一种对图像变化不敏感的智能定位方法与流程

阅读：评论：0

1.本发明涉及监控定位领域，具体地说，是一种对图像变化不敏感的智能定位方法。

背景技术：

2.图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理，图像识别软件国外代表的有康耐视等，国内代表的有图智能等。另外在地理学中指将遥感图像进行分类的技术。
3.基于图像识别技术，建立了以现场直传图像识别的现场定位监控体系，对于现场监控，监控机构需要能够锁定待监控目标，且可以排除现场环境中非关键图像变化导致的干扰，为实现这一目标，我们需要一种对图像变化不敏感的智能定位方法。

技术实现要素：

4.发明目的：本发明目的在于针对现有技术的不足，提供一种对图像变化不敏感的智能定位方法。
5.技术方案：本发明所述一种对图像变化不敏感的智能定位方法，包括以下步骤：
6.步骤1：划定规定的定位监控区域，为对应的定位监控区域架设匹配的视觉监控装置，利用视觉监控装置对空旷状态下的定位监控区域进行环境状态预录，并将预录的环境图像平面化并在平面化的环境图像上构建坐标系；
7.步骤2：搭建识别定位单元，预先输入识别目标模型并采用爬虫网络在公开网络上抓取符合识别目标模型类型的图像，并基于抓取的图像由识别定位单元进行大数据学习，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架；
8.步骤3：当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型；
9.步骤4：当目标符合识别目标模型的类型，则通过识别定位单元根据基础外框架对目标标记出目标外框架，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像内处于目标外框架外部分的图像变化；
10.步骤5：当目标外框架移动至定位监控区域边缘处且目标外框架被遮蔽时，视觉监控装置停止对目标的追踪。
11.作为优选的，步骤1中，建立坐标系的同时将平面化的环境图像划分为若干个监控区块。
12.作为优选的，步骤4中，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像中目标所在监控区块内处于目标框架外部分的图像变化。
13.作为优选的，步骤4中，对目标标记出目标外框架，同时在坐标系中标记目标外框架的坐标位置并实时追踪目标外框架坐标位置的变化。
14.作为优选的，步骤5中，当目标外框架移动至定位监控区域边缘处且目标外框架至少有三分之二被遮蔽时，视觉监控装置停止对目标的追踪。
15.作为优选的，步骤3中，获得的骨架构型与基础骨架进行比较时，引入比例参数，当骨架构型与基础骨架相比比例参数上下超过四倍时即便骨架构型与基础骨架的构型相同也不认为待识别的目标符合识别目标模型的类型。
16.本发明相比于现有技术具有以下有益效果：将预录的环境图像平面化并在平面化的环境图像上构建坐标系，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架，可以通过将目标的骨架构型与基础骨架进行比较快速识别进入定位监控区域的待识别待定位的目标，并为目标标记出目标外框架，以此对目标进行定点追踪，同时忽略背景图像内处于目标外框架外部分的图像变化，从而实现背景图像环境中不重要的变化不会对目标定位准确性造成影响。
具体实施方式
17.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
19.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，也可以是成一体；可以是机械连接，也可以是电连接，也可以是通讯连接；可以是直接连接，也可以通过中间媒介的间接连接，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
20.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
21.实施例1：一种对图像变化不敏感的智能定位方法，包括以下步骤：
22.步骤1：划定规定的定位监控区域，为对应的定位监控区域架设匹配的视觉监控装置，利用视觉监控装置对空旷状态下的定位监控区域进行环境状态预录，并将预录的环境图像平面化并在平面化的环境图像上构建坐标系；
23.步骤2：搭建识别定位单元，预先输入识别目标模型并采用爬虫网络在公开网络上抓取符合识别目标模型类型的图像，并基于抓取的图像由识别定位单元进行大数据学习，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架；
24.步骤3：当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型；
25.步骤4：当目标符合识别目标模型的类型，则通过识别定位单元根据基础外框架对目标标记出目标外框架，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像内处于目标外框架外部分的图像变化；
26.步骤5：当目标外框架移动至定位监控区域边缘处且目标外框架被遮蔽时，视觉监控装置停止对目标的追踪。
27.实施例2：一种对图像变化不敏感的智能定位方法，包括以下步骤：
28.步骤1：划定规定的定位监控区域，为对应的定位监控区域架设匹配的视觉监控装置，利用视觉监控装置对空旷状态下的定位监控区域进行环境状态预录，并将预录的环境图像平面化并在平面化的环境图像上构建坐标系，建立坐标系的同时将平面化的环境图像划分为若干个监控区块；
29.步骤2：搭建识别定位单元，预先输入识别目标模型并采用爬虫网络在公开网络上抓取符合识别目标模型类型的图像，并基于抓取的图像由识别定位单元进行大数据学习，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架；
30.步骤3：当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型；
31.步骤4：当目标符合识别目标模型的类型，则通过识别定位单元根据基础外框架对目标标记出目标外框架，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像中目标所在监控区块内处于目标框架外部分的图像变化；
32.步骤5：当目标外框架移动至定位监控区域边缘处且目标外框架至少有三分之二被遮蔽时，视觉监控装置停止对目标的追踪。
33.实施例3：一种对图像变化不敏感的智能定位方法，包括以下步骤：
34.步骤1：划定规定的定位监控区域，为对应的定位监控区域架设匹配的视觉监控装置，利用视觉监控装置对空旷状态下的定位监控区域进行环境状态预录，并将预录的环境图像平面化并在平面化的环境图像上构建坐标系；
35.步骤2：搭建识别定位单元，预先输入识别目标模型并采用爬虫网络在公开网络上抓取符合识别目标模型类型的图像，并基于抓取的图像由识别定位单元进行大数据学习，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架；
36.步骤3：当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型，获得的骨架构型与基础骨架进行比较时，引入比例参数，当骨架构型与基础骨架相比比例参数上下超过四倍时即便骨架构型与基础骨架的构型相同也不认为待识别的目标符合识别目标模型的类型；
37.步骤4：当目标符合识别目标模型的类型，则通过识别定位单元根据基础外框架对目标标记出目标外框架，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时在坐标系中标记目标外框架的坐标位置并实时追踪目标外框架坐标位置的变化，同时忽略背景图像内处于目标外框架外部分的图像变化；
38.步骤5：当目标外框架移动至定位监控区域边缘处且目标外框架至少有三分之二被遮蔽时，视觉监控装置停止对目标的追踪。
39.这一技术方案的优点在于将预录的环境图像平面化并在平面化的环境图像上构建坐标系，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架，可以通过将目标的骨架构型与基础骨架进行比较快速识别进入定位监控区域的待识别待定位的目标，并为目标标记出目标外框架，以此对目标进行定点追踪，同时忽略背景图像内处于目标外框架外部分的图像变化，从而实现背景图像环境中不重要的变化不会对目标定位准确性造成影响。
40.在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一特征和第二特征直接接触，或第一特征和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述，意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。
41.而且，描述的具体特征、结构、材料或者特点可以在任意一个或者多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
42.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：

