[发明专利]一种全卷积神经网络的多方向水表读数区域检测算法

摘要

本发明公开的一种全卷积神经网络的多方向水表读数区域检测算法，包括以下步骤：S1、获取训练数据，包括水表图像以及读数区域的标注信息；S2、利用标注信息训练全卷积神经网络对水表图像进行多层级联特征提取，获取多通道特征图；S3、对特征图进行滑动窗扫描，以全连接神经网络为分类器和回归器，初步筛选出水表读数区域矩形候选窗；S4、依据候选窗的区域位置信息提取特征图上相应区域的特征，以第二个全连接神经网络作为分类器和回归器，获得水表读数区域的中心、长宽、角度信息；S5、最终以旋转矩形框的形式得到多方向水表读数区域的检测结果。本发明提供了一种准确、鲁棒、实用的多方向水表读数区域检测算法。

主权项

1.一种全卷积神经网络的多方向水表读数区域检测算法，其特征在于，包含以下步骤：S1、获取训练数据，通过摄像头拍摄水表图像，并对图像中的水表读数区域进行人工标注；S1.1、通过RGB摄像头采集大量实际场景中的水表图像样本；S1.2、对步骤S1.1中所获取的水表图像样本中的水表读数区域进行标注，标注水表读数区域的中心位置(x，y)、长度h、宽度w和角度a；S1.3、对所有图像样本进行多次正负45度的随机角度旋转，并对相应的样本标注进行修正；所述水表图像样本包括以下不同的参数：光照、视角、水表类型、水表受损程度；S2、设计一个全卷积神经网络，通过误差反向传播和随机梯度下降法优化全卷积神经网络的参数，从而对水表图像进行多层级联特征学习，获取多通道特征图；S3、对多通道特征图进行滑动窗扫描，将单个滑动窗的多通道特征进行特征融合，通过分类和回归，获取每个滑动窗的显著性以及读数区域位置，从而初步筛选出水表读数区域矩形候选窗；S4、依据候选窗的区域位置信息提取特征图上相应区域的特征，将特征进行定长尺度的池化并进行多通道的特征融合，再次通过分类和回归，获得水表读数区域的中心、长宽、角度信息；S5、通过仿射变换最终以旋转矩形框的形式得到多方向水表读数区域的检测结果。