[发明专利]一种用于高速视频中圆形标识点的自动识别方法

说明书

本发明涉及人工智能的技术领域，公开了一种用于高速视频中圆形标识点的自动识别方法，建立包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块的检测网络模型，该目标检测网络YOLOv4用于圆形标识点的边框进行识别，该显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，该圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；对图像样本集中各个图像中的圆形标识点分别进行标注，再依据边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头，然后以各个边框所在图像作为输入，对检测网络模型进行训练；利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别。

技术领域

本发明属于人工智能的技术领域，具体涉及一种用于高速视频中圆形标识点的自动识别方法。

背景技术

使用传统高速视频测量技术对序列影像数据进行解析时，由于直接在影像中选取特征点不利于序列影像的目标跟踪，并且精度不高，所以高速视频测量系统一般通过在被测物的表面粘贴人工标志点的方法，使用视频设备对运动物体进行非接触拍摄。视频影像目标点识别和跟踪的目的是确定目标点的同一位置在其运动过程中的位置变化信息，目标点的跟踪与识别是视频影像处理的重要环节，在不同的研究领域，已经提出了大量的目标点的跟踪与识别的方法。

目前高速视频测量软件主要是提取影像圆心点坐标，多采用的是手动框选标志点影像区域，再使用椭圆拟合算法识别圆心，这种方式增加了人工成本，降低了整个高速视频测量解析的效率，并且人工框选还容易出现漏选的情况。

发明内容

本发明提供一种用于高速视频中圆形标识点的自动识别方法，。

本发明可通过以下技术方案实现：

一种用于高速视频中圆形标识点的自动识别方法，包括以下步骤：

步骤一、建立检测网络模型，所述检测网络模型包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块，所述目标检测网络YOLOv4用于圆形标识点的边框进行识别，所述显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，所述圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；

步骤二、对图像样本集中各个图像中的圆形标识点分别进行标注，再依据标注好的各个边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头用于边框识别，然后以标注好的图像作为输入，对检测网络模型进行训练；

步骤三、利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别。

进一步，所述目标检测网络YOLOv4包括主网络、特征融合网络以及三个检测头，所述主网络采用五层结构的CSPDarknet53网络，用于对圆形标识点进行特征提取，获取特征图金字塔，分别为256×256大小的特征图、128×128大小的特征图、64×64大小的特征图、32×32大小的特征图、16×16大小的特征图；

所述特征融合网络采用路径聚合PANet网络结构，用于将128×128、64×64和32×32大小的特征图和经过SPP网络增强的16×16大小的特征图进行特征融合，生成能够识别128×128大小、64×64大小、32×32大小图像的三个检测头。

进一步，每个所述检测头的输出信息如下

3×((μt_x,∑t_x,μt_y,∑t_y,μt_w,∑t_w,μt_h,∑t_h)+obj_score+class_score)