1.一种对图像变化不敏感的智能定位方法，其特征在于：包括以下步骤：步骤1：划定规定的定位监控区域，为对应的定位监控区域架设匹配的视觉监控装置，利用视觉监控装置对空旷状态下的定位监控区域进行环境状态预录，并将预录的环境图像平面化并在平面化的环境图像上构建坐标系；步骤2：搭建识别定位单元，预先输入识别目标模型并采用爬虫网络在公开网络上抓取符合识别目标模型类型的图像，并基于抓取的图像由识别定位单元进行大数据学习，通过大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架；步骤3：当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型；步骤4：当目标符合识别目标模型的类型，则通过识别定位单元根据基础外框架对目标标记出目标外框架，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像内处于目标外框架外部分的图像变化；步骤5：当目标外框架移动至定位监控区域边缘处且目标外框架被遮蔽时，视觉监控装置停止对目标的追踪。2.根据权利要求1所述的一种对图像变化不敏感的智能定位方法，其特征在于：步骤1中，建立坐标系的同时将平面化的环境图像划分为若干个监控区块。3.根据权利要求2所述的一种对图像变化不敏感的智能定位方法，其特征在于：步骤4中，视觉监控装置在识别定位单元的控制下对目标外框架定点追踪，同时忽略背景图像中目标所在监控区块内处于目标框架外部分的图像变化。4.根据权利要求1所述的一种对图像变化不敏感的智能定位方法，其特征在于：步骤4中，对目标标记出目标外框架，同时在坐标系中标记目标外框架的坐标位置并实时追踪目标外框架坐标位置的变化。5.根据权利要求1所述的一种对图像变化不敏感的智能定位方法，其特征在于：步骤5中，当目标外框架移动至定位监控区域边缘处且目标外框架至少有三分之二被遮蔽时，视觉监控装置停止对目标的追踪。6.根据权利要求1所述的一种对图像变化不敏感的智能定位方法，其特征在于：步骤3中，获得的骨架构型与基础骨架进行比较时，引入比例参数，当骨架构型与基础骨架相比比例参数上下超过四倍时即便骨架构型与基础骨架的构型相同也不认为待识别的目标符合识别目标模型的类型。

技术总结

本发明公开了一种对图像变化不敏感的智能定位方法，将预录的环境图像平面化并在平面化的环境图像上构建坐标系，搭建识别定位单元并进行大数据学习在识别定位单元中构建识别目标模型的基础骨架和基础外框架，当有目标进入视觉监控装置的定位监控区域内时，视觉监控装置抓取活动的目标的骨架构型，将获得的骨架构型与基础骨架进行比较，以确定目标是否符合识别目标模型的类型，当目标符合识别目标模型的类型时对目标标记出目标外框架，同时忽略背景图像内处于目标框架外部分的图像变化，当目标外框架移动至定位监控区域边缘处且目标外框架被遮蔽时，视觉监控装置停止对目标的追踪，本发明的优点在于可以快速锁定目标并忽略低权重的图像变化。低权重的图像变化。