[发明专利]一种视频图像的多圆形目标识别方法和系统

说明书

本发明提供了一种视频图像的圆形多目标识别方法和系统，方法包括：在训练阶段，采用一种圆形框IOU计算方法来替换典型目标检测算法中的矩形框IOU测算方法、使用基于圆形框的参数建立目标识别网络模型并对模型进行迭代训练，最后对训练后的模型进行优化，形成一种新目标检测训练体系；在预测阶段，以训练阶段保存的优化权值为输入，获取待识别图像的预测结果，并对预测结果进行解码转换获得圆形预测框；通过计算圆形真实框与预测框间的CIRCLE‑IOU对圆形预测框进行筛选去噪，从而精确识别目标物体。本方法避免很多非识别对象的像素点被框入，进一步提高了识别精度。

技术领域

本发明涉及图像识别技术领域，具体涉及一种视频图像的多圆形目标识别方法和系统。

背景技术

在此之前，对于圆形物体的识别一般都用霍夫圆变化和模板匹配的方法。霍夫圆变化的基本思路是认为图上的每一个点都可能是一个潜在的圆上的一点，通过将图上每个点的可能潜在的圆找出，通过投票选出最有可能的圆。对于图片上固定的一点（即横坐标和纵坐标为定值），则是三维坐标轴中的一条三维曲线，同时一个圆上的点都按这种方法画出潜在圆后，这些曲线都会交在同一点，这个点就是经过这些点的圆。当将图中所有点的可能潜在圆都在一个坐标轴中标出时，这些曲线就会产生许多个交点，当某个交点的由超过一定数量的曲线相交时，这个点所对应的圆就是要找的圆。

霍夫圆变化在使用时，由于其算法的特点，导致其时间复杂度和空间复杂度都很高，同时，它也需要用到许多的参数来配置，而这些参数的需要手动输入，而且一旦产生发生变化，就会导致最终的效果发生很大变化。

模板匹配是一种通过在大的图片上选择一块与要检测目标相同大小的区域并与要检测目标计算相似度的，选择其中相似度超过一定值的范围为识别目标。以8位灰度图像为例，模板T(m,n)叠放在被搜索图S(W,H)上平移，m、n、W、H均为坐标值。模板覆盖被搜索图的那块区域叫子图，为子图左下角在被搜索图S上的坐标，搜索范围是：1≤i≤W-n，1≤j≤H-m。可以用下式衡量T和的相似性：

(1)

其中，表示被搜索图S(W,H)的子图，大小与模板相同。

将（1）式归一化，得模板匹配的相关系数为：

(2)

当模板和子图一样时，相关系数R(i,j)=1，在被搜索图S中完成全部搜索后，找出R的最大值 ，其对应的子图即为匹配目标。用这种公式做图像匹配运算量大、速度慢，对于旋转了一定角度的目标的识别准确效果会变差。

发明内容

在通常的目标检测的代码中，多用矩形框来实现对目标的检测，这对于不是矩形的物体，在用矩形框预测时，为了能框出识别目标，会导致有很多非识别对象的像素点也同时被框入，这会在识别的过程中造成一定的误差。本发明解决的一个主要问题是现有的图像目标识别方法运算量大、识别精度低的问题。

根据本发明的一个方面，本发明提供一种视频图像的多圆形目标识别方法，包括：

检测原始图像中目标物的圆形真实框的参数，根据所述圆形真实框的参数得到目标数据集；

设置第一网络初始值，根据所述第一网络初始值构建第一目标检测网络；

建立损失函数；

将所述目标数据集划分为训练集和验证集；

随机加载所述训练集中的图片和与所述图片对应的圆形真实框的参数，训练所述第一目标检测网络；

获取所述训练集的特征层，并计算获得所述特征层对应的圆形预选框的参数；

从所述特征层中获取第一圆形预测框的参数；

根据所述圆形预选框的参数和所述圆形真实框的参数，计算所述圆形预选框和所述圆形真实框的第一交并比，根据所述第一交并比确定所述圆形真实框对应于所述特征层上的位置；

根据所述第一圆形预测框的参数和所述圆形真实框的参数，计算所述第一圆形预测框与所述圆形真实框之间的第二交并比；

根据所述第二交并比划分正负样本；