CN113095447B - 一种基于图像识别的检测方法及系统 - Google Patents
一种基于图像识别的检测方法及系统 Download PDFInfo
- Publication number
- CN113095447B CN113095447B CN202110645758.0A CN202110645758A CN113095447B CN 113095447 B CN113095447 B CN 113095447B CN 202110645758 A CN202110645758 A CN 202110645758A CN 113095447 B CN113095447 B CN 113095447B
- Authority
- CN
- China
- Prior art keywords
- simulation
- image data
- graph
- graphs
- preset
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 6
- 238000011897 real-time detection Methods 0.000 abstract description 6
- 230000009194 climbing Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/12—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及图像识别技术领域，尤其涉及一种基于图像识别的检测方法及系统。首先通过两张以上的图像数据能够计算出待检测物在图像数据上的区域；接着通过所有的动态特征点绘制出多个的模拟图形并由模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；最后自动获取对应所述图像坐标集合内所有坐标点的激光距离值并根据所有激光距离值计算得到对应匹配的模拟图形的倾斜度，根据倾斜度判断待检测物的状态。整个过程只需对待检测物进行拍摄即可智能分析出待检测物的状态，再则只需通过局部数据来判断待检测物的状态，大大减少检测与计算的数据量，以满足实际使用中实时检测对数据处理能力的要求。
Description
技术领域
本发明涉及计算机图像处理领域，尤其涉及一种基于图像识别的检测方法及系统。
背景技术
市场上对物体倾斜度的测量通常采用倾斜度测量仪，然而对于大型物体的测量，倾斜度测量仪就存在极大的局限性，并且测量操作也较为复杂，无法实现实时测量。随着图像识别技术的不断发展，目前已有将图像识别技术应用于对大型物体的倾斜度测量，然而由于识别精度以及巨大数据量的原因，导致难以实现实时测量。
发明内容
本发明所要解决的技术问题是：提供一种基于图像识别的检测方法及系统，能够对大型待检测物的倾斜度进行实时检测，从而避免待检测物过度倾斜引起不良后果。
为了解决上述技术问题，本发明采用的第一技术方案为：
一种基于图像识别的检测方法，包括以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
本发明采用的第二技术方案为：
一种基于图像识别的检测系统，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
本发明的有益效果在于：
本发明提供的一种基于图像识别的检测方法，首先通过对待检测物移动运行时拍摄得到两张以上的图像数据，通过两张以上的图像数据能够计算出待检测物在图像数据上的区域，这一过程中无需人为选择图像数据上的待检测物，避免人为干预影响后续检测结果；接着通过所有的动态特征点绘制出多个的模拟图形并由模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合，实现有针对性的局部捕捉并定位；最后自动获取对应所述图像坐标集合内所有坐标点的激光距离值并根据所有激光距离值计算得到对应匹配的模拟图形的倾斜度，根据倾斜度判断待检测物的状态，这一过程也无需人为选择检测对象，通过上述局部捕捉即可自动获取检测对象的激光距离值，避免人为干预影响后续检测结果。上述的基于图像识别的检测方法，整个过程只需对待检测物进行拍摄即可智能分析出待检测物的状态，再则只需通过局部数据来判断待检测物的状态，大大减少检测与计算的数据量，以满足实际使用中实时检测对数据处理能力的要求，能够实现对大型待检测物的倾斜度进行实时检测，从而避免待检测物过度倾斜引起不良后果。同理，本发明还提供的一种基于图像识别的检测系统，同样能够实现上述所宣称的技术效果。
附图说明
图1为本发明的一种基于图像识别的检测方法的步骤流程图；
图2为本发明的一种基于图像识别的检测系统的结构示意图；
标号说明：
1、基于图像识别的检测系统；2、处理器；3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1，本发明提供的一种基于图像识别的检测方法，包括以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
从上述描述可知，本发明的有益效果在于：
本发明提供的一种基于图像识别的检测方法，首先通过对待检测物移动运行时拍摄得到两张以上的图像数据，通过两张以上的图像数据能够计算出待检测物在图像数据上的区域，这一过程中无需人为选择图像数据上的待检测物，避免人为干预影响后续检测结果；接着通过所有的动态特征点绘制出多个的模拟图形并由模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合，实现有针对性的局部捕捉并定位；最后自动获取对应所述图像坐标集合内所有坐标点的激光距离值并根据所有激光距离值计算得到对应匹配的模拟图形的倾斜度，根据倾斜度判断待检测物的状态，这一过程也无需人为选择检测对象，通过上述局部捕捉即可自动获取检测对象的激光距离值，避免人为干预影响后续检测结果。上述的基于图像识别的检测方法，整个过程只需对待检测物进行拍摄即可智能分析出待检测物的状态，再则只需通过局部数据来判断待检测物的状态，大大减少检测与计算的数据量，以满足实际使用中实时检测对数据处理能力的要求。
进一步的，步骤S2具体为：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
由上述描述可知，通过上述方式，将位于同一图像坐标位置上的像素点对应的像素值进行分别比较，若相同图像坐标位置上的像素点对应的像素值不相等，则说明该像素点发生移动，进而对该像素点进行标记，通过这一方式，能够识别出待检测物的基本轮廓，以便后续进一步有针对性的处理。
进一步的，步骤S3具体为：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。
由上述描述可知，通过对拍摄得到的图像数据进行预处理，避免拍摄环境光线照射使得图像数据上存在反光和/或阴影部分，进而影响图像识别，因而通过上述方式，能够提升图像识别精度。
进一步的，步骤S4具体为：
S41、预设一目标对象数据库，所述目标对象数据库存储有两个以上的目标图形；
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合。
由上述描述可知，通过上述方式，可从多个模拟图形筛选出指定的目标图形，即实现部分检测，后续无需对所有的模拟图形都进行检测，大大减少数据处理量。
进一步的，步骤S43和步骤S44之间还包括：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形。
由上述描述可知，通过上述方式，可实现当待检测物的部件被遮挡，即在图像数据上只能得到部件未被遮挡的部分，通过计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度，若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则认定该部件为对应的模拟图形的残缺模拟图形，再通过补偿方式完善该残缺模拟图形，形成匹配的模拟图形，提升数据的有效性。
继续参阅图2，本发明还提供的一种基于图像识别的检测系统1，包括一个或多个处理器2及存储器3，所述存储器3存储有程序，该程序被处理器2执行时实现以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
从上述描述可知，本发明的有益效果在于：
本发明提供的一种基于图像识别的检测系统，能够达到上述所宣称的技术效果。
进一步的，该程序被处理器执行时具体实现以下步骤：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
由上述描述可知，通过上述方式，将位于同一图像坐标位置上的像素点对应的像素值进行分别比较，若相同图像坐标位置上的像素点对应的像素值不相等，则说明该像素点发生移动，进而对该像素点进行标记，通过这一方式，能够识别出待检测物的基本轮廓，以便后续进一步有针对性的处理。
进一步的，该程序被处理器执行时具体实现以下步骤：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。
由上述描述可知，通过对拍摄得到的图像数据进行预处理，避免拍摄环境光线照射使得图像数据上存在反光和/或阴影部分，进而影响图像识别，因而通过上述方式，能够提升图像识别精度。
进一步的，该程序被处理器执行时具体实现以下步骤：
S41、预设一目标对象数据库，所述目标对象数据库存储有两个以上的目标图形；
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合。
由上述描述可知，通过上述方式，可从多个模拟图形筛选出指定的目标图形，即实现部分检测，后续无需对所有的模拟图形都进行检测，大大减少数据处理量。
进一步的，该程序被处理器执行时还实现以下步骤：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形。
由上述描述可知，通过上述方式，可实现当待检测物的部件被遮挡，即在图像数据上只能得到部件未被遮挡的部分，通过计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度，若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则认定该部件为对应的模拟图形的残缺模拟图形，再通过补偿方式完善该残缺模拟图形，形成匹配的模拟图形，提升数据的有效性。
请参照图1，本发明的实施例一为：
本发明提供的一种基于图像识别的检测方法，可用于对建筑物外围的爬架装置的倾斜度进行检测，当爬架装置在长期使用过程中发生倾斜，通过上述方法可实现实时检测。例如，在本实施例中，待检测物为爬架装置。
上述的基于图像识别的检测方法，包括以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
在本实施例中，事先将拍摄用的摄像头装置固定设置在爬架装置外围，一般与爬架装置之间的间距设置在50-80m，具体可根据建筑物的整体楼高以及楼宽而定。并且摄像头装置的镜头中心光标设置为与大地的水平、竖直方向对齐，并以镜头中心光标建立坐标系。其中预设间隔时长设定为10-120s，主要是在爬架装置移动过程才进行拍摄且拍摄时镜头保持不动。优选拍摄3-5张图像数据。
摄像头装置拍摄到的图像数据传输至中央处理器，中央处理器接收到图像数据后执行以下步骤。
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
步骤S2具体为：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
为提升动态特征点的选取精度，进一步采用以下步骤：
事先根据拍摄的时间间隔和待检测物移动的速度，计算出对应两张图像数据上的动态特征点在坐标系上的移动距离，以此，建立起拍摄的时间间隔、待检测物移动的速度以及在坐标系上的移动距离之间的对应关系，即设置一映射表，用于存储上述对应关系，以便后续查表使用；
在实际拍摄得到的两张以上的图像数据，计算出所有的动态特征点时，通过上述对应关系，查表能够得出理论的移动距离值，再通过上述步骤S2具体方式可以得出实际的像素点的偏移值，若该偏移值符合上述移动距离值，则进一步认定该像素点为动态特征点，这里的符合是指在一定可接受的误差范围内即可。
再则，可根据摄像头装置与待检测物之间的间距自动调节摄像头装置的分辨率以及拍摄的时间间隔，即为在上述的映射表中还存储有摄像头装置与待检测物之间的间距、摄像头装置的分辨率以及拍摄的时间间隔之间的对应关系。其中，在实际使用过程中，当摄像头装置位置设定完成后，先测量摄像头装置与待检测物之间的实际间距，通过上述映射表中的对应关系可获得对应的摄像头装置的分辨率以及拍摄的时间间隔，并自动对摄像头装置进行相应的配置操作。
S3、根据所有的动态特征点绘制出多个的模拟图形；
步骤S3具体为：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；其中，去反光处理和去阴影处理均采用现有的图像处理技术。
