CN111147764A - 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 - Google Patents
基于实时图像识别的漏泄同轴电缆图像采集方法及系统 Download PDFInfo
- Publication number
- CN111147764A CN111147764A CN201911403391.0A CN201911403391A CN111147764A CN 111147764 A CN111147764 A CN 111147764A CN 201911403391 A CN201911403391 A CN 201911403391A CN 111147764 A CN111147764 A CN 111147764A
- Authority
- CN
- China
- Prior art keywords
- coaxial cable
- leaky coaxial
- camera
- image
- image acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013135 deep learning Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000011176 pooling Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于实时图像识别的漏泄同轴电缆图像采集方法及系统,包括通过多相机图像采集模块对待采集区域进行图像采集,多相机图像采集模块包括多台不同焦距,不同景深的相机镜头;通过采集识别控制模块控制多相机图像采集模块拍照,利用深度学习图像识别模型对拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制相机云台调整相机镜头拍摄角度,使得相机镜头拍摄到的漏泄同轴电缆处于图片中心位置;通过图像存储模块存储采集到的含有漏泄同轴电缆的图片。本发明可对拍摄的图片进行实时处理,筛选出有效的漏泄同轴电缆图片,保证不同轨旁场景拍摄图片的质量,避免漏拍,同时便于图片存储。
Description
技术领域
本发明涉及铁路通信设备检测技术领域,尤其涉及一种基于实时图像识别的漏泄同轴电缆图像采集方法及系统。
背景技术
在铁路无线列车调度系统中,为解决铁路多弯处、大弯处、隧道群、长大隧道及山区等弱场强或无场强盲区的场强覆盖率问题,其中隧道内采用架设漏泄同轴电缆和隧道中继器的方式。主要用来提供铁路沿线区间的铁路专用无线通信服务。为确保漏泄同轴电缆架设状态的可靠、稳定,根据铁路维护规则,目前铁路沿线漏泄同轴电缆按月为周期进行巡检,方式为人工步行巡视。
为代替人工对铁路沿线漏泄同轴电缆的步行巡视,采用车载图像采集设备对铁路沿线漏泄同轴电缆进行图片采集,但现有的图像采集设备在拍照时由于漏泄同轴电缆所处环境的变化(隧道内、隧道外)导致拍摄的漏泄同轴电缆图片不清晰,拍摄的漏泄同轴电缆在图片中的位置会出现偏移出相机视野造成漏拍等现象,另外,在对采集到的图片数据进行存储时,由于采集的图片数据量比较大,且含有大量无效图片(拍摄隧道内漏泄同轴电缆图片的相机在拍摄隧道外目标时为黑色;拍摄隧道外漏泄同轴电缆图片的相机在拍摄隧道内时会出现照片亮度过曝),浪费存储空间,不利于后续数据的使用与保存。
发明内容
本发明目的是提供一种基于实时图像识别的漏泄同轴电缆图像采集方法,以解决如下问题:
(1)漏泄同轴电缆图像采集方法在进行图像采集的过程中,由于漏泄同轴电缆在轨道两侧的架设位置距离不同,拍摄环境包括隧道内、隧道外两种情况以及由此带来环境光,拍摄图片背景的不同,导致拍摄的图像不清晰,图片内容差别较大等问题。
(2)由于电务检测车在过弯道时轨道外高内低造成车体倾斜,导致拍摄的漏泄同轴电缆会出现偏移出相机视野的现象,造成相机拍摄的图片中不含有漏泄同轴电缆造成漏拍的现象。
(3)相机采集到的图像包括各种情况,采集的图片数据量大,怎样判断图片中是否含有漏泄同轴电缆并进行筛选,丢弃不含有漏泄同轴电缆的图片,同时满足实时性要求。
为解决上述技术问题,本发明采用如下技术方案:
(1)针对漏泄同轴电缆架设的距离以及拍照目标物体背景的不同采用不同焦距和景深的相机镜头组合,进行漏泄同轴电缆拍照,可以同时保证采集到的隧道内和隧道外的图片具有很好地清晰度。
(2)根据拍摄到的漏泄同轴电缆的初始图片,通过深度学习算法定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向工控机发送信号,通过工控机控制云台,进而微调拍摄相机的拍摄角度,使拍摄到的漏泄同轴电缆处于图片的中心位置。
(3)为确保能够实时的并且有选择性的存储拍摄的漏泄同轴电缆图片,采用有针对性的设计深度学习网络模型,并通过该模型实时的判断拍摄图片为隧道内还是隧道外,以及图片中是否含有目标物体,进而筛选出含有漏泄同轴电缆的图片进行存储。
