一种基于视觉分析的标识牌状态巡检方法及系统与流程

本发明涉及标识牌识别分析，尤其是涉及一种基于视觉分析的标识牌状态巡检方法及系统。

背景技术：

1、标识牌作为道路交通、电力设施、工业设备等领域的重要信息载体，承担着指引、警示、标识与状态记录等关键功能。随着基础设施规模不断扩大与运维智能化需求日益提升，对标识牌状态（包括正常、轻微异常、明显异常等，如倾斜、褪色、破损、锈蚀、面积变化、字迹模糊等）进行定期、高频、准确的巡检已成为保障公共安全与设备可靠运行的必要环节。目前，标识牌状态巡检主要依赖人工目视方式，巡检人员需携带工具到现场逐一观察、记录与判定，该方式存在效率低下、作业强度大、漏检率高、标准不统一、人力成本高昂以及存在交通与高空作业安全风险等突出缺陷，难以适应大规模路网或电力线路的日常巡检要求。

技术实现思路

1、本发明的目的是提供一种能够高效精准分析标识牌状态的标识牌状态巡检方法及系统。

2、本发明公开了一种基于视觉分析的标识牌状态巡检方法，包括：

3、步骤s100，对巡检范围内的标识牌进行拍摄，得到现场标准状态标识牌图像；

4、步骤s200，利用标识牌简化特征截选模型对每一现场标准状态标识牌图像进行简化特征截选，得到一对一映射的简化特征表达模型，并将所有简化特征表达模型组合，得到简化特征表达模型数据库；

5、步骤s300，利用简化特征表达模型数据库对后期巡检过程中的巡检标识牌图像进行检索比对分析，找出最适配的简化特征表达模型，并将其对应的标准状态标识牌图像和巡检标识牌图像进行比对分析，利用状态判断模型，对比对结果进行分析，确定出后期巡检到的标识牌的标识牌状态。

6、在本发明公开的一些实施例中，构建标识牌的简化特征截选模型的方法包括：

7、步骤s201，获取历史标识牌图像数据，利用边缘检测技术，对历史标识牌图像中的标识牌边缘进行确定，并基于标识牌边缘，确定标识牌区域；

8、步骤s202，针对标识牌区域构建有区域分割网格，对每一网格内的图像特征进行参量化，并对网格的网格中心点坐标进行记录，随机选定若干次网格，得到若干随机网格组，对随机网格组中对应网格的特征参量和中心点坐标进行组合记录，得到随机网格参数数据，并将随机网格参数数据和标识牌区域进行关联记录；

9、步骤s203，将所有随机网格参数数据进行若干次的随机组合比对，并计算二者之间的类似程度，若类似程度大于等于预设值，则将二者同时标记为低差异随机网格参数数据，并实时将低差异随机网格参数数据排除出随机组合比对的进程；

10、步骤s204，对所有标识牌区域对应的随机网格参数数据进行实时判断，根据标识牌区域对应随机网格参数数据的数据体量表现，确定是否对对应的标识牌区域进行随机网格参数数据扩充，扩充方式为继续随机选定若干次网格，得到若干随机网格组，并得到对应的随机网格参数数据，将扩充的随机网格参数数据重新加入到随机组合比对的进程中；

11、步骤s205，将筛选后的随机网格参数数据和标识牌区域进行一对一关联后存储，得到标识牌简化特征截选模型。

12、在本发明公开的一些实施例中，计算随机网格参数数据之间的类似程度的方法包括：

13、步骤s2031，将随机网格参数数据之间的中心坐标进行同模板映射，对每一中心坐标进行相互之间的临近组合，临近组合的组合方式为选取距离最近的中心坐标进行组合，比对临近组合对应的特征参量差异量；

14、步骤s2032，对临近组合内的中心坐标的距离差异量进行计算，并结合对应的特征参量差异量，确定临近组合的类似参量；

15、步骤s2033，基于所有临近组合各自所对应的类似参量的平均值，确定类似程度。

16、在本发明公开的一些实施例中，类似程度的表达式为：

17、；

18、其中，s为类似程度，k为类似参量转换调整系数，为预设的最大距离差异量，为第i个临近组合对应的距离差异量，为预设的最大特征参量差异量，为第i个临近组合对应的特征参量差异量，l为特征参量差异量影响调整系数，b为特征参量差异量影响调整常数，n为临近组合的总数。