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。即根据相邻灰度值差值大小来确定物体边界。
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；
步骤S4具体为：
S41、预设一目标对象数据库，所述目标对象数据库预先存储有待检测物的局部所对应的图像数据，即为所述目标对象数据库存储有两个以上的目标图形；本实施例中，目标图形为爬架装置中的竖直设置的主框架，如竖杆。
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；其中，相似度的计算方式可采用现有的方式。
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；其中预设相似度阈值设置为90%以上，本实施例中，设置为90%。
步骤S43和步骤S44之间还包括：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；其中预设数量阈值设置为100-300个。
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；其中预设匹配度阈值为95%以上，本实施例中，设置为95%。预设比例值为60%以上，本实施例中，设置为60%。
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形。
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合。
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
在本实施例中，在摄像头装置上集成有激光测距仪，用来获取激光距离值。具体的，摄像头装置上设有可全角度旋转的基座，激光测距仪设置在基座上，其中倾斜度计算采用几何算法即可计算得到，如三角函数，即通过采集激光测距仪到每一个坐标点的距离值，再通过多个的距离值可模拟出上述的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度，如同从一个激光点对某一物体的三维数据扫描，这是采用现有的方式，这里不再赘述。
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。其中预设倾斜阈值范围为-5°~5°，以大地的竖直面为0°平面。
请参照图2，本发明的实施例二为：
本发明还提供的一种基于图像识别的检测系统，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
进一步的，该程序被处理器执行时具体实现以下步骤：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
进一步的，该程序被处理器执行时具体实现以下步骤：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。
进一步的，该程序被处理器执行时具体实现以下步骤：
S41、预设一目标对象数据库，所述目标对象数据库存储有两个以上的目标图形；
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合。
进一步的，该程序被处理器执行时还实现以下步骤：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形。
综上所述，本发明提供的一种基于图像识别的检测方法，与传统的单张图像数据中特征点识别相比，本方案通过对待检测物移动运行时拍摄得到两张以上的图像数据，能够计算出待检测物在图像数据上的区域，这与传统方式完全不同；接着通过模拟图形遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合，实现有针对性的局部捕捉并定位；基于此定位，实现自动获取对应所述图像坐标集合内所有坐标点的激光距离值，相较于传统的人工取点的方式相比，取点精度更高，且无需人为选择检测对象，并根据所有激光距离值计算得到对应匹配的模拟图形的倾斜度，根据倾斜度判断待检测物的状态，通过上述局部捕捉即可自动获取检测对象的激光距离值，避免人为干预影响后续检测结果。上述的基于图像识别的检测方法，整个过程只需对待检测物进行拍摄即可智能分析出待检测物的状态，而且只检测局部数据来判断待检测物的状态，大大减少检测与计算的数据量，以满足实际使用中实时检测对数据处理能力的要求。由于三维立体以二维平面的方式来呈现，会导致遮挡进而大量数据失效，因而通过图形补偿实现数据补充，以提高测量精度。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于图像识别的检测方法，其特征在于，包括以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
步骤S4具体为：
S41、预设一目标对象数据库，所述目标对象数据库存储有两个以上的目标图形；
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；
步骤S43和步骤S44之间还包括：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形；
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
2.根据权利要求1所述的一种基于图像识别的检测方法，其特征在于，步骤S2具体为：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
3.根据权利要求1所述的一种基于图像识别的检测方法，其特征在于，步骤S3具体为：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。
4.一种基于图像识别的检测系统，其特征在于，包括一个或多个处理器及存储器，所述存储器存储有程序，该程序被处理器执行时实现以下步骤：
S1、在待检测物移动运行时，于一位置朝向待检测物方向，按照预设间隔时长拍摄得到两张以上的图像数据；
S2、根据拍摄得到的两张以上的图像数据，计算出所有的动态特征点；
S3、根据所有的动态特征点绘制出多个的模拟图形；
S4、将多个的所述模拟图形分别遍历预设的目标对象数据库，得到所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；所述目标对象数据库预先存储有待检测物的局部所对应的图像数据；
该程序被处理器执行时具体实现以下步骤：
S41、预设一目标对象数据库，所述目标对象数据库存储有两个以上的目标图形；
S42、将多个的所述模拟图形分别与两个以上的目标图形进行相似度计算，得到各自对应的相似度值；
S43、将相似度值达到预设相似度阈值的模拟图形作为匹配的模拟图形；
该程序被处理器执行时还实现以下步骤：
S431、判断所有匹配的模拟图形的数量是否大于预设数量阈值，若否，则计算相似度值未达到预设相似度阈值的模拟图形分别与两个以上的目标图形的局部匹配度；
S432、若计算得到的局部匹配度大于预设匹配度阈值且局部面积占对应目标图形整体面积的比值达到预设比例值，则标记对应的模拟图形为残缺模拟图形；
S433、根据目标图形以虚线绘制出所述残缺模拟图形的残缺区域并与残缺模拟图形共同形成匹配的模拟图形；
S44、获取所有匹配的模拟图形各自在对应图像数据中的图像坐标集合；
S5、于所述一位置分别自动获取对应所述图像坐标集合内所有坐标点的激光距离值，并根据所有激光距离值计算得到对应匹配的模拟图形与竖直平面之间形成的倾斜角所对应的倾斜度；
S6、若计算得到对应匹配的模拟图形的倾斜度超出预设倾斜阈值范围内，则判定所述待检测物处于异常状态；若计算得到对应匹配的模拟图形的倾斜度处于预设倾斜阈值范围内，则判定所述待检测物处于正常状态。
5.根据权利要求4所述的一种基于图像识别的检测系统，其特征在于，该程序被处理器执行时具体实现以下步骤：
提取拍摄得到的两张以上的图像数据上各自对应的像素点；
分别将位于同一图像坐标位置上的像素点对应的像素值进行比较；
将像素值不相等的像素点标记为动态特征点。
6.根据权利要求4所述的一种基于图像识别的检测系统，其特征在于，该程序被处理器执行时具体实现以下步骤：
对拍摄得到的图像数据进行预处理，所述预处理包括去反光处理和去阴影处理；
将预处理后的图像数据所对应的动态特征点进行灰度处理，根据每个动态特征点对应的灰度值绘制出多个的模拟图形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110645758.0A CN113095447B (zh) | 2021-06-10 | 2021-06-10 | 一种基于图像识别的检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110645758.0A CN113095447B (zh) | 2021-06-10 | 2021-06-10 | 一种基于图像识别的检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095447A CN113095447A (zh) | 2021-07-09 |
| CN113095447B true CN113095447B (zh) | 2021-09-07 |
Family
ID=76665017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110645758.0A Active CN113095447B (zh) | 2021-06-10 | 2021-06-10 | 一种基于图像识别的检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095447B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114324363B (zh) * | 2021-12-31 | 2024-04-26 | 无锡艾方芯动自动化设备有限公司 | 产品状态检测方法及系统 |
| CN115457484B (zh) * | 2022-11-10 | 2023-02-07 | 梁山华鲁专用汽车制造有限公司 | 一种用于半挂车自动卸货的控制方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210446A (zh) * | 2019-06-12 | 2019-09-06 | 广东工业大学 | 一种目标对象的坐姿状态检测方法、装置、设备及介质 |
| CN111079525A (zh) * | 2019-11-05 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 图像处理方法、设备、系统及存储介质 |
| CN111160136A (zh) * | 2019-12-12 | 2020-05-15 | 天目爱视（北京）科技有限公司 | 一种标准化3d信息采集测量方法及系统 |
| CN112344869A (zh) * | 2020-10-09 | 2021-02-09 | 国家电网公司西北分部 | 基于侧面拟合的铁塔变形监测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446254A (zh) * | 2019-08-30 | 2021-03-05 | 深圳云天励飞技术有限公司 | 人脸追踪的方法及相关装置 |
-
2021
- 2021-06-10 CN CN202110645758.0A patent/CN113095447B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210446A (zh) * | 2019-06-12 | 2019-09-06 | 广东工业大学 | 一种目标对象的坐姿状态检测方法、装置、设备及介质 |
| CN111079525A (zh) * | 2019-11-05 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 图像处理方法、设备、系统及存储介质 |
| CN111160136A (zh) * | 2019-12-12 | 2020-05-15 | 天目爱视（北京）科技有限公司 | 一种标准化3d信息采集测量方法及系统 |
| CN112344869A (zh) * | 2020-10-09 | 2021-02-09 | 国家电网公司西北分部 | 基于侧面拟合的铁塔变形监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095447A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shan et al. | A stereovision-based crack width detection approach for concrete surface assessment | |
| JP5671281B2 (ja) | 位置姿勢計測装置、位置姿勢計測装置の制御方法及びプログラム | |
| CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
| CN113095447B (zh) | 一种基于图像识别的检测方法及系统 | |
| CN111046776A (zh) | 基于深度相机的移动机器人行进路径障碍物检测的方法 | |
| CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
| WO2022105676A1 (zh) | 一种工件平面磨损的测量方法和系统 | |
| CN110926330A (zh) | 图像处理装置和图像处理方法 | |
| CN114494371A (zh) | 基于多尺度相位一致性的光学图像和sar图像配准方法 | |
| CN115619738A (zh) | 一种模组侧缝焊焊后检测方法 | |
| Chu et al. | Chessboard corner detection under image physical coordinate | |
| CN116433584A (zh) | 一种长条形打磨模板表面缺陷检测方法、系统及存储介质 | |
| CN115511878A (zh) | 一种边坡地表位移监测方法、装置、介质及设备 | |
| CN113749646A (zh) | 基于单目视觉的人体身高测量方法、装置及电子设备 | |
| Reiterer et al. | System Considerations of an Image Assisted Total Station-Evaluation and Assessment | |
| CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
| Zhang et al. | Freight train gauge-exceeding detection based on three-dimensional stereo vision measurement | |
| CN113983951B (zh) | 三维目标的测量方法、装置、影像仪及存储介质 | |
| CN115018735A (zh) | 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统 | |
| CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 | |
| CN117329977B (zh) | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 | |
| Sun et al. | A fast and robust detection algorithm for extraction of the centre of a structured light stripe | |
| Liu et al. | Research on corner detection algorithm based on the long depth of field binocular camera with wavefront coding | |
| Ji et al. | A Machine Vision Measurement Method for Large Plates Based on Reference Point Assistance | |
| CN117648889B (zh) | 一种基于帧间差法的井喷流体测速方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: Unit 1901, 19th floor, xinjingdi building, 469 Gaolin Middle Road, Huli District, Xiamen City, Fujian Province, 361000 Patentee after: Xiamen Anke Technology Co.,Ltd. Country or region after: China Patentee after: Shenzhen United Security Technology Co.,Ltd. Address before: 518110 No.301, Fukang community, Longhua street, Longhua District, Shenzhen City, Guangdong Province Patentee before: Shenzhen United Security Technology Co.,Ltd. Country or region before: China Patentee before: Xiamen Anke Technology Co.,Ltd. Address after: 518110 No.301, Fukang community, Longhua street, Longhua District, Shenzhen City, Guangdong Province Patentee after: Shenzhen United Security Technology Co.,Ltd. Country or region after: China Patentee after: Xiamen Anke Technology Co.,Ltd. Address before: 518110 No.301, Fukang community, Longhua street, Longhua District, Shenzhen City, Guangdong Province Patentee before: Shenzhen United Security Technology Co.,Ltd. Country or region before: China Patentee before: XIAMEN ANKE TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |