申请/专利权人：湖北经济学院

申请日：2024-01-30

公开（公告）日：2024-06-11

公开（公告）号：CN117649635B

主分类号：G06V20/50

分类号：G06V20/50;G06V20/70;G06V10/54;G06V10/74;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种狭窄水道场景影消点检测方法、系统及存储介质，其方法包括以下步骤：构建狭窄水道检测数据集，对所述狭窄水道检测数据集进行影消点位置标注；构建改进后的AlexNet网络；基于标注后的所述狭窄水道检测数据集对改进后的AlexNet网络进行训练，得到训练完成的AlexNet网络；基于训练完成的AlexNet网络对待识别狭窄水道场景进行检测，得到待识别狭窄水道场景的影消点检测位置；因此可解决狭窄水道场景影消点检测问题中公开数据集缺乏的问题，以及复杂狭窄水道场景中的影消点探测问题。

主权项：1.一种狭窄水道场景影消点检测方法，其特征在于，具体包括以下步骤：基于图像纹理特征相似度算法，从谷歌街道道路数据集中筛选出与狭窄水道场景内陆数据集之间的相似度大于相似度阈值的数据集，将筛选出的数据集与所述狭窄水道场景内陆数据集混合得到狭窄水道检测数据集，对所述狭窄水道检测数据集进行影消点位置标注；构建改进后的AlexNet网络；基于标注后的所述狭窄水道检测数据集对改进后的AlexNet网络进行训练，得到训练完成的AlexNet网络；基于训练完成的AlexNet网络对待识别狭窄水道场景进行检测，得到待识别狭窄水道场景的影消点检测位置;所述基于图像纹理特征相似度算法，从谷歌街道道路数据集中筛选出与狭窄水道场景内陆数据集之间的相似度大于相似度阈值的数据集步骤，具体包括以下步骤：将谷歌街道道路数据集与狭窄水道场景内陆数据集分别转换为对应的灰度图像，并构建灰度图像的灰度共生矩阵；通过所述灰度共生矩阵从每一幅图像中分别提取能量纹理特征、熵纹理特征、对比度纹理特征、反差矩纹理特征及相关性纹理特征；将提取到的所述能量纹理特征、所述熵纹理特征、所述对比度纹理特征、所述反差矩纹理特征及所述相关性纹理特征组合成每一幅图像的纹理特征量；根据所述纹理特征量，基于Mahalanobis距离算法计算所述谷歌街道道路数据集与所述狭窄水道场景内陆数据集之间的相似度，并从谷歌街道道路数据集中筛选出与狭窄水道场景内陆数据集之间的相似度大于相似度阈值的数据集;所述构建改进后的AlexNet网络步骤，具体包括以下步骤：将原始的AlexNet网络结构修改为交替顺序连接的4层卷积层及四层池化层；将InceptionA结构引入第一层卷积层，并在所述第一层卷积层中构建1×1、3×3及5×5尺度的卷积核；将InceptionC结构引入第二层卷积层，并在所述第二层卷积层中构建1×1、1×7及7×1尺度的卷积核。

全文数据：

权利要求：

百度查询： 湖北经济学院 狭窄水道场景影消点检测方法、系统及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD