一种基于多维图像的目标智能匹配和识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657336A(43)申请公布日2021.11.16(21)申请号202110979544.7(22)申请日2021.08.25(71)申请人浙江捷瑞电力科技有限公司地址315000浙江省宁波市新高区院士路66号创业大厦2号楼4-588室(72)发明人琚小明(74)专利代理机构义乌市宏创专利代理事务所(普通合伙)33320代理人张荣(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种基于多维图像的目标智能匹配和识别方法(57)摘要本发明公开一种基于多维图像的目标智能匹配和识别方法，具体包括以下步骤：S1:对电网布控巡检区域的固定摄像头及机器人、无人机摄像头搜集图像进行筛选、整理，形成相应的多尺度目标训练数据；S2:提出多尺度下同一目标匹配度最大化准则；S3提出多维图像联合学习模型；S4:实现不同摄像头下不同分辨率的目标匹配；S5对匹配成功的图像进行进一步的识别,本发明通过不同尺度的信息有效加强了低分辨率下目标的表达信息，同时，利用匹配度最大化准则判别不同分辨率下同一目标，进而学习不同尺度最优度量模型，相比于单一尺度的匹配方案，本发明的方法可以在多种复杂环境下保持更高的匹配准确率,且，匹配成功的目标可以进一步的进行识别。CN113657336ACN113657336A权利要求书1/3页1.一种基于多维图像的目标智能匹配和识别方法，其特征在于，具体包括以下步骤：S1:对电网布控巡检区域固定摄像装置，进行搜集多维图像，并且，进行对多维图像进行筛选、整理，形成相应的多尺度目标训练数据；S2:提出多尺度下同一目标匹配度最大化准则；S3:提出多维图像联合学习模型；S4:实现不同摄像头下不同分辨率的目标匹配；S5:对匹配成功的图像进行进一步的识别。2.根据权利要求1所述的一种基于多维图像的目标智能匹配和识别方法，其特征在于，所述步骤S1中，所述摄像装置为固定摄像头、机器人、无人机，对于不同尺度的相同图片，采用至少两组视距不同的固定摄像头和无人机或机器人一同进行采集，分别形成多个不同的尺度图像数据，且，对于搜集的图像数据集分为三个不同的子数据集，分别为大、中、小三个尺度，分别形式化表述为其中，N表示每个子数据集均收集了N张图片，分别表示大、中、小尺度下同一目标图像提取的特征，其中i表示目标的类别。3.根据权利要求1所述的一种基于多维图像的目标智能匹配和识别方法，其特征在于，所述步骤S2提出多尺度下同一目标匹配度最大化准则中，匹配度大化准为通过将相同目标的不同的尺度图像的特征向量映射到同一纬度空间，然后最小化的多尺度特征向量在同一纬度空间的差异完成的。4.根据权利要求3所述的一种基于多维图像的目标智能匹配和识别方法，其特征于，通过将多尺度特征向量映射到同一纬度空间，然后最小化各个尺度特征向量均值差异实现匹配度最大化，具体的匹配度最大化准则可公式化为：在公式(1)中，K表示目标类别数，Th,Tm,Ts分别表示将三种不同尺度特征影射到同一纬度空间的变换矩阵，分别表示第i个目标在三种不同尺度所属图像特征向量的均值。5.根据权利要求1所述的一种基于多维图像的目标智能匹配和识别方法，其特征在于，所述步骤S3中，通过在不同尺度学习最优度量，实现多维图像联合学习模型，多维图像联合学习模型满足匹配度最大化准则,同时可以保证相同尺度下，相同目标的类内距离最小，不同目标的类外距离最大。6.根据权利要求1所述的一种基于多维图像的目标智能匹配和识别方法，其特征在于，所述步骤S3中引入类间和类内散度矩阵，用于衡量类间及类内距离，形式化类间和类内矩阵为Sb，Sw,其公式(2)为：2CN113657336A权利要求书2/3页其中Ii，Ij表示要匹配的不同尺度目标特征向量，对不同尺度的相同目标，满足对不同的目标满足其中，Ai,j表示为亲和度矩阵，N表示样本总数，NK表示同一目标的样本数，大、中、小三种尺度的类间矩阵表示为类内矩阵表示为了满足多维图像联合学习模型匹配度最大化准则,同时可以保证相同尺度下，相同目标的类内距离最小，不同目标的类外距离最大，其模型可以表达为公式(3)：其中，Th,Tm,Ts分别表示将三种不同尺度特征影射到同一纬度空间的变换矩阵，tr表示求迹，通过求解公式(3)进行求解多维图像联合学习模型在大中小三种尺度的最佳度量，满足匹配度最大化准则,同时可以保证相同尺度下，相同目标的类内距离最小，不同目标的类外距离最大，从而求得三种不同尺度的最佳转换矩阵。7.根据权利要求1所述的一种基于多维图像的目标智能匹配和识别方法，其特征在于，所述S4中实现的不同摄像头下不