具体地,本发明的基于实时图像识别的漏泄同轴电缆多相机采集方法包括:
通过多相机图像采集模块对待采集区域进行图像采集,所述多相机图像采集模块包括相机云台,以及设置在所述相机云台上的多台不同焦距,不同景深的相机镜头;所述相机云台用于控制所述相机镜头的拍摄角度;
通过采集识别控制模块控制所述多相机图像采集模块拍照,利用深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
通过图像存储模块存储采集到的含有漏泄同轴电缆的图片。
其中,所述多相机图像采集模块还包括补光光源,所述补光光源用于在拍摄环境的光线不达标时,为所述相机镜头进行补光。
其中,所述多相机图像采集模块还包括装置安装座,所述装置安装座用于将所述多相机图像采集模块安装在电务检测车的顶部。
其中,所述采集识别控制模块包括图像采集控制模块和识别模块;
所述图像采集控制模块用于控制所述多相机图像采集模块拍照;
所述识别模块用于通过加载的深度学习图像识别模型根据所述多相机图像采集模块拍摄到的漏泄同轴电缆的初始图片,通过模式识别算法实时定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向所述相机云台发送控制信号,对所述相机镜头的拍摄角度进行微调,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置。
其中,所述深度学习图像识别模型为卷积网络模型,包括VGG16的前5层,3层卷积层和最大池化层;
所述卷积网络模型的每一层卷积层对漏泄同轴电缆图片进行卷积之后会得到含有特定漏泄同轴电缆图像特征的特征图,每一特征图都形成自己的检测器与分类器,最后通过非极大值抑制算法筛选出最终的目标位置以及利用softmax算法确定目标是漏泄同轴电缆还是背景以及目标物体的坐标。
其中,所述卷积网络模型的训练流程如下:
步骤1:使用正常拍摄情况下采集到的图片,人为筛选出含有漏泄同轴电缆的图片,包含隧道内、隧道外场景;
步骤2:使用LabelImage软件对挑选出的漏泄同轴电缆图片进行数据标注,标注出漏泄同轴电缆所在图片中的位置、宽高,形成可以输入训练网络的.xml文件;
步骤3:把标注好的.xml文件输入到设计好的网络模型中,设置迭代次数、学习率,开始训练识别模型,根据后续的参数调优训练出理想的识别模型。
其中,识别模块还用于通过图像识别技术对所述相机镜头拍摄到的图片进行实时的自动识别,判断图片中是否含有目标物并筛选出拍摄图片是隧道内还是隧道外,将筛选出的含有目标物体的图片发送至所述图像存储模块进行存储。
其中,所述采集识别控制模块还包括速度传感器,所述速度传感器用于获得列车行驶速度,所述采集识别控制模块通过所述速度传感器获得的列车行驶速度确定所述多相机图像采集模块的拍照频率。
相应地,针对上述技术问题,本发明还提供一种基于实时图像识别的漏泄同轴电缆图像采集系统,所述漏泄同轴电缆多相机采集系统包括:多相机图像采集模块、采集识别控制模块及图像存储模块;其中,
所述多相机图像采集模块用于对待采集区域进行图像采集,所述多相机图像采集模块包括相机云台,以及设置在所述相机云台上的多台不同焦距,不同景深的相机镜头;所述相机云台用于控制所述相机镜头的拍摄角度;
所述采集识别控制模块用于控制所述多相机图像采集模块拍照,利用深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
所述图像存储模块用于存储采集到的含有漏泄同轴电缆的图片。
其中,所述采集识别控制模块包括图像采集控制模块和识别模块;
所述图像采集控制模块用于控制所述多相机图像采集模块拍照;
所述识别模块用于通过加载的深度学习图像识别模型根据所述多相机图像采集模块拍摄到的漏泄同轴电缆的初始图片,通过模式识别算法实时定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向所述相机云台发送控制信号,对所述相机镜头的拍摄角度进行微调,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
所述识别模块还用于通过图像识别技术对所述相机镜头拍摄到的图片进行实时的自动识别,判断图片中是否含有目标物并筛选出拍摄图片是隧道内还是隧道外,将筛选出的含有目标物体的图片发送至所述图像存储模块进行存储。
本发明具有如下有益效果:
(1)不同拍照参数的多相机保证了不同轨旁场景拍摄图片的质量。避免了可变参数相机调整参数不及时所带来的拍照滞后、漏拍的问题。
(2)根据图像识别技术自动识别拍摄图片是隧道内、外以及图片内有无目标物体,有选择性的存储图片,便于图片数据的存储。
(3)图像自动识别技术中运用了深度学习中卷积网络模型,本发明在深度学习网络设计方面采用9层卷积网络,较短的网络层数能够使网络模型更容易训练,在实时识别方面效率更高,达到实时性要求,在网络的最后一层采用最大池化代替常用的平均池化更容易提取显著的图像特征,利用目标的检测。
(4)相机云台可以根据拍摄图片中漏泄同轴电缆所处的位置调整相机拍摄的角度,使漏泄同轴电缆始终处于图片的中心位置,避免了漏泄同轴电缆目标偏移出相机视野,造成漏拍的问题。
附图说明
图1为本发明实施例提供的基于实时图像识别的漏泄同轴电缆图像采集方法的框图;
图2为本发明实施例提供的基于实时图像识别的漏泄同轴电缆图像采集方法的工作流程图。
图3为本发明实施例提供的识别网络模型的结构示意图。
具体实施方式
下面结合实施例及附图对本发明的技术方案作进一步阐述。
第一实施例
本实施例提供一种基于实时图像识别的漏泄同轴电缆图像采集方法,主要用于铁路沿线的漏泄同轴电缆的图像采集。采用多相机和深度学习等先进技术,对电务轨旁设备中的漏泄同轴电缆进行图片拍摄,并实时识别存储含有漏泄同轴电缆的图片。
如图1所示,本实施例的基于实时图像识别的漏泄同轴电缆图像采集方法包括:多相机图像采集模块、采集识别控制模块及图像存储模块;其中,
所述多相机图像采集模块包括多台不同焦距,不同景深的相机镜头,补光光源,相机云台,安装于电务检测车的顶部装置安装座;其中,所述相机镜头用于对待采集区域进行图像采集;所述补光光源用于在拍摄环境的光线不达标时,为所述相机镜头进行补光。所述装置安装座用于将所述多相机图像采集模块安装固定在电务检测车的顶部。
所述相机云台用于控制相机镜头的拍摄角度,拍摄的漏泄同轴电缆会出现偏移出相机视野的现象,造成相机拍摄的图片中不含有漏泄同轴电缆的问题,根据拍摄到的漏泄同轴电缆得初始图片,通过模式识别算法定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向相机云台发送信号,通过相机云台微调拍摄相机的拍摄角度,使拍摄到的漏泄同轴电缆处于图片的中心位置。
上述多相机图像采集模块的设计主要是考虑到现实中隧道内壁线缆距离相机镜头的距离会发生变化,因此采用不同焦距的相机镜头;另外,考虑到拍照时场景会含有隧道内和隧道外两种情况,这两种外界拍照条件存在背景的差异,所以选择不同景深的相机镜头。此外,考虑到隧道内光线较暗,影响相机的拍照质量,所以在拍照时需要添加亮度补偿装置进行补光。
所述采集识别控制模块用于控制所述多相机图像采集模块拍照,通过预先加载的深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
具体地,所述采集识别控制模块所述采集识别控制模块安装于车内机柜,其包括图像采集控制模块、识别模块和速度传感器;其中,所述图像采集控制模块用于控制所述多相机图像采集模块拍照;
所述识别模块用于根据所述多相机图像采集模块拍摄到的漏泄同轴电缆的初始图片,通过模式识别算法实时定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向所述相机云台发送控制信号,对所述相机镜头的拍摄角度进行微调,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置。进一步地,所述识别模块还用于通过图像识别技术对所述相机镜头拍摄到的图片进行实时的自动识别,判断图片中是否含有目标物并筛选出拍摄图片是隧道内还是隧道外,将筛选出的含有目标物体的图片发送至所述图像存储模块进行存储。
所述速度传感器用于获得列车行驶速度,所述采集识别控制模块通过所述速度传感器获得的列车行驶速度确定所述多相机图像采集模块的拍照频率。
本实施例的基于实时图像识别的漏泄同轴电缆多相机采集方法的工作流程如图2所示,包括:
1、电务检测车随列车对轨旁的漏泄同轴电缆进行图片采集,负责图片采集的摄像机为参数不同的多个相机,分别负责对隧道内、隧道外的漏泄同轴电缆进行拍摄。
2、多个相机同时触发,随电务检测车对轨旁的漏泄同轴电缆进行图片采集,通过速度传感器获得当前列车的行驶速度,进而决定相机的拍照频率。利用图像识别模型对采集到的图片进行实时识别分析,识别出含漏泄同轴电缆缆线图片进行保存,其余图片则丢弃。
3、通过识别模型识别出漏泄同轴电缆在图片中的位置信息,根据漏泄同轴电缆在图片中的位置信息对相机的拍摄角度进行调整,保证漏泄同轴电缆处在图片的中心位置。
综上所述,针对现有图像采集设备存在固定光圈、景深和可变光圈、景深两种拍照方式。如果是固定光圈、景深,则不能很好地适应拍照场景的变化,如果采用可变光圈、景深则会出现车速过快,焦距不能得到快速的变换,不能快速的找到清晰的焦点,引起拍摄图片滞后,导致漏拍的问题。本发明采用不同光圈、景深的多相机对隧道内、隧道外的漏泄同轴电缆进行拍摄,可以很好地适应不同场景的拍摄条件。
针对漏泄同轴电缆在图片中会出现偏移的现象,本发明根据拍摄到的漏泄同轴电缆得初始图片,通过模式识别算法定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向工控机发送信号,通过工控机控制云台,进而微调拍摄相机的拍摄角度,使拍摄到的漏泄同轴电缆处于图片的中心位置。
