[发明专利]一种仪表图像分析方法及装置

说明书

本发明实施例公开一种仪表图像分析方法及装置，所述方法包括步骤：对仪表训练图像进行标注形成若干个标记信息；将标注后的仪表训练图像输入至初始模型，通过初始模型同时检测仪表训练图像上的若干个标记信息；根据检测出的若干个标记信息对初始模型进行训练，形成检测模型，所述若干个标记信息包括种类标记、位置标记和n个关键点标记。本发明利用centernet同时对仪表进行仪表种类位置以及关键点识别，降低了算法的复杂程度使其更容易实现；利用检测出来的关键点以及配置的关键点计算投影矩阵，利用投影矩阵对图像矫正从而计算出更加精确的仪表读数。

技术领域

本发明实施例涉及机器视觉技术领域，具体涉及一种仪表图像分析方法及装置。

背景技术

计算指针式仪表的读数，最常见的方法有角度法和距离法。传统的角度法，对夹角的测量误差会对读数带来影响，使读数误差较大。并且只能应用于均匀刻度的仪表读数。传统的距离法通过大量的计算两条刻度线上像素点到待测指针直线的距离比来判断指针读数，但是由于距离法计算的是垂直距离而表盘是有一定弧度的，存在一定的误差。

目前大多数的分析算法都是基于深度学习中的目标检测算法对仪表进行检测，通过传统图像分析算法对指针式仪表进行结果分析。仪表分析算法主要是找到仪表的指针并通过分析指针的角度最终得到仪表的角度。通常对指针类仪表的智能分析算法往往是通过二阶段或多阶段完成的，如：一阶段通过目标检测算法检测出仪表的种类,位置和大小后提取指针位置，二阶段通过卷积神经网络或者传统图像算法获取指针角度从而计算出指针式仪表的分析结果；另外，在进行指针式仪表的分析时很多算法是没有对图像进行矫正这一步骤的，这样会大大的降低分析结果的精度。而具备同样矩阵计算功能的算法往往无法自动获取计算投影矩阵的条件导致很多算法需要依靠人的介入去获得投影矩阵。

发明内容

本发明所要解决的技术问题是现有的对指针类仪表的智能分析算法往往是通过二阶段或多阶段完成的且缺乏图像矫正方法，针对上述现有技术的不足，提供一种仪表图像分析方法及装置。

为实现上述技术目的，本发明采取的技术方案为：一种仪表图像分析方法，包括步骤：

对仪表训练图像进行标注形成若干个标记信息；

将标注后的仪表训练图像输入至初始模型，通过初始模型同时检测仪表训练图像上的若干个标记信息；

根据检测出的若干个标记信息对初始模型进行训练，形成检测模型。

优选地，所述若干个标记信息包括种类标记、位置标记和n个关键点标记。

优选地，所述n个关键点标记包括仪表指针针尖点标记、仪表指针轴心点标记、仪表刻度的起点标记、仪表刻度的终点标记和仪表刻度的中间点标记。

优选地，所述的根据检测出的若干个标记信息对初始模型进行训练，形成检测模型包括步骤：

对输入的标注后的仪表训练图像进行卷积，形成特征图像；

对所述特征图像进行中心点预测、中心点偏移预测、仪表框大小

预测和关键点预测，形成中心点预测图、中心点偏移预测图、仪表框大小预测图和关键点预测图；

将总损失函数回归，其中总损失函数包括中心点预测损失函数、中心点偏移预测损失函数和仪表框大小预测损失函数；

对总损失函数回归处理后的模型进行后处理，形成检测模型。

优选地，所述总损失函数为：

；

其中，L_k表示仪表的中心点预测损失函数，L_off表示仪表的中心点偏移预测损失函数；Lsize表示仪表框的大小预测损失函数，L_1n为仪表的关键点预测损失函数，λ_off、λ_size和λ_1n表示预定义的超参数。