[发明专利]一种基于关键点检测的输电线路线夹倾斜定量分析方法

权利要求书

1.一种基于关键点检测的输电线路线夹倾斜定量分析方法，其特征在于：包括以下具体步骤：

步骤一、通过无人机采集输电线路上的图像，并通过网络传输到远程的服务器端；

步骤二、输入多张目标图像，采用CNN网络对无人机采集的图像进行特征分割和预设的上下左右四个关键点的特征提取和分类；

步骤三、创建Redis非关系型数据库，将CNN特征提取和分类后的特征属性和对应的图像数据以键值的形式存储在该数据库中；

步骤四、redis持久化数据并对数据进行冗余筛选；

步骤五、自动清理剔除过期数据和释放内存；

步骤六、通过悬垂输电线夹上、下、左、右四个关键点坐标，计算上下两关键点的直线方程以及左右两关键点的直线方程，基于两直线方程的斜率计算两直线的夹角的数值，并将90度与该夹角的差的绝对值作为悬垂线夹倾角。

2.根据权利要求1所述的一种基于关键点检测的输电线路线夹倾斜定量分析方法，其特征在于：在步骤二中，采用AlexNet CNN网络进行CNN特征提取，为了适应AlexNet网络的输入图像大小W×H，故将所有建议框变形为W×H，建议框有以下四种变形方式：

①考虑context的各向同性变形，建议框像周围像素扩充到W×H，若遇到图像边界则用建议框像素均值填充；

②不考虑context的各向同性变形，直接用建议框像素均值填充至W×H；

③各向异性变形，直接对图像就行缩放至W×H；

④变形前先进行边界像素填充处理，即向外扩展建议框边界，以上三种方法中分别采用padding＝0，padding＝16设置进行处理；

将AlexNet CNN网络中Pool5层特征进行了可视化，该层的size是SxSx P，即有P种表示不同的特征，这相当于原始W×H图片中P种RxR的感受视野[相当于对W×H的输入图像，卷积核大小为RxR，padding＝4，step＝8，输出大小(W-R+2*4)/8+1＝SxS]，输入10million的Region Proposal集合，计算每种SxS特征的激活量，之后进行非极大值抑制，最后展示出每种SxS特征前几个得分最高的Region Proposal，从而给出了这种SxS的特征图表示的纹理以及结构；

分别对特征图中的每一列即每一类进行非极大值抑制剔除重叠建议框，得到该列即该类中得分最高的一些建议框；

遍历完所有的建议框，最后剔除个别类别中剩余建议框得分少于该类别阖值的建议框。