[发明专利]一种基于自适应基准图像隐患库的隐患识别方法及装置在审

专利信息
申请号: 202010534411.4 申请日: 2020-06-12
公开(公告)号: CN111695632A 公开(公告)日: 2020-09-22
发明(设计)人: 胡万宏;高亮;段州君;赵建炜;唐君;李强;程洪;冯晓磊;董雷 申请(专利权)人: 湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06F16/23;G06F16/583
代理公司: 浙江千克知识产权代理有限公司 33246 代理人: 裴金华
地址: 430000 湖北省*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 自适应 基准 图像 隐患 识别 方法 装置
【权利要求书】:

1.一种基于自适应基准图像隐患库的隐患识别方法,其特征为,包括:

获取待识别图像,将所述待识别图像导入至预设的基准图像隐患库进行图像配准,获得与所述待识别图像相似度最高的基准隐患图像;

判断所述基准隐患图像是否与所述待识别图像匹配;

若匹配成功,则将所述基准隐患图像的隐患类型作为所述待识别图像的隐患类别;

若匹配失败,则更新所述基准图像隐患库。

2.根据权利要求1所述的一种基于自适应基准图像隐患库的隐患识别方法,其特征为,“将所述待识别图像导入至预设的基准图像隐患库进行图像配准,获得与所述待识别图像相似度最高的基准隐患图像”的具体过程为:

通过SIFT规则对所述待识别图像和所述基准图像隐患库中的一个基准隐患图像提取特征点,构成所述待识别图像与所述基准图像隐患库中的一个基准隐患图像的特征向量;

通过对所述特征向量进行Hausdorff距离处理,获得所述待识别图像与所述基准图像隐患库中的一个基准隐患图像的相似度;

重复上述步骤,得到所述基准图像隐患库中所有基准隐患图像与所述待识别图像的相似度,获取与所述待识别图像相似度最高的基准隐患图像。

3.根据权利要求1所述的一种基于自适应基准图像隐患库的隐患识别方法,其特征为,“判断所述基准隐患图像是否与所述待识别图像匹配”具体包括:

获取与所述待识别图像相似度最高的基准隐患图像的相似度值,并判断所述相似度值是否不小于预设的判断阈值;

若所述相似度值不小于预设的所述判断阈值,则匹配成功;

若所述相似度值小于预设的所述判断阈值,则匹配失败。

4.根据权利要求1所述的一种基于自适应基准图像隐患库的隐患识别方法,其特征为,“更新所述基准图像隐患库”具体包括:

将所述待识别图像保存入所述基准图像隐患库,并向用户端发送更新提示信息。

5.一种基于自适应基准图像隐患库的隐患识别装置,其特征为,包括:

获取模块:获取待识别图像,将所述待识别图像导入至预设的基准图像隐患库进行图像配准,获得与所述待识别图像相似度最高的基准隐患图像;

判断模块:判断所述基准隐患图像是否与所述待识别图像匹配;

处理模块:若匹配成功,则将所述基准隐患图像的隐患类型作为所述待识别图像的隐患类别;

若匹配失败,则更新所述基准图像隐患库。

6.根据权利要求5所述的一种基于自适应基准图像隐患库的隐患识别装置,其特征为,所述获取模块包括:

第一处理单元:通过SIFT规则对所述待识别图像和所述基准图像隐患库中的一个基准隐患图像提取特征点,构成所述待识别图像与所述基准图像隐患库中的一个基准隐患图像的特征向量;

第二处理单元:通过对所述特征向量进行Hausdorff距离处理,获得所述待识别图像与所述基准图像隐患库中的一个基准隐患图像的相似度;

第一获取单元:重复上述步骤,得到所述基准图像隐患库中所有基准隐患图像与所述待识别图像的相似度,获取与所述待识别图像相似度最高的基准隐患图像。

7.根据权利要求5所述的一种基于自适应基准图像隐患库的隐患识别装置,其特征为,所述判断模块包括:

第一判断单元:获取与所述待识别图像相似度最高的基准隐患图像的相似度值,并判断所述相似度值是否不小于预设的判断阈值;

若所述相似度值不小于预设的所述判断阈值,则匹配成功;

若所述相似度值小于预设的所述判断阈值,则匹配失败。

8.根据权利要求5所述的一种基于自适应基准图像隐患库的隐患识别装置,其特征为,所述处理模块包括:

发送单元:将所述待识别图像保存入所述基准图像隐患库,并向用户端发送更新提示信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司,未经湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010534411.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top