[发明专利]一种基于场景分析的单摄像头刀闸臂张角识别方法

权利要求书

1.一种基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：包括以下步骤：

S1、通过摄像头获取刀闸的侧视图像，通过热成像仪获取刀闸侧向的红外成像；

S2、提取侧视图像中刀闸的边缘图像，将红外成像与边缘图像进行复合叠加；

S3、根据叠加复合结果判断刀闸是否处于完全闭合状态，若刀闸处于完全闭合状态，则直接输出结果，否则进入S4；

S4、对识别模型进行深度学习训练，将侧视图像输入深度学习训练的识别模型；

S5、利用滑动窗口选择包含刀闸臂、静触头在内的初选矩形框，并删除初选矩形框中的背景图像，得到二次矩形框，综合各二次矩形框的图像得到终选矩形框；

S6、识别判断终选矩形框中刀闸臂、静触头之间的夹角，确定刀闸臂张角。

2.根据权利要求1所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S2中提取侧视图像中刀闸的边缘图像，将红外成像与边缘图像进行复合叠加，包括：根据像素对比度从侧视图像中提取刀闸的边缘图像，形成边缘框架，再将红外成像中与边缘框架形状相同的部分放入边缘框架内，进行复合叠加。

3.根据权利要求2所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：所述根据像素对比度从侧视图像中提取刀闸的边缘图像之前，通过直方图均衡化增强侧视图像的像素对比度。

4.根据权利要求2所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S3中根据叠加复合结果判断刀闸是否处于完全闭合状态，包括：若红外成像中存在与边缘框架形状相同的部分，并能完全放入边缘框架内，且完全放入边缘框架内的部分颜色分布均匀，则判断刀闸处于完全闭合状态，否则进入S4。

5.根据权利要求1所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S4中对识别模型进行深度学习训练，包括：利用摄像头拍摄包含刀闸臂、静触头在内的图像集作为训练集，利用高斯分布初始化卷积神经网络的权值，并在训练集上构建卷积神经网络来迭代训练识别模型。

6.根据权利要求5所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：所述训练集中的图像需要经过预处理，包括：采用高斯滤波对训练集中的图像进行去噪处理，通过直方图均衡化增强训练集中图像的像素对比度。

7.根据权利要求1所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S5中滑动窗口采用多个尺寸不同的矩形窗口。

8.根据权利要求1所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S6中识别判断终选矩形框中刀闸臂、静触头之间的夹角之前，需要提取刀闸臂、静触头的图像，包括：对终选矩形框中的图像进行锐化处理，对锐化处理后的图像进行二值化处理，提取包含刀闸臂在内的刀闸臂直线，以及包含静触头在内的阴影区域。

9.根据权利要求8所述的基于场景分析的单摄像头刀闸臂张角识别方法，其特征在于：S6中识别判断终选矩形框中刀闸臂、静触头之间的夹角，确定刀闸臂张角，包括：判断静触头上与刀闸臂配合开口最后端点，在阴影区域内作出包含该点的竖直直线，确定刀闸臂直线、竖直直线之间的夹角，得到刀闸臂张角。