[发明专利]一种计算机视觉目标检测算法

说明书

本发明涉及一种计算机视觉目标检测算法，用于在目标图像中检测目标物体，包含步骤：S1、对源图像和目标图像均做灰度化处理，生成灰度源图像和灰度目标图像；S2、提取灰度源图像的边缘信息，生成边缘源图像；S3、提取灰度目标图像的边缘信息，生成边缘目标图像；S4、抑制边缘目标图像的噪声，生成滤波边缘目标图像；S5、提取边缘源图像和滤波边缘目标图像的特征点，并对特征点进行匹配，得到匹配点；S6、剔除匹配点中的误差点，得到准确匹配点及目标物体在目标图像中的位置。本发明针对现有技术在特征点匹配方面存在的问题做出改进，提高了识别准确率，且具有较强的鲁棒性和较快的运行速度，适用于输电线路U型挂环图像缺陷检测。

技术领域

本发明涉及图像处理与计算机视觉领域，尤其涉及一种应用于电力系统无人机巡检作业领域的计算机视觉目标检测算法。

背景技术

输电线路中的U型挂环是电力系统的重要组成部分，用于变换角度和加长耐张绝缘子，其通常暴露在复杂的外部环境中，有很多的不确定因素会对其造成损坏，因此定期的巡检必不可少。传统方式为人工巡检作业，但受天气、地形地貌和人为性等随机性因素影响较大，且成本较高。近年来，无人机技术得到迅速发展，无人机巡检作业成为输电线巡检的手段之一。

无人机巡检作业的操作方法是在无人机上搭载小型高清相机，在输电线沿线飞行并拍摄高清照片，然后对图像进行处理和分析，查找设备缺陷。对图像进行处理和分析的前提是，要准确识别目标物体，以及目标物体在图像中的位置，这样才能进行后续的目标物体缺陷检测，因此如何准确识别图像中U型挂环并定位其具体位置是关键步骤。

目前，目标检测技术的主流算法是采用SURF算法(Speeded-Up Robust Features，加速版具有鲁棒性的特征算法，一种图像识别算法)，SURF算法具有识别速度快、实时性强的优点，但同时也存在着在噪点多的情况下识别效果不好、准确率不高的缺点，而电力输电线路巡检为室外复杂环境作业，经常存在天气或自然背景干扰，导致使用SURF算法因误差点多而识别率不高，不能满足无人机巡检作业的需求。

发明内容

本发明的目的在于提供一种计算机视觉目标检测算法，针对目前采用的SURF算法在特征点匹配方面存在的问题，提高识别率，实现快速准确地识别检测。

为实现上述目的，本发明通过以下技术方案实现：

一种计算机视觉目标检测算法，用于在目标图像中检测目标物体，包含步骤：

S1、对仅含有所述目标物体的源图像和待检测的所述目标图像均做灰度化处理，生成灰度源图像和灰度目标图像；

S2、提取所述灰度源图像的边缘信息，生成边缘源图像；

S3、提取所述灰度目标图像的边缘信息，生成边缘目标图像；

S4、抑制所述边缘目标图像的噪声，生成滤波边缘目标图像；

S5、提取所述边缘源图像和所述滤波边缘目标图像的特征点，并对特征点进行匹配，得到匹配点；

S6、剔除所述边缘源图像和所述滤波边缘目标图像的所述匹配点的误差点，得到准确匹配点及所述目标物体在所述目标图像中的位置。

优选地，步骤S2是基于Canny边缘检测算子(坎尼边缘检测算子，一种多级边缘检测算子)实现，包含步骤：

S21、基于高斯滤波器平滑处理所述灰度源图像，生成平滑灰度源图像；

S22、基于一阶偏导的有限差分运算计算所述平滑灰度源图像的图像梯度幅值和方向；

S23、基于非极大值抑制算法对所述平滑灰度源图像的图像梯度幅值进行非极大值抑制，对边缘的梯度幅值进行计算，保留局部最大梯度值而抑制其他梯度值，从而去除非边缘点，将多个像素宽的边缘细化为一个像素宽的边缘；