针对现有图像采集方法在对目标物体进行拍照时存在无效图片多,存储数据量大的问题,本发明采用实时自动识别技术,判断拍摄的图片是否为含有目标的清晰图片,通过判断结果只保留含有目标物体的清晰图片,可以避免无效图片的存储,减少数据的存储量。
针对上述图像自动识别模型实时性要求,如图3本发明在深度学习网络设计方面采用9层卷积网络,所述卷积网络模型的每一层卷积层对漏泄同轴电缆图片进行卷积之后会得到含有特定漏泄同轴电缆图像特征的feature map(特征图),每一特征图都形成自己的Detector(检测器)与classifier(分类器),最后通过NMS(非极大值抑制)算法筛选出最终的目标位置以及利用softmax算法确定目标是漏泄同轴电缆还是背景。较短的网络层数能够使网络模型更容易训练,在实时识别方面效率更高,达到实时性要求,在网络的最后一层采用最大池化代替常用的平均池化更容易提取显著的图像特征,利于目标的检测。
所述卷积网络模型的训练流程如下:
步骤1:使用正常拍摄情况下采集到的图片,人为筛选出含有漏泄同轴电缆的图片(包含隧道内、隧道外场景);
步骤2:使用LabelImage软件对挑选出的漏泄同轴电缆图片进行数据标注,标注出漏泄同轴电缆所在图片中的位置、宽高,形成可以输入训练网络的.xml文件。
步骤3:把标注好的.xml文件输入到设计好的网络模型中,设置合适的迭代次数、学习率等参数,开始训练识别模型,根据后续的参数调优训练出理想的识别模型。
第二实施例
本实施例提供一种基于实时图像识别的漏泄同轴电缆图像采集系统,所述漏泄同轴电缆多相机采集系统包括:多相机图像采集模块、采集识别控制模块及图像存储模块;其中,
所述多相机图像采集模块用于对待采集区域进行图像采集,所述多相机图像采集模块包括相机云台,以及设置在所述相机云台上的多台不同焦距,不同景深的相机镜头;所述相机云台用于控制所述相机镜头的拍摄角度;
所述采集识别控制模块用于控制所述多相机图像采集模块拍照,利用深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
所述图像存储模块用于存储采集到的含有漏泄同轴电缆的图片。
本实施例的基于实时图像识别的漏泄同轴电缆图像采集系统与上述第一实施例的基于实时图像识别的漏泄同轴电缆图像采集方法相对应;其中,本实施例的基于实时图像识别的漏泄同轴电缆图像采集系统中的各功能模块所实现的功能与上述第一实施例的基于实时图像识别的漏泄同轴电缆图像采集方法中的各流程对应;故,在此不再赘述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述漏泄同轴电缆多相机采集方法包括:
通过多相机图像采集模块对待采集区域进行图像采集,所述多相机图像采集模块包括相机云台,以及设置在所述相机云台上的多台不同焦距,不同景深的相机镜头;所述相机云台用于控制所述相机镜头的拍摄角度;
通过采集识别控制模块控制所述多相机图像采集模块拍照,利用深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
通过图像存储模块存储采集到的含有漏泄同轴电缆的图片。
2.如权利要求1所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述多相机图像采集模块还包括补光光源,所述补光光源用于在拍摄环境的光线不达标时,为所述相机镜头进行补光。
3.如权利要求2所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述多相机图像采集模块还包括装置安装座,所述装置安装座用于将所述多相机图像采集模块安装固定在电务检测车的顶部。
4.如权利要求1所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述采集识别控制模块包括图像采集控制模块和识别模块;
所述图像采集控制模块用于控制所述多相机图像采集模块拍照;
所述识别模块用于通过加载的深度学习图像识别模型根据所述多相机图像采集模块拍摄到的漏泄同轴电缆的初始图片,通过模式识别算法实时定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向所述相机云台发送控制信号,对所述相机镜头的拍摄角度进行微调,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置。
5.如权利要求4所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述深度学习图像识别模型为卷积网络模型,包括VGG16的前5层,3层卷积层和最大池化层;
所述卷积网络模型的每一层卷积层对漏泄同轴电缆图片进行卷积之后会得到含有特定漏泄同轴电缆图像特征的特征图,每一特征图都形成自己的检测器与分类器,最后通过非极大值抑制算法筛选出最终的目标位置以及利用softmax算法确定目标是漏泄同轴电缆还是背景。
6.如权利要求5所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述卷积网络模型的训练流程如下:
