[发明专利]一种基于聚类的规则排列物体自动识别及编号方法

权利要求书

1.一种基于聚类的规则排列物体自动识别及编号方法，其特征在于，包括以下步骤：

S1、获取视频监控图像；

S2、针对获得的每帧图像，采用基于深度学习的目标检测技术识别出图像中每个待识别的目标物体；

S3、利用实例分割方法对步骤S2中的目标检测结果进行精调；

S4、对连续的n帧图像进行步骤S2、步骤S3的目标检测和精调；

S5、校正拍摄图像，获取待识别的目标物体的中心位置x轴和y轴坐标值；根据相机内参和外参，构建仿射变换矩阵，并对目标检测结果进行仿射变换，去除透视效果；分别对变换后的中心位置做x轴和y轴投影，获得目标物体的中心位置x轴和y轴两组样本[x₁，x₂，...，x_m]和[y₁，y₂，…，y_m]，m为检测出来的目标物体数量；

S6、对两组样本[x₁，x₂，...，x_m]和[y₁，y₂，…，y_m]分别进行聚类分析，以获取目标物体的行列数目；

S7、根据步骤S6中每个检测结果在x轴投影的最优聚类结果和y轴投影的最优聚类结果，生成目标物体的编号。

2.根据权利要求1所述的规则排列物体自动识别及编号方法，其特征在于，所述步骤S1中，采用网络摄像机获取视频监控图像，所述网络摄像机能够拍摄到规则排列物体的全部或部分区域。

3.根据权利要求1所述的规则排列物体自动识别及编号方法，其特征在于，所述步骤S2中，利用Yolo系列检测算法检测出待识别目标物体的矩形框区域，待识别目标物体包括会议室中的座位、教室中的课桌、电影院中的座椅或光伏厂中铺设的光伏板。

4.根据权利要求1所述的规则排列物体自动识别及编号方法，其特征在于，所述步骤S3中，利用BlendMask实例分割算法分割出目标物体区域，检验步骤S2中所选出的目标区域是否存在合理的实例分割结果，对其位置进行精调和修正。

5.根据权利要求1所述的规则排列物体自动识别及编号方法，其特征在于，所述步骤S4为避免存在单帧图像中目标物体被遮挡或者未检测出的情况发生，通过对多帧检测结果进行融合，可以获得稳定的目标区域位置。

6.根据权利要求5所述的规则排列物体自动识别及编号方法，其特征在于，对多帧检测结果进行融合的具体方法是：统计图像中每个像素位置出现在检测矩形框中的次数，若其次数超过n×60％，则认为该像素属于待识别物体区域，并将其周围同属于待识别物体区域的像素区域连接起来，寻找一个最小连接矩形，将该矩形区域作为物体检测区域。

7.根据权利要求1所述的规则排列物体自动识别及编号方法，其特征在于，所述步骤S6中，获取目标物体的行列数目的具体方法如下：

(1)、对样本[x₁，x₂，...，x_m]做k-means聚类分析，通过采用不同k值的聚类分析，筛选出最可能的行数；分别令k＝2，3，4，...，10，依次进行k-means聚类；

(2)、统计每次k取值时的所有聚类方差计算其相邻两个方差值之间的绝对值，寻找其绝对值最大值，若值最大，则认为该最优聚类类别数是p，即行数为p；

(3)、对样本[y₁，y₂，...，y_m]分别进行上述的聚类分析，获取列数q。