[发明专利]用于隧道电缆支架倾斜的识别方法

权利要求书

1.用于隧道电缆支架倾斜的识别方法，其特征在于，所述识别方法包括：

S1：采集巡检隧道中的所述电缆支架的视频信息；

S2：识别视频信息中的检测区域的电缆支架；

S3：筛选被识别出电缆支架的置信度和完整性，加入候选集；

S4：检测候选集中的图像边缘和边缘图像中的直线；

S5：通过检测出的直线的端点坐标计算直线与水平方向的夹角,按夹角的绝对值进行升序排序；

S6：对计算出直线夹角进行聚类，通过聚类后的模型对每一个夹角进行类别预测，根据投票机制判断干扰的数据类别；

S7：对不是干扰的数据类别的夹角求算术平均，根据平均夹角判断电缆支架是否倾斜。

2.根据权利要求1所述的识别方法，其特征在于，所述S2中识别视频信息中的检测区域的电缆支架，包括：

S201：在电缆隧道中拍摄视频作为改进的目标检测YOLOV3深度神经网络的训练集标签；

S202：对训练集标签进行Kmeans聚类，聚类类别数设定为1；

S203：根据摄像头参数以及电缆支架尺寸，将YOLOV3的特征提取网络Darknet53由原来的1，2，8，8，4个残差块改进为1，2，8，4个残差块组合；

S204：设定第一位置处的识别区域，所述第一位置处的识别区域为图像中两侧的矩形区域；两侧矩形高度为每一帧图像的高度，两侧矩形宽度为每一帧图像宽度的1/3。

3.根据权利要求1所述的识别方法，其特征在于，所述S3中筛选被识别出电缆支架的置信度和完整性，加入候选集，包括：

S301：将被检测出的置信度大于第一阈值的电缆支架加入候选集；

S302：将上述候选集中分辨率小于第二阈值的电缆支架剔除出候选集。

4.根据权利要求1所述的识别方法，其特征在于，所述S4中检测候选集中的图像边缘和边缘图像中的直线，包括：

S401：设定极坐标系下，所述直线的表达式为：

ρ＝x cosθ+y sinθ；ρ＞0,0＜θ＜π,    (1)

其中，所述(x，y)为所述直线上的坐标，所述θ为电缆支架与地面的夹角；

S402：定义一个二维数组A[ρ][θ]作为累加器，ρ的范围是图像矩阵对角线的距离范围，θ是电缆支架与地面的夹角，检测电缆支架边缘，如果A[ρ][θ]的最大值大于第三阈值，则检测到边缘。

5.根据权利要求1所述的识别方法，其特征在于，所述S5中通过检测出的直线的端点坐标计算直线与水平方向的夹角,按夹角的绝对值进行升序排序，包括：

S501：检测到的直线与水平方向的夹角为：

其中，所述(x₁，y₁)和(x₂，y₂)分别为所述直线的两个端点在图像中的坐标；

S502：取夹角的绝对值；

S503：对夹角大小按升序排序。

6.根据权利要求1所述的识别方法，其特征在于，所述S6中对计算出直线夹角进行聚类，通过聚类后的模型对每一个夹角进行类别预测，根据投票机制判断干扰的数据类别，包括：

S601：随机选择两个夹角为簇中心；

S602：计算其它所有夹角与簇中心的欧式距离：

S603：更新簇中心，依次循环完成聚类得到最终两个簇中心；

S604：计算其它所有夹角与簇中心的距离，判断每个夹角所属类别；

S605：根据投票机制判断干扰数据类别，票数少的一类判定为干扰数据类别。