[发明专利]一种基于YOLO网络和图像配准技术的积水水位识别方法

权利要求书

1.一种基于YOLO网络和图像配准技术的积水水位识别方法，其特征在于：包括以下步骤：

S1，从数据集中取出一个批次的图片，每次在批次中随机地读取一张图片；

S2，对这张图片进行翻转、缩放、色域变化等操作，操作完成之后将图片恢复到原图像素大小；

S3，对扩增之后的数据集用Lableme进行数据标注，送入YOLO网络进行训练；

S4，利用特征匹配算法匹配基准图和线程图，将基准图中标尺的信息映射到现场图中；

S5，调用S3训练好的YOLO网络模型，读入大小为676×507的积水+标尺的RGB图像，并将图像分为若干个大小为13×13的若干个小格子，其中每个小格子都预测两个边界框，最后输出为一个13×13×11的矩阵，11即为5+5+1，5为边界框的中心坐标、长、宽以及预测概率值，1代表图像中需要预测的类别数；

S6，计算边界框的类别置信度C，计算公式如下：

其中，Pr(Object)代表当前边界框是否有对象的概率，表示当边界框有对象时，模型预测的框与物体所在的真实框之间交并比的值；

S7，对类别置信度进行处理排序，确定边界框对应矩阵中列中置信度值最大的一个值和类别，如果这个值大于0，把这个类别在图像中画出，如果值小于0，则忽略，持续到最后一个边界框为止；

S8，根据置信度找出积水液面的所在的边界框。

2.根据权利要求1所述的一种基于YOLO网络和图像配准技术的积水水位识别方法，其特征在于：S2中，翻转的实际操作为：对积水+标尺图像进行0度到±45度旋转；

平移的实际操作为：对积水+标尺图像进行一个方向上的平移，剩余的空间用常数值进行填充，也可用随机或者高斯噪声进行填充，保留图像增强后的空间维度；

缩放的实际操作为：对积水+标尺图像进行放大或者缩小处理。

3.根据权利要求3所述的一种基于YOLO网络和图像配准技术的积水水位识别方法，其特征在于：S4中，特征匹配包括特征检测、特征描述、特征匹配和参数优化四个部分。

4.根据权利要求1所述的一种基于YOLO网络和图像配准技术的积水水位识别方法，其特征在于：S4中，在将基准图中标尺的信息映射到现场图中的步骤如下：

S401，先采用RANSAC算法筛选匹配点并求出可以表示现场图和基准图特征点对应关系的单应矩阵；

S402，在基准图中标记标尺的位置并确定好起点和终点的位置；

S403，利用单应矩阵将基准图中标尺信息映射到线程图中。

5.根据权利要求4所述的一种基于YOLO网络和图像配准技术的积水水位识别方法，其特征在于：S4101中，单应矩阵描述的是在不同的视角下拍摄的两幅图像之间的像素对应关系，当这两幅图像之间是透视变换，则单应性矩阵也就是透视变换矩阵H定义如下所示：

则基准图和现场图的像素对应关系为：