步骤1:使用正常拍摄情况下采集到的图片,人为筛选出含有漏泄同轴电缆的图片,包含隧道内、隧道外场景;
步骤2:使用LabelImage软件对挑选出的漏泄同轴电缆图片进行数据标注,标注出漏泄同轴电缆所在图片中的位置、宽高,形成可以输入训练网络的.xml文件;
步骤3:把标注好的.xml文件输入到设计好的网络模型中,设置迭代次数、学习率,开始训练识别模型,根据后续的参数调优训练出理想的识别模型。
7.如权利要求4所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,识别模块还用于通过图像识别技术对所述相机镜头拍摄到的图片进行实时的自动识别,判断图片中是否含有目标物并筛选出拍摄图片是隧道内还是隧道外,将筛选出的含有目标物体的图片发送至所述图像存储模块进行存储。
8.如权利要求4所述的基于实时图像识别的漏泄同轴电缆图像采集方法,其特征在于,所述采集识别控制模块还包括速度传感器,所述速度传感器用于获得列车行驶速度,所述采集识别控制模块通过所述速度传感器获得的列车行驶速度确定所述多相机图像采集模块的拍照频率。
9.一种基于实时图像识别的漏泄同轴电缆图像采集系统,其特征在于,所述漏泄同轴电缆多相机采集系统包括:多相机图像采集模块、采集识别控制模块及图像存储模块;其中,
所述多相机图像采集模块用于对待采集区域进行图像采集,所述多相机图像采集模块包括相机云台,以及设置在所述相机云台上的多台不同焦距,不同景深的相机镜头;所述相机云台用于控制所述相机镜头的拍摄角度;
所述采集识别控制模块用于控制所述多相机图像采集模块拍照,利用深度学习图像识别模型对所述多相机图像采集模块拍摄到的图像进行漏泄同轴电缆识别和定位漏泄同轴电缆位置;并根据漏泄同轴电缆位置定位结果,通过控制所述相机云台,调整所述相机镜头的拍摄角度,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
所述图像存储模块用于存储采集到的含有漏泄同轴电缆的图片。
10.如权利要求9所述的基于实时图像识别的漏泄同轴电缆图像采集系统,其特征在于,所述采集识别控制模块包括图像采集控制模块和识别模块;
所述图像采集控制模块用于控制所述多相机图像采集模块拍照;
所述识别模块用于通过加载的深度学习图像识别模型根据所述多相机图像采集模块拍摄到的漏泄同轴电缆的初始图片,通过模式识别算法实时定位出漏泄同轴电缆所在图片中的位置信息,如果定位出的漏泄同轴电缆的位置不在图片的中心,则通过向所述相机云台发送控制信号,对所述相机镜头的拍摄角度进行微调,使得所述相机镜头拍摄到的漏泄同轴电缆处于图片的中心位置;
所述识别模块还用于通过图像识别技术对所述相机镜头拍摄到的图片进行实时的自动识别,判断图片中是否含有目标物并筛选出拍摄图片是隧道内还是隧道外,将筛选出的含有目标物体的图片发送至所述图像存储模块进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911403391.0A CN111147764A (zh) | 2019-12-31 | 2019-12-31 | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911403391.0A CN111147764A (zh) | 2019-12-31 | 2019-12-31 | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111147764A true CN111147764A (zh) | 2020-05-12 |
Family
ID=70522359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911403391.0A Pending CN111147764A (zh) | 2019-12-31 | 2019-12-31 | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111147764A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288800A (zh) * | 2020-09-27 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种服务器机柜门锁眼识别方法、设备及装置 |
CN113239757A (zh) * | 2021-04-28 | 2021-08-10 | 宁波思高信通科技有限公司 | 一种漏缆检测方法、系统、存储介质及智能终端 |
WO2023273035A1 (zh) * | 2021-06-30 | 2023-01-05 | 阿波罗智联(北京)科技有限公司 | 图像拍摄方法、图像分类模型训练方法、装置及电子设备 |
