[发明专利]一种输电线路周边活动工程车辆的检测方法

权利要求书

1.一种输电线路周边活动工程车辆的检测方法，其特征是，首先训练一个用于识别工程车辆的卷积神经网络模型，其次在检测图片中的工程车辆时通过图像差分得到候选检测区域，然后在超像素分割的基础上对候选检测区域进行合并生长，得到最终的候选检测区域，最后将候选区域输入训练好的神经网络进行分类，并将分类为工程车辆的区域进行标记示警；所述的检测方法包括以下步骤：

步骤1：对训练样本进行预处理，将其输入设计好的卷积神经网络进行训练，得到训练好的网络模型及参数；

步骤2：选择当前待检测图像的前一张图像作为对比图像，对当前待检测图像与对比图像进行差分处理，并根据差分结果确定候选区域；

步骤3：对当前待检测图像进行超像素分割，以候选区域内的超像素块为种子进行区域合并及划分，得到最终的候选区域；

步骤4：将每个候选区域图像输入步骤1训练好的网络模型，得到对应的分类结果及置信度，据此确定该区域是否是工程车辆来完成工程车辆的检测；

所述步骤1的具体步骤如下：

步骤11，寻找工程车和非工程车图像样本，等比例地选择其中80％的图片作为训练集，剩余20％的图片作为验证集；

步骤12，对训练样本图片进行规定化，统一为64*64像素的三通道彩色图像；

步骤13，计算训练样本图像红绿蓝3个颜色通道的均值，将训练样本每个通道的值减去对应均值以实现0均值归一化处理；

步骤14，对处理后的训练样本图像进行训练，得到训练好的卷积神经网络网络模型及参数；

所述步骤4的具体步骤如下：

步骤41，将每个候选区域映射回原始尺寸图像中，再将原始图像中的这些候选区域规定化至64*64像素，并进行0均值归一化处理；

步骤42，将处理后的候选区域输入训练好的网络模型进行分类，得到每个候选区域的分类结果及置信度；

步骤43，将分类结果为工程车且置信度大于0.6的候选区域认为是工程车，在结果图像中对这些区域进行标记示警。

2.根据权利要求1所述的一种输电线路周边活动工程车辆的检测方法，其特征是，所述工程车包括但不限于铲车、吊车和挖掘机中的一种或多种。

3.根据权利要求1所述的一种输电线路周边活动工程车辆的检测方法，其特征是，所述的卷积神经网络模型具有一个输入层、四个卷积层、四个池化层，一个全连接层和一个softmax分类输出层，其中4个卷积层的训练特征数依次为32、32、64和64，卷积核大小均为5*5像素；4个池化层依次为Max Pooling、Avg Pooling、Avg Pooling和Avg Pooling，Pooling核大小均为3*3像素，步长为2；全连接层的神经元个数为128；softmax分类输出层输出工程车和非工程车两个分类结果。

4.根据权利要求1所述的一种输电线路周边活动工程车辆的检测方法，其特征是，所述步骤2的具体步骤如下：

步骤21，将图像缩放至800*600像素的尺寸；

步骤22，将图像转化到HSV和YUV颜色空间；

步骤23，在色调H、色差U和色差V三个分量上进行差分处理，使用大津法对差分结果进行二值化，将二值化后的图像作或运算进行合并得到最终的差分结果；

步骤24，遍历差分结果图像中的所有区域，去除面积小于阈值T的无效区域，剩余区域作为有效的候选区域。

5.根据权利要求1所述的一种输电线路周边活动工程车辆的检测方法，其特征是，所述步骤3的具体步骤如下：

步骤31，利用SLIC方法对图像进行超像素分割；

步骤32，利用颜色直方图表示每个超像素块的颜色特征，使用SIFT特征提取算法计算每个超像素块的纹理特征，并计算相邻超像素的颜色特征及纹理特征的相似性；

步骤33，以每个候选区域内的超像素块为种子，根据步骤32求得的颜色特征及纹理特征的相似性进行区域合并；

步骤34，将每个合并后的超像素提取出来，以其外接矩形作为新的候选区域，得到最终的候选区域。

6.根据权利要求5所述的一种输电线路周边活动工程车辆的检测方法，其特征是，在对图像进行超像素分割时，将800*600的图像分割成2000个超像素。