[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

说明书

本发明公开了一种基于聚类的规则排列物体自动识别及编号方法，包括获得视频监控图像；针对获得的每帧图像，识别出图中每个待识别的目标物体；对目标物体检测结果进行精调；对连续n帧图像目标检测和精调；校正拍摄图像；对两组样本进行聚类分析，以获取目标物体的行列数目；最优聚类结果，生成目标物体的编号。利用计算机视觉技术和人工智能技术，通过聚类分析，实现对规则排列的物体的自动识别，获取其排列信息如行列数等，从而实现对这些规则物体的自动识别和编号。本发明通过自动化分析手段识别、编号规则排列的物体，为后续的智能分析提供了坚实的支撑。

技术领域

本发明涉及计算机视觉领域和人工智能技术领域，特别地，涉及一种基于聚类的规则排列物体自动识别及编号方法。

背景技术

随着科学技术的发展，我们日常生活中越来越依赖于智能化设备。利用广泛布置的摄像机和人工智能、计算机视觉技术，人们可以智能地分析和识别各种物体，从而辅助人们进行更为复杂的智能分析。例如，在电影院中，一种需求是是自动识别场景中的所有座位，对有人的座位进行行列编号定位，从而方便进行观影人数的统计和分析；在大型演出场景中，需要对规则排列的座位进行识别分析，对有人的座位和无人的座位进行行列编号定位，实行合理空位监控和调度；在露天铺设的光伏发电厂中，人们期望利用摄像机自动识别所有的光伏板对其中由于损坏或其他原因缺失的光伏板进行行列编号定位，从而通知维修人员快速找到对应光伏板。

发明内容

本发明的目的在于提供一种基于聚类的规则排列物体自动识别及编号方法，以解决背景技术中提出的问题。

为实现上述目的，本发明提供了一种基于聚类的规则排列物体自动识别及编号方法，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上步骤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。

进一步的，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。进一步的，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。

进一步的，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S6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。

进一步的，所述步骤S4为避免存在单帧图像中某些位置的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。