模型的挖掘机工作状态识别方法，其特征在于，所述步骤S3具体为：采用挖掘机工作状态特征描述子作为分类器的输入，并使用SVM分类器进行二分类，从而判断出当前挖掘机的工作状态，即确定挖掘机属于工作状态或者非工作状态。