[发明专利]一种用于风机图像故障标识的候选框调整方法

说明书

本发明涉及一种用于风机图像故障标识的候选框调整方法，所述风机图像包括可见光图像和红外热图像，所述调整方法包括：候选框坐标变换；调整参数a_ki计算和候选框调整：根据传统图像识别算法在使用过程中产生的数据，设计启发式算法对候选框进行调整，使其能够更好地选中风机故障；可见光图像和红外热图像的候选框互补。本发明能够在几乎不影响原有算法计算速度的情况下，提高算法识别的精度。

技术领域

本发明涉及图像识别技术领域，具体涉及一种用于风机图像故障标识的候选框调整方法。

背景技术

随着无人机及其相关技术的快速发展，无人机被广泛地应用于各种事故和故障的巡检中。使用无人机搭配摄像机、红外热像仪或激光雷达等设备对风机的各个部位拍摄图像，然后由图像识别算法对无人机拍摄的图像进行故障识别和标记，是当前无人机领域的研究重点，可以有效地提高风机的巡检效率和减少巡检人员的工作量。然而，传统图像识别算法特征提取能力较弱导致故障识别精度较低，基于深度学习的图像识别算法精度高速度快但却需要大量的训练样本。

本发明提出一种用于风机图像故障标识的候选框调整方法，旨在风机图像中的故障训练样本远远不足的情况下，设计一个启发式算法调整传统图像识别算法中的候选框，使其能够更好地选中目标即风机故障，从而提高传统图像识别算法的精度，为基于深度学习的图像识别算法积累训练样本。

发明内容

本发明针对现有的传统图像识别算法中候选框精度不足的问题，提出一种用于风机图像故障标识的候选框调整方法，通过设计启发式算法，对候选框的左上角和右下角坐标进行调整，并采用可见光图像和红外热图像的故障候选框互补的方式，使候选框能够更好地选中风机故障，从而提高故障识别的精度。

本发明公开了一种用于风机图像故障标识的候选框调整方法，所述风机图像包括可见光图像和红外热图像，包括以下步骤：

S1、候选框坐标变换：基于传统图像识别算法得到候选框集合B，设计坐标变换矩阵和变换公式c_i＝b_i*a_4*4，将其变换为集合C；其中，B＝{b_i}，b_i＝(x_i,y_i,w_i,h_i)，(x_i,y_i)为候选框b_i中心点的直角坐标，(w_i,h_i)为b_i候选框的长和宽；C＝{c_i}，c_i＝(c_i1,c_i2,c_i3,c_i4)，(c_i1,c_i2)为候选框c_i左上角的直角坐标，(c_i3,c_i4)为候选框c_i右下角的直角坐标；