[发明专利]垂吊线缆检测方法、系统和电子设备

说明书

本申请公开了一种基于浅层低维形状特征的垂吊线缆检测方法、系统和电子设备。所述方法，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，其中，每个分割图像具有相同大小；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。这样，结合浅层的卷积层和深度神经网络，并应用适当的图像分割处理来进行垂吊线缆的检测，可以获得准确的分类结果。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及一种基于浅层低维形状特征的垂吊线缆检测方法、系统和电子设备。

背景技术

“智慧城市”将信息技术与先进的城市经营服务理念进行有效融合，通过对城市的地理、资源、环境、经济等进行数字网络化管理，为城市提供更便捷、高效、灵活的公共管理的创新服务模式。

在城市管理中，“无主”线缆垂吊路边，是非常严重的安全隐患。据了解，无主线缆大多是私人拉的线缆(例如，某些市民为了便利会拉小锅盖线缆)，这些线缆横梗在空中，不仅影响市容，更是非常严重的安全隐患。然而，线缆垂吊状况的监管工作却很难开展，其原因在于：人工成本高，且，监管效率不高。

深度学习尤其是神经网络的发展为城市垂吊线缆监管提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于浅层低维形状特征的垂吊线缆检测方法、系统和电子设备，其结合浅层的卷积层和深度神经网络，并应用适当的图像分割处理来进行垂吊线缆的检测，可以获得准确的分类结果。

根据本申请的一个方面，提供了一种基于浅层低维形状特征的垂吊线缆检测方法，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，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。

在上述基于浅层低维形状特征的垂吊线缆检测方法中，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。

在上述基于浅层低维形状特征的垂吊线缆检测方法中，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。

在上述基于浅层低维形状特征的垂吊线缆检测方法中，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；