申请/专利权人:惠州市德赛西威汽车电子股份有限公司
申请日:2019-09-27
公开(公告)日:2024-06-07
公开(公告)号:CN110866440B
主分类号:G06V20/40
分类号:G06V20/40;G06V10/774;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.06.07#授权;2020.03.31#实质审查的生效;2020.03.06#公开
摘要:本发明涉及指针仪表检测的技术领域,尤其涉及一种指针仪表深度学习网络搭建方法、检测方法及其系统。所述深度学习网络用于识别指针仪表的检测视频,并转换输出指针仪表的坐标像素信息,该搭建方法包括,获取样本视频信息,所述样本视频信息为包括指针仪表多个运动周期的连续视频,根据样本视频信息得到训练视频片段;根据训练视频片段得到图像帧;对图像帧进行预处理,得到指针数据集;根据指针数据集进行深度学习训练,得到指针检测网络模型。本发明的搭建方法简单方便,采集准确,降低了深度学习网络搭建的局限性,保证了深度学习网络模型的性能,保证深度学习网络的测试效果,大大提高了网络模型性能,提高了指针坐标像素信息转换的准确性。
主权项:1.一种指针仪表检测方法,其特征在于,包括,获取包括待测仪表至少一个连续运动周期的指针视频信息;通过深度学习网络对指针视频信息进行处理,得到待测仪表的坐标像素信息;根据坐标像素信息,得到待测仪表的运动状态信息,其中,所述运动状态信息包括角速度曲线信息和轨迹曲线信息;通过神经网络对角速度曲线信息与预设角速度曲线进行比对,得到第一比对信息;通过神经网络对轨迹曲线信息与预设轨迹曲线进行比对,得到第二比对信息;根据第一比对信息和第二比对信息,得到检测结果;其中,所述深度学习网络用于识别指针仪表的检测视频,并转换输出指针仪表的坐标像素信息,深度学习网络的搭建方法包括:获取样本视频信息,所述样本视频信息为包括指针仪表多个运动周期的连续视频,根据样本视频信息得到训练视频片段;根据训练视频片段得到图像帧;对图像帧进行预处理,得到指针数据集;根据指针数据集进行深度学习训练,得到指针检测网络模型。
全文数据:
权利要求:
百度查询: 惠州市德赛西威汽车电子股份有限公司 一种指针仪表深度学习网络搭建方法、检测方法及其系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。