[发明专利]电力设备巡检图像的图像识别方法、装置和计算机设备

权利要求书

1.一种电力设备巡检图像的图像识别方法，其特征在于，所述方法包括：

获取与巡检任务关联的电力设备巡检图像集，在所述电力设备巡检图像集中确定待拼接的至少一组电力设备巡检图像对；

对于任一所述电力设备巡检图像对，分别将该电力设备巡检图像对中的巡检图像输入至预训练的特征点提取模型，得到各所述巡检图像对应的图像特征点数据；以及，将该电力设备巡检图像对中的巡检图像输入至预训练的自注意力模型，得到各所述巡检图像对应的自注意力信息；

根据所述图像特征点数据和所述自注意力信息，确定该电力设备巡检图像对的单应性矩阵；所述单应性矩阵用于表征该电力设备巡检图像对中的巡检图像对应的图像特征点之间的位置匹配信息；

根据该电力设备巡检图像对的单应性矩阵，拼接该组电力设备巡检图像对中的巡检图像，得到该电力设备巡检图像对的拼接后巡检图像；

根据各所述电力设备巡检图像对的拼接后巡检图像，生成针对所述巡检任务的巡检全景图像；所述巡检全景图像用于确定所述巡检任务的电力设备识别结果。

2.根据权利要求1所述的方法，其特征在于，在所述电力设备巡检图像集中确定待拼接的至少一组电力设备巡检图像对，包括：

确定所述电力设备巡检图像集中的至少一组待比对的巡检图像对；

对于任一所述待比对的巡检图像对，将该待比对的巡检图像对中的巡检图像输入至孪生神经网络模型，确定该待比对的巡检图像对中的巡检图像之间的特征相似度；

在所述特征相似度大于预设阈值的情况下，将该待比对的巡检图像对确定为所述电力设备巡检图像对。

3.根据权利要求1所述的方法，其特征在于，所述根据所述图像特征点数据和所述自注意力信息，确定该电力设备巡检图像对的单应性矩阵，包括：

根据所述图像特征点数据和所述自注意力信息，确定该电力设备巡检图像对对应的第一匹配特征点对；

将所述第一匹配特征点对输入至预训练的特征点匹配模型，确定该电力设备巡检图像对对应的第二匹配特征点对，并确定该电力设备巡检图像对对应的单应性矩阵；所述第一匹配特征点在所述特征点匹配模型中的误差精度小于所述第二匹配特征点在所述特征点匹配模型中的误差精度。

4.根据权利要求1所述的方法，其特征在于，所述根据该电力设备巡检图像对的单应性矩阵，拼接该组电力设备巡检图像对中的巡检图像，得到该电力设备巡检图像对的拼接后巡检图像，包括：

根据所述单应性矩阵，将所述电力设备巡检图像对中的巡检图像进行图像配准，得到配准后巡检图像；

根据所述配准后巡检图像确定的图像交界区域，融合所述电力设备巡检图像对中的巡检图像，得到融合后巡检图像；所述融合后巡检图像在所述图像交界区域对应的像素信息为通过对各所述巡检图像在所述图像交界区域对应的像素信息进行加权融合得到的；

将所述融合后巡检图像作为该电力设备巡检图像对的拼接后巡检图像。

5.根据权利要求1所述的方法，其特征在于，所述将该电力设备巡检图像对中的巡检图像输入至预训练的特征点提取模型，得到各所述巡检图像对应的图像特征点数据，包括：

将该电力设备巡检图像对中的巡检图像进行池化处理，得到各所述巡检图像对应的图像池化特征；

将各所述巡检图像对应的图像池化特征输入至预训练的特征点提取模型，得到各所述巡检图像对应的图像特征点数据；

所述将该电力设备巡检图像对中的巡检图像输入至预训练的自注意力模型，得到各所述巡检图像对应的自注意力信息，包括：

将该电力设备巡检图像对中的巡检图像进行池化处理，得到各所述巡检图像对应的图像池化特征；

将各所述巡检图像对应的图像池化特征输入至预训练的自注意力模型，得到各所述巡检图像对应的自注意力信息。