[发明专利]垂吊线缆检测方法、系统和电子设备

权利要求书

1.一种基于浅层低维形状特征的垂吊线缆检测方法，其特征在于，包括：

获取包含线缆的街景图像；

将所述街景图像划分为M×N个分割图像，包括：确定所述街景图像的全景化程度；基于所述街景图像的全景化程度确定M和N个具体数目；以及将所述街景图像划分为所确定的具体数目的M×N个分割图像，其中，每个分割图像具有相同大小，且M和N是大于1且小于或等于4的正整数；

将所述M×N个分割图像通过P层的卷积层以获得M×N个特征图，其中，P是大于1且小于或等于3的正整数；

将所述M×N个特征图中的每个特征图进行按行或列平均值池化，以获得M×N个特征向量；以及

将所述M×N个特征向量输入深度神经网络以获得所述街景图像的分类结果，所述分类结果用于表示所述线缆的垂吊状态是否正常；

其中，确定所述街景图像的全景化程度，包括：确定所述街景图像中的参考距离单位；基于所述参考距离单位确定所述街景图像中的第一参考对象和第二参考对象所对应的第一景深和第二景深；基于所述参考距离单位确定所述街景图像中的所述第一参考对象和所述第二参考对象之间的距离；以及基于所述距离、所述第一景深和所述第二景深确定所述街景图像的全景化程度。

2.根据权利要求1所述的基于浅层低维形状特征的垂吊线缆检测方法，其中，将所述M×N个分割图像通过P层的卷积层以获得M×N个特征图，包括：

确定所述深度神经网络的模型层数；

基于所述深度神经网络的模型层数确定所述卷积层的数目；以及

将所述M×N个分割图像通过所确定的数目的卷积层以获得M×N个特征图。

3.根据权利要求1所述的基于浅层低维形状特征的垂吊线缆检测方法，其中，将所述M×N个特征向量输入深度神经网络以获得所述街景图像的分类结果，包括：

将所述M×N个特征向量进行级联以获得级联特征向量；

将所述级联特征向量输入所述深度神经网络以获得分类特征向量；以及

基于所述分类特征向量以分类函数以获得所述街景图像的分类结果。

4.根据权利要求1所述的基于浅层低维形状特征的垂吊线缆检测方法，其中，将所述M×N个特征向量输入深度神经网络以获得所述街景图像的分类结果，包括：

将所述M×N个特征向量按行或列计算加权和以获得M或者N个加权特征向量；

将所述M或者N个加权特征向量进行级联以获得级联特征向量；

将所述级联特征向量输入所述深度神经网络以获得分类特征向量；以及

基于所述分类特征向量以分类函数以获得所述街景图像的分类结果。

5.根据权利要求1所述的基于浅层低维形状特征的垂吊线缆检测方法，其中，在训练过程中，在每次迭代中同步更新所述P层的卷积层和所述深度神经网络的参数。

6.根据权利要求1所述的基于浅层低维形状特征的垂吊线缆检测方法，其中，在训练过程中，在每次迭代中首先更新所述P层的卷积层的参数，再更新所述深度神经网络的参数。

7.一种基于浅层低维形状特征的垂吊线缆检测系统，其特征在于，包括：

街景图像获取单元，用于获取包含线缆的街景图像；

图像分割单元，用于将所述街景图像获取单元获得的所述街景图像划分为M×N个分割图像，将所述街景图像划分为M×N个分割图像包括：确定所述街景图像的全景化程度；基于所述街景图像的全景化程度确定M和N个具体数目；以及将所述街景图像划分为所确定的具体数目的M×N个分割图像，其中，每个分割图像具有相同大小，且M和N是大于1且小于或等于4的正整数；

特征图生成单元，用于将所述图像分割单元获得的所述M×N个分割图像通过P层的卷积层以获得M×N个特征图，其中，P是大于1且小于或等于3的正整数；

特征向量生成单元，用于将所述特征图生成单元获得的所述M×N个特征图中的每个特征图进行按行或列平均值池化，以获得M×N个特征向量；以及

分类单元，用于将所述特征向量生成单元获取的所述M×N个特征向量输入深度神经网络以获得所述街景图像的分类结果，所述分类结果用于表示所述线缆的垂吊状态是否正常。

8.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-6中任一项所述的基于浅层低维形状特征的垂吊线缆检测方法。