[发明专利]一种设备标识牌检测方法

说明书

本发明涉及一种设备标识牌检测方法，将设备标识牌对应的标注区域作为区别设备标识牌与周围背景的最为显著性的特征，通过这一主要特征来标识设备标识牌，以排除其他无关特征对检测准确率的干扰，使得更多的神经元集中于设备标识牌特征的学习，更加易于区分设备标识牌与背景信息，从而提高电网设备标识牌的检测准确率。

技术领域

本发明涉及目标识别技术领域，更具体地说，涉及一种设备标识牌检测方法。

背景技术

目标检测对于人类来说不难，通过对图片中不同颜色模块的感知，很容易定位并分类出其中目标物体。但对于计算机来说，面对的是红绿蓝像素矩阵，很难从图像中直接得到狗和猫这样的抽象概念并确定其位置，再加上有时候多个物体和杂乱的背景混杂在一起，目标检测就更加困难。

传统的目标检测使用滑动窗口加特征值匹配进行检测，基本步骤就是利用不同尺寸的滑动窗口，框住图像的某一部分，将其作为候选区域，提取候选区域相关的视觉特征，比如人脸检测常用的Harr特征、行人检测和普通目标检测常用的HOG特征等，最后利用分类器进行分类识别。

传统的方法虽然可以检测出目标，但是存在很严重的两个问题：

一是基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余；

二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种可提高电网设备标识牌的检测准确率和检测效率的设备标识牌检测方法。

本发明的技术方案如下：

一种设备标识牌检测方法，步骤如下：

1)在包含设备标识牌的待训练的样本图像中，将设备标识牌设置为标注区域，根据预设的神经网络模型以及标注区域，对样本图像进行训练，得到权重模型；

2)获取待检测图像，并将待检测图像划分为多个区域；

3)根据权重模型，分别对待检测图像的各个区域进行检测，得到对应各区域的置信度；

4)返回置信度大于或等于预设阈值的区域。

作为优选，步骤1)中，样本图像包括在不同气候条件、不同亮度环境下通过不同角度对设备标识牌进行拍摄的原始图像。

作为优选，步骤1)中，权重模型的训练步骤具体如下：

1.1)获取待训练的样本图像及设备标识牌对应的标注区域；

1.2)将所述待训练的样本图像划分为多个区域，其中，包含标注区域的区域为目的区域，其他区域为背景区域；

1.3)通过预设的神经网络模型对目标区域和背景区域中的像素值进行训练学习，得到权重模型。

作为优选，步骤1.3)中，先根据预设的神经网络配置文件生成网络对象，通过生成的网络对象对样本图像的所有区域中的像素值进行训练学习，训练结束后将迭代过程优化的参数保存至权重模型。

作为优选，步骤1)中，通过人工在样本图像上对设备标识牌进行位置标注，得到标注区域。

作为优选，步骤1)中，将待训练的样本图像按VOC标准数据集格式构建成训练数据集，具体地，步骤如下：

首先，创建Annotation、ImageSets和JPEGImages三个文件夹，ImageSets文件夹下包括Main文件夹；

然后，按照统一的命名规则对样本图像进行命名，然后将样本图像存放到JPEGImages文件夹下；