买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海海洋大学

摘要：本发明涉及人工智能的技术领域，公开了一种用于高速视频中圆形标识点的自动识别方法，建立包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块的检测网络模型，该目标检测网络YOLOv4用于圆形标识点的边框进行识别，该显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，该圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；对图像样本集中各个图像中的圆形标识点分别进行标注，再依据边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头，然后以各个边框所在图像作为输入，对检测网络模型进行训练；利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别。

主权项：1.一种用于高速视频中圆形标识点的自动识别方法，其特征在于包括以下步骤：步骤一、建立检测网络模型，所述检测网络模型包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块，所述目标检测网络YOLOv4用于圆形标识点的边框进行识别，所述显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，所述圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；步骤二、对图像样本集中各个图像中的圆形标识点分别进行标注，再依据标注好的各个边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头用于边框识别，然后以标注好的图像作为输入，对检测网络模型进行训练；步骤三、利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别；所述目标检测网络YOLOv4包括主网络、特征融合网络以及三个检测头，所述主网络采用五层结构的CSPDarknet53网络，用于对圆形标识点进行特征提取，获取特征图金字塔，分别为256×256大小的特征图、128×128大小的特征图、64×64大小的特征图、32×32大小的特征图、16×16大小的特征图；所述特征融合网络采用路径聚合PANet网络结构，用于将128×128、64×64和32×32大小的特征图和经过SPP网络增强的16×16大小的特征图进行特征融合，生成能够识别128×128大小、64×64大小、32×32大小图像的三个检测头；所述圆心检测模型基于最小二乘法的椭圆拟合算法，对二值化处理后的圆心标识进行圆心检测；每个所述检测头的输出信息如下3×μtx,∑tx,μty,∑ty,μtw,∑tw,μth,∑th+objscore+classscore其中，tx、ty、tw和th分别是边框的中心点坐标、宽度和高度，objscore表示边框中是否存在对象，classscore表示对象类别的概率，μx和∑x分别是对应的均值和标准差函数，预测得分的计算公式如下所示，Cr.＝sObject×sClassi×1-Uncertaintyaver其中，sObject反映的是边框里包含圆形标识点的概率，sClassi表示为是第i类的概率，i＝1，Uncertaintyaver表示4个预测结果tx、ty、tw和th的平均不确定性。

全文数据：

权利要求：

百度查询： 上海海洋大学 一种用于高速视频中圆形标识点的自动识别方法