[发明专利]一种电网巡检中的全景目标检测方法

说明书

本发明涉及一种电网巡检中的全景目标检测方法，属于计算机视觉的目标检测技术领域。本发明将全景图像按照虚拟的焦距进行重新投影得到透视投影的图像，然后采用的U‑Net网络来实现多尺度的目标检测。本发明解决了目前的目标检测方法大多基于透视投影的图像来进行，但是全景图像存在较大的畸变的问题，同时解决了全景图像的分辨率一般不高，但是覆盖了360度的场景，所以存在较多的小目标的问题。本发明方法方便可靠，易于推广应用。

技术领域

本发明属于计算机视觉的目标检测技术领域，具体涉及一种电网巡检中的全景目标检测方法。

背景技术

传统的目标检测和分类一般采用图像处理的方法，根据目标的颜色和形状等信息来从图像中提取出候选区域进行检测与识别。比如AdaBoost检测算法利用Harr特征将弱分类器进行联合来得到强分类器实现人脸快速检测，HoG结合SVM实现了人体目标的检测。在传统的检测和识别中往往采用浅层学习模型来进行识别，比如线性分类器、Boosting、SVM等，因此特征的提取就成为提高识别率的关键。传统的方法以经验为基础来设计特征，比如广泛使用的Harr、HoG、LBP、SIFT特征等，其优势是速度快。但由于人的经验存在主观和局部性，其检测和识别精度一般不高，而且同视角和场景下的目标检测与分类效果差异较大。随着深度神经网络的发展特别是深度卷积网络在图像识别中的成功应用，采用深度学习的方法来进行目标的自动检测和识别成为研究的重点和热点，如Faster R-CNN，SSD，YOLO/YOLO9000等目标检测方案，结合目前最新的分类深度神经网络(如VGG，Resnet，GoogLeNet等)，在精度方面都比传统方法有了明显的提升。同时借助GPU强大的并行计算能力，SSD和YOLO都能达到实时检测的效果。

全景影像采用二维影像存储后，存在较大的变形。尤其是影像的顶部和底部，由于采用经纬方式来进行投影，变形非常大。如果直接用全景影像来进行目标检测，目标变形会增加检测的难度。而且目前目标检测公开数据库有大量的标签数据可以用来进行训练，但是大多以面阵透视投影采集的图像为主，针对全景影像的很少。因此如何克服现有技术的不足是目前计算机视觉的目标检测技术领域亟需解决的问题。

发明内容

本发明的目的是为了解决现有技术的不足，提供一种电网巡检中的全景目标检测方法。

为实现上述目的，本发明采用的技术方案如下：

一种电网巡检中的全景目标检测方法，包括如下步骤：

S1，利用搭载在无人机上的全景采集设备对电网设施进行拍摄，获取连续的全景图像数据；

S2，利用全景重投影技术对S1中采集的全景图像数据进行处理，均匀的在全景成像空间中设置虚拟透视投影相机，每个虚拟相机的投影中心与全景的球体中心重合，根据虚拟透视投影相机的虚拟焦距和投影视场来得到透视投影的成像方程，将全景图像投影到若干个透视投影的图像上；

S3，利用改进的深度神经网络目标检测模型对S2中获取的透视投影图像进行目标检测，提取电网巡检关注的目标；

S4，对S3提取的目标进行逆投影，将目标重新投影到全景图像中，实现电网全景图像的目标检测。

进一步，优选的是，所述S1中，全景采集设备为全景相机，通过全景相机获取的全景图像为球面全景图像。

进一步，优选的是，所述S2中，透视投影的图像的虚拟焦距为球面全景图像的半径值，每个透视投影的视场角为45度；透视投影的Z轴方向为球面全景图像的球体中心和透视投影中心的连线。

进一步，优选的是，所述S2中，设置8个虚拟透视投影相机，得到8张透视投影的图像。