19、在本发明公开的一些实施例中，对随机网格组中对应网格的特征参量进行确定的方法包括：

20、步骤s2021，对标识牌区域进行灰度化，得到标识牌区域灰度图，将区域分割网格映射于标识牌区域灰度图中，并计算网格内平均灰度值；

21、步骤s2023，对标识牌区域进行边缘检测，并在标识牌区域映射出对应的边缘线，确定出网格中心点坐标在水平方向上以及竖直方向上最近的边缘线，记为第一边缘线和第二边缘线，计算网格中心点坐标分别相对第一边缘线以及第二边缘线的第一最短距离和第二最短距离；

22、步骤s2024，计算第一最短距离和第二最短距离的平方和，并计算平方和与平均灰度值的乘积，得到网格的特征参量。

23、在本发明公开的一些实施例中，利用简化特征表达模型数据库对后期巡检过程中的巡检标识牌图像进行检索比对分析的方法包括：

24、步骤s301，对巡检标识牌图像进行边缘检测，进而确定出巡检标识牌区域，对巡检标识牌区域构建区域分割网格，对每一网格的网格中心点坐标以及特征参量进行确定；

25、步骤s302，将简化特征表达模型数据库中的不同简化特征表达模型和巡检标识牌区域中相对应网格的特征参量进行比对，若网格的特征参量差异量小于等于预设值，则认定相对应的网格之间吻合；

26、步骤s303，对相吻合的网格在简化特征表达模型的随机网格组中的分布特征进行分析，若分布特征符合预设标准，则认定简化特征表达模型和巡检标识牌图像相匹配。

27、在本发明公开的一些实施例中，对相吻合的网格在简化特征表达模型的随机网格组中的分布特征进行分析的方法包括：

28、步骤s3031，分析相吻合的网格在随机网格组中的吻合占比，若吻合占比大于等于预设值，则分析相吻合的网格在随机网格组中的映射分布，若相吻合的网格中存在大于等于预设比值的网格相聚集，则认定相吻合的网格符合预设标准。

29、在本发明公开的一些实施例中，利用状态判断模型，对比对结果进行分析的方法包括：

30、步骤s304，提取标准状态标识牌图像与巡检标识牌图像的外轮廓主方向，计算二者主方向之间的水平夹角，确定相互之间的颜色直方图、平均灰度、色度差异，得到颜色表现差异量，计算二者面积差异量；

31、步骤s305，将水平夹角、颜色表现差异量以及面积差异量分别与对应的预设阈值进行比对，生成三维状态特征向量；

32、步骤s306，将所述三维状态特征向量输入状态判断模型，所述状态判断模型根据各维度超出阈值的程度及加权综合评分，输出标识牌状态，所述状态包括正常、轻微异常、明显异常中的至少一种，并附带异常类型与置信度。

33、在本发明公开的一些实施例中，还公开了一种基于视觉分析的标识牌状态巡检系统，包括：

34、第一模块，用于对巡检范围内的标识牌进行拍摄，得到现场标准状态标识牌图像；

35、第二模块，用于利用标识牌简化特征截选模型对每一现场标准状态标识牌图像进行简化特征截选，得到一对一映射的简化特征表达模型，并将所有简化特征表达模型组合，得到简化特征表达模型数据库；

36、第三模块，用于利用简化特征表达模型数据库对后期巡检过程中的巡检标识牌图像进行检索比对分析，找出最适配的简化特征表达模型，并将其对应的标准状态标识牌图像和巡检标识牌图像进行比对分析，利用状态判断模型，对比对结果进行分析，确定出后期巡检到的标识牌的标识牌状态。

37、本发明公开一种基于视觉分析的标识牌状态巡检方法及系统，涉及标识牌识别分析技术领域，包括：对巡检范围内标识牌拍摄得到现场标准状态标识牌图像；利用标识牌简化特征截选模型对每一图像进行简化特征截选，得到一对一映射的简化特征表达模型并组合形成简化特征表达模型数据库；利用该数据库对后期巡检标识牌图像进行检索比对，找出最适配的简化特征表达模型，将其对应的标准状态图像与巡检图像比对，通过状态判断模型分析比对结果，确定标识牌状态。本发明实现标识牌状态的高效自动巡检，具有特征轻量化、匹配鲁棒、状态判断精准的优点。

38、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。