[发明专利]基于深度学习的移动端类矩形物体边缘检测方法

说明书

基于深度学习的移动端类矩形物体边缘检测方法，本发明涉及移动端类矩形物体边缘检测方法。本发明的目的是为了解决现有移动端类矩形物体边缘检测方法检测效率低、准确性差的问题。过程为：一、对待测物体边缘图像进行粗提取；二、对粗提取后的图像检测线段；三、将线段延长成直线，对相等、相似的直线利用求均值方法合成一条直线；四、计算不能合并直线之间的交叉点个数；五、对不能合并直线之间的所有交叉点，每次取出4个，判断是否是一个矩形或类矩形；若不是则删除；若是则保留；判断个数；若为1得到矩形或类矩形的边缘；若大于等于2，执行六；六、找出周长或面积最大的矩形或类矩形，得到矩形或类矩形的边缘。本发明用于边缘检测领域。

技术领域

本发明涉及移动端类矩形物体边缘检测方法。

背景技术

矩形或者类矩形物体的检测，在工业界需求广泛。随着深度学习技术的发展，其影响领域涉及到各行各业。深度学习技术对于检测领域鲁棒性较强，检测精度高，但是缺点也较为明显，专业性较强，训练复杂，难以在移动端部署等等。传统上，普遍使用的方法是调用OpenCV里面的函数，但是真实的场景图片会比这个复杂的多，会有各种干扰因素。OpenCV函数依赖很多阀值参数，往往这些阀值参数的选择依赖于专业人士的经验和调试方法，较为复杂。但是传统OpenCV算法有着其天然的优势，那就是足够轻量化，可以很容易在移动端部署。

发明内容

本发明的目的是为了解决现有移动端类矩形物体边缘检测方法检测效率低、准确性差的问题，而提出基于深度学习的移动端类矩形物体边缘检测方法。

基于深度学习的移动端类矩形物体边缘检测方法具体过程为：

步骤一、对待测物体边缘图像进行粗提取；

步骤二、对步骤一中粗提取后的图像使用OpenCV的HoughLinesP函数检测线段；

步骤三、将检测到的线段延长成直线，利用直线间的角度、距离约束条件，对相等、相似的直线利用求均值方法合成一条直线；

所述相似为角度相差小于等于5度，距离小于3个像素；

步骤四、计算直线或直线延长线之间的交叉点的距离，将距离小于20像素距离的交叉点合并；计算不能合并直线之间的交叉点个数；

步骤五、利用矩形或类矩形的角度条件，对不能合并直线之间的所有交叉点，每次取出其中的4个，判断这4个点组成的四边形是否是一个矩形或类矩形；若不是矩形或类矩形则删除；若是矩形或类矩形则保留；判断保留的矩形或类矩形的个数；若为1，得到矩形或类矩形的边缘；若大于等于2，执行步骤六；

所述类矩形为平行四边形或内角和为360度的四边形；

步骤六、找出周长或面积最大的矩形或类矩形，得到矩形或类矩形的边缘。

本发明的有益效果为：

结合两种技术路线，本发明进行了大量的改进和调优，结合两种方法的优势，摒弃劣势，实现了一种基于深度学习与传统视觉算法融合的移动端类矩形物体边缘检测方法。

本发明通过融合传统算法与深度学习技术，实现对矩形或类矩形物体边缘检测，是对传统边缘检测技术的一种改进方案。通过对传统边缘检测技术的改进，提高了检测效率与准确性，并且可以在移动端部署，做到全平台通用。

新的技术改进方案，不仅提升了传统方案的检测精度，而且可以跨平台部署，工程移植上较为简单，模型训练简单，提高了移动端类矩形物体边缘检测效率和准确性。同时，本发明采用对神经网络训练方法、框架裁剪、量化等技术，为其他工程带来参考。

附图说明

图1为本发明流程图；

图2为特征融合图；

图3为框架NCNN与Pytorch在移动端部署图；