[发明专利]一种截断塞门手把关闭故障图像识别方法

权利要求书

1.一种截断塞门手把关闭故障图像识别方法，其特征在于，包括：

步骤一、获取截断塞门部件图像和不包含截断塞门部件的图像，以截断塞门部件图像作为正样本，标记为1，不包含截断塞门部件的图像作为负样本，标记为0，将正负样本和对应的标记文件分为训练集和测试集；

步骤二、对步骤一中的训练集进行归一化处理，对归一化处理后的训练集进行HOG特征向量的提取；将提取的HOG特征向量输入到SVM线性分类器中，利用SVM线性分类器训练截断塞门部件特征模型；

步骤三、确定待检测的货车是否存在截断塞门部件，若存在，则通过截断塞门部件特征模型定位出待检测截断塞门部件位置，获得待检测截断塞门部件图像；

从待检测截断塞门部件图像中截取手把位置子图像，并判断手把位置子图像中手把是否存在，存在手把即为截断塞门手把关闭故障，不存在手把则为正常；具体过程

为：

归一化手把位置子图像，将归一化后的手把位置子图像分为多个子图像块；利用边缘检测算子计算子图像块的边缘，进而得到子图像块边缘点的数量，若边缘点数大于阈值，则认为该子图像块复杂度高，标记为1；子图像块标记为1的数量不超过总子图像块数量的一半，则为正常；

若子图像块标记为1的数量超过总子图像块数量的一半，则进一步计算手把位置子图像水平方向梯度，得到水平方向梯度图，并计算梯度图上边界和下边界的坐标点，分别构成上边界坐标点集合和下边界坐标点集合；

分别对上边界坐标点集合和下边界坐标点集合进行直线拟合，拟合出上下边界两条直线；

若两条线都存在，则存在手把上下边界轮廓，则计算两条直线间的夹角，若夹角在角度阈值范围内，判定为手把存在，即为手把关闭故障。

2.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，步骤三还包括：

若两条线不完全存在或者两条线角度不在角度阈值范围内，则不存在手把上下边界轮廓，进而将手把位置子图像二值化，计算二值图像最大连通区域并根据最大连通区域设定手把结构特征参数范围；满足最大连通区域外轮廓的手把结构特征参数范围，则存在手把，即为手把关闭故障；若不满足手把结构特征参数范围，则不存在手把，即为正常。

3.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述步骤三中确定待检测的货车是否存在截断塞门部件；具体过程包括：

获取截断塞门部件数据库，所述截断塞门部件数据库包括：车型、车型对应的截断塞门数量和截断塞门的位置信息；

确定待检测的货车的车型作为目标车型；

从所述截断塞门部件数据库中确定所述目标车型所对应的截断塞门数量作为目标截断塞门数量；

若目标截断塞门数量大于0，则确定待检测的货车存在截断塞门部件。

4.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述归一化后的手把位置子图像大小为64*128。

5.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述提取HOG特征向量时HOG结构的相关参数包括：

HOG结构为矩形HOG、像素块16*16、块滑动增量为以步长为8的像素移动块；细胞单元为8*8的像素、单位特征向量数为每个细胞单元统计9维特征向量。

6.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述步骤三中SVM线性分类器为C类支持向量机，SVM核函数类型为线性内核，惩罚因子为0.01。

7.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，步骤三中所述的阈值为100。

8.根据权利要求1所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述步骤三中的角度阈值范围为[0°，30°]。

9.根据权利要求2所述一种截断塞门手把关闭故障图像识别方法，其特征在于，所述手把结构特征参数范围包括：轮廓长宽比大于1.5，轮廓面积大于手把位置子图像面积的1/2，轮廓中心点坐标与手把位置子图像中心点距离小于40像素。