CN115731482A (zh) * | 2022-12-27 | 2023-03-03 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
-
2019
- 2019-12-31 CN CN201911403391.0A patent/CN111147764A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288800A (zh) * | 2020-09-27 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种服务器机柜门锁眼识别方法、设备及装置 |
CN112288800B (zh) * | 2020-09-27 | 2023-05-12 | 山东浪潮科学研究院有限公司 | 一种服务器机柜门锁眼识别方法、设备及装置 |
CN113239757A (zh) * | 2021-04-28 | 2021-08-10 | 宁波思高信通科技有限公司 | 一种漏缆检测方法、系统、存储介质及智能终端 |
CN113239757B (zh) * | 2021-04-28 | 2022-05-13 | 宁波思高信通科技有限公司 | 一种漏缆检测方法、系统、存储介质及智能终端 |
WO2023273035A1 (zh) * | 2021-06-30 | 2023-01-05 | 阿波罗智联(北京)科技有限公司 | 图像拍摄方法、图像分类模型训练方法、装置及电子设备 |
CN115731482A (zh) * | 2022-12-27 | 2023-03-03 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
CN115731482B (zh) * | 2022-12-27 | 2024-01-16 | 江阴市浩盛电器线缆制造有限公司 | 违规电缆敷设场景鉴别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111147764A (zh) | 基于实时图像识别的漏泄同轴电缆图像采集方法及系统 | |
CN104184958B (zh) | 一种适用于空间探测成像的基于fpga的自动曝光控制方法及其装置 | |
CN107852465B (zh) | 车载环境识别装置 | |
CN112164015A (zh) | 单目视觉自主巡检图像采集方法、装置及电力巡检无人机 | |
CN106462737A (zh) | 用于浑浊性检测的系统和方法 | |
CN104754302A (zh) | 一种基于枪球联动系统的目标检测跟踪方法 | |
CN102495511B (zh) | 一种摄像机自动曝光调节方法 | |
CN111765974B (zh) | 一种基于微型制冷红外热像仪的野生动物观测系统及方法 | |
KR101038650B1 (ko) | 적응적 배경영상 모델링 방법, 이를 이용한 불법주정차 무인단속방법 및 불법주정차 무인단속시스템 | |
CN113052151B (zh) | 基于计算机视觉的无人机自动降落引导方法 | |
CN112711267B (zh) | 基于rtk高精度定位与机器视觉融合的无人机自主巡检方法 | |
US20180278844A1 (en) | Photographing method and photographing device of unmanned aerial vehicle, unmanned aerial vehicle, and ground control device | |
CN110493524A (zh) | 一种测光调整方法、装置、设备和存储介质 | |
CN108225277A (zh) | 无人机的图像获取方法、视觉定位方法、装置、无人机 | |
CN109002045B (zh) | 一种智能巡检机器人的巡检定位方法及巡检定位系统 | |
CN111510631A (zh) | 一种快速自动调焦方法和调焦装置 | |
CN118018112B (zh) | 星地激光通信任务能力分析方法、装置、系统及介质 | |
CN116185065A (zh) | 无人机巡检方法、装置及非易失性存储介质 | |
CN115578662A (zh) | 无人机前端图像处理方法、系统、存储介质及设备 | |
CN115493594A (zh) | 基于bim的巡查控制系统及方法 | |
CN111208146A (zh) | 一种隧道线缆检测系统及检测方法 | |
CN106340031A (zh) | 一种检测运动物体的方法和装置 | |
CN105049704A (zh) | 一种拍照的方法和设备 | |
CN112585945A (zh) | 对焦方法、装置及设备 | |
CN114627119B (zh) | 基于视觉神经网络的外观缺陷智能识别系统及识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |