[发明专利]一种基于神经网络的智能读表算法

说明书

本发明公开了一种基于神经网络的智能读表算法，其使用方法包括以下步骤：A、通过摄像头读取视频帧；A1、将摄像头的镜头进行清洁。本发明针对目前工业界对于拍摄仪表需要严苛的标准，利用神经网络来计算从一个概率分布转移到另一个概率分布的分布矩阵，从而可以实现快速匹配仪表，进而精确地读数，对比传统SIFT方式，提高了实时性和准确度，可以较好地用于不同场景下的仪表，实现了处理速度快、精度高、鲁棒性强的目的，解决了目前市面上的主流方法是先用传统算法进行特征点提取，再针对不同的仪表进行模板匹配后读数，这种方法对于拍摄的要求很高，传统算法会由于环境光照、偏转角度、仪表外壳的反光程度导致匹配失败的问题。

技术领域

本发明涉及智能读表领域技术领域，具体为一种基于神经网络的智能读 表算法。

背景技术

以往的读表方式多是用人工的方式去查看，不利于实时监控仪表读数， 从而有可能导致重大事故，目前市面上的主流方法是先用传统算法进行特征 点提取，再针对不同的仪表进行模板匹配后读数，这种方法对于拍摄的要求 很高，传统算法会由于环境光照、偏转角度、仪表外壳的反光程度导致匹配 失败，本发明采用了神经网络自动读表的技术，省去了人工成本，极大地提 升了读表效率，本发明是基于神经网络来定位视频帧中出现的特征点，处理 速度、输出精度极大地超过了传统算法。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于神经网络 的智能读表算法，具备处理速度快、精度高、鲁棒性强的优点，解决了目前 市面上的主流方法是先用传统算法进行特征点提取，再针对不同的仪表进行 模板匹配后读数，这种方法对于拍摄的要求很高，传统算法会由于环境光照、 偏转角度、仪表外壳的反光程度导致匹配失败的问题。

为实现上述目的，本发明提供如下技术方案：一种基于神经网络的智能 读表算法，其使用方法包括以下步骤：

A、通过摄像头读取视频帧；

A1、将摄像头的镜头进行清洁；

A2、将摄像头调整好照射角度后照射仪表盘；

B、利用神经网络获取特征点；

C、视频帧中是否有仪表；

C1、分为两种情况：不存在和存在；

D、步骤C1中不存在的情况下对步骤A中摄像头的摄像角度进行调整；

E、步骤C1中存在的情况下分为两种情况：

E1、对于数码表则直接模板匹配进行读数；

E2、对于指针仪表则进行霍夫直线检测来判断指针位置进行读数。

优选的，所述步骤A中的摄像头为1080P高清摄像头，且要保证摄像头 镜头的清洁度。

优选的，所述步骤A中仪表盘不可以出现大面积反光等情况。

优选的，所述步骤E中首先用一个编码器用于将之前提取出的点的位置 和描述整合到一起，然后用图的形式将图内和图间的特征点连接起来，构建 相关性用了注意力聚合机制。

优选的，所述步骤E基于神经网络来定位视频帧中出现的特征点。

优选的，所述步骤E利用神经网络来计算从一个概率分布转移到另一个 概率分布的分布矩阵。

与现有技术相比，本发明的有益效果如下：