[发明专利]排除非正常识别目标的图像后处理方法及系统及计数方法

权利要求书

1.排除非正常识别目标的图像后处理方法，其特征在于，所述方法包括：

识别图像中的所有预设对象，并标注每个预设对象对应的box，box为深度学习识别模型对应的矩形定位边框；

计算任意两个boxA与boxB之间的重叠区域，若boxB对应的矩形定位边框B的边框区域全部位于boxA对应的矩形定位边框A的边框区域内，则删除boxB；若矩形定位边框B的边框区域部分位于矩形定位边框A的边框区域内，则计算矩形定位边框A的边框区域与矩形定位边框B的边框区域之间的重叠区域面积S，若S小于阈值P₁，则删除boxA与boxB中面积较小的box，若S大于或等于阈值P₁，则基于boxA和boxB对应的2个预设对象的识别置信度及识别区域面积排除重复识别的预设对象识别区域，预设对象识别区域为预设对象对应的box中所设的圆形区域，该圆形区域为以box的宽度为直径以及以box的中心为圆心的圆形区域。

2.根据权利要求1所述的排除非正常识别目标的图像后处理方法，其特征在于，矩形定位边框包含两个坐标，分别为左上角坐标A₁(x_1i,y_1i)和右下角坐标A₂(x_2i,y_2i)，根据box的坐标计算任意两个boxA与boxB之间的重叠区域。

3.根据权利要求1所述的排除非正常识别目标的图像后处理方法，其特征在于，所述基于boxA和boxB对应的2个预设对象的识别置信度及识别区域面积排除重复识别的预设对象识别区域，具体包括：

对比boxA和boxB对应的2个预设对象的识别置信度，若boxA和boxB对应的2个预设对象的识别置信度相等，预设对象A对应的预设对象识别区域为S₁，预设对象B对应的预设对象识别区域为S₂，计算S₁,S₂中较小值与较大值的比值a＝min(S₁,S₂)/max(S₁,S₂)，若比值a大于阈值P₂，则同时保留预设对象A的识别区域和预设对象B的识别区域；若比值a小于或等于阈值P₂，则删除两个预设对象中识别区域较小的预设对象的识别区域min(S₁,S₂)；

若boxA和boxB对应的2个预设对象的识别置信度不相等，则计算预设对象B的横截面面积为S_low，计算预设对象A的横截面面积为S_high，S_high表示高置信度的预设对象横截面面积，S_low表示低置信度的预设对象横截面面积，计算两个预设对象的横截面面积比值K：K＝S_low/S_high，若比值K大于阈值P_3，则删除预设对象A对应的预设对象识别区域，若比值K小于或等于阈值P_3，则删除预设对象B对应的预设对象识别区域。

4.根据权利要求1所述的排除非正常识别目标的图像后处理方法，其特征在于，本方法还包括：

识别出所有预设对象后，计算每个预设对象的圆心坐标O_i、横截面面积S_i以及box长宽比L，若L小于阈值P₅，则删除该预设对象对应的预设对象识别区域；

以每个预设对象识别区域的圆心坐标为中心，设定半径为R的圆作为搜索范围M，若搜索范围M内的预设对象识别区域数量少于n，则判定该预设对象为异常的预设对象将其删除；

若搜索范围M内的预设对象识别区域数量大于或等于n，则计算搜索范围M内所有预设对象识别区域横截面的平均值S-mean，若预设对象识别区域的面积Si与S-mean的比值低于阈值P₄，则判定为预设对象的分布异常并删除。

5.根据权利要求1所述的排除非正常识别目标的图像后处理方法，其特征在于，所述预设对象的端面形状为圆形。