[发明专利]基于Faster R-CNN的图模型构建方法

权利要求书

1.基于Faster R-CNN的图模型构建方法，其特征在于，具体按照如下步骤实施：

步骤1，将目标图像送入已经训练好的基于Faster R-CNN的目标检测网络模型中，输出目标图像中各个目标对应的检测框；

步骤2，根据设定的阈值对目标检测框进行筛选，去掉冗余的目标检测框；

步骤3，给去冗余后的目标检测框分配唯一的标签；

步骤4，根据经验设定阈值，将图像的目标划分为主要目标和次要目标，然后对次要目标构建目标树；

步骤5，通过任意两个次要目标重心之间的连线与竖轴的顺时针的夹角对检测框进行解析处理，得到目标图像中任意两个物体之间的相对位置关系，然后，计算目标图像中任意两个目标重心之间的距离，最后根据物体之间的距离、各个物体的重心得到任意两个物体之间的相对位置关系；

步骤6、根据目标树以及目标之间的位置关系构建图像的图模型。

2.根据权利要求1所述的基于Faster R-CNN的图模型构建方法，其特征在于，所述基于Faster R-CNN的目标检测网络模型对目标图像进行检测的过程为：假设目标图像中共有n个物体，通过基于Faster R-CNN的目标检测网络模型进行目标检测之后输出目标图像中n个物体对应的目标检测框box和每个目标检测框对应的类别，将类别相同的目标检测框归为一类，将n个物体对应的目标检测框放入一个集合中，其中m表示目标图像中目标检测框的总数量，集合中的元素表示为：{box₁,box₂,...,box_m}，其中box_i表示检测出的第i个目标检测框，输出的box_i是一个四维几何坐标(x_i,y_i,w_i,h_i)，其中x_i表示当前目标检测框的重心坐标点的x轴坐标值，y_i表示当前目标检测框的重心坐标点的y轴坐标值，w_i表示当前目标检测框的宽度，h_i表示当前目标检测框的高度。

3.根据权利要求2所述的基于Faster R-CNN的图模型构建方法，其特征在于，所述步骤2具体为：

步骤2.1，根据box_i的宽度和高度计算出每一个目标检测框的面积，记为area_i，将所有目标检测框的面积放到一个集合S_area，集合S_area表示为：{area₁,area₂,...,area_m}，根据目标检测框的面积大小对集合S_area进行降序排序；

步骤2.2，计算目标图像中第t个类的第i个目标检测框的面积和第j个目标检测框的面积的交集与第t个类的第i个目标检测框的面积的比值，比值记为

如果的值大于θ_a，将第t个类的第j个目标检测框去除，直到处理完该类的所有目标检测框，将剩余的目标检测框放入集合中，其中，θ_a为根据经验设定的阈值；

步骤2.3，重复步骤2.2的过程依次对所有的类进行处理，直到处理完所有的类，将所有类的目标检测框集合放入一个新集合中，集合表示为：其中n表示目标图像中物体的种类数，m_t表示经过步骤2去除冗余框之后剩余的目标检测框的数量。