CN110503046A - 一种基于图像识别技术的铅封识别法 - Google Patents

Abstract

本发明涉及一种基于图像识别技术的铅封识别法，其属于铅封识别领域，其包括：（1）通过机器学习方法对各类铅封的形状、样式特点、编号以及各类电表上铅封的位置进行建模，构建起铅封图像识别模型；（2）查处人员携带智能移动终端前往现场，利用摄像头拍摄包含铅封的电表整体图片集；（3）智能移动终端将包含铅封的电表整体图片集传入铅封图像识别模型，对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号；（4）将铅封识别结果反馈给智能移动终端。本方法直接可获取铅封是否破坏，是否被篡改，极大减小现场查窃工作量，且能同时精确检查多个铅封状态，保证查处结果准确性。

Description

一种基于图像识别技术的铅封识别法

技术领域

本发明涉及一种基于图像识别技术的铅封识别法，其属于铅封识别领域。

背景技术

由于传统手工方式进行搭线检查效率低，与智能电网发展不协调，难以满足实际生产的需求。实际使用情况中，窃电用户可能会对电表铅封进行破坏，或是使用违法铅封进行篡改。而且在实际窃电查处过程中非法铅封与原铅封物理外形相同，且单个电表有多个铅封，查窃人员必须顺次手动输入铅封编号以验证该铅封的真实性。

现有的技术在铅封识别存在如下问题：

（1）现场查窃铅封识别工作量大，不够智能。

（2）铅封篡改可能被忽略。

发明内容

本发明所要解决的技术问题是提供了一种节约工作量且铅封篡改不易被忽略的基于图像识别技术的铅封识别法。

本发明为解决上述问题，采用如下技术方案：

一种基于图像识别技术的铅封识别法，具体包括如下步骤：

步骤1、通过机器学习方法对各类铅封的形状、样式特点、编号以及各类电表上铅封的位置进行建模，构建起铅封图像识别模型；

步骤2、查处人员携带智能移动终端前往现场，利用摄像头拍摄包含铅封的电表整体图片集；

步骤3、智能移动终端将包含铅封的电表整体图片集传入铅封图像识别模型，铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号；

步骤4、铅封图像识别模型将铅封识别结果反馈给智能移动终端便于查窃人员确认窃电。

进一步的，所述步骤1中通过机器学习方法构建的铅封图像识别模型过程如下：获取训练数据集，包括含有铅封电表的样本和不含铅封电表的样本，作为卷积神经网络的输入进行训练，使用目标检测的数据集，对Faster Rcnn卷积神经网络训练得到铅封图像识别模型。

进一步的，所述步骤2中摄像头拍摄的包含铅封的电表整体图片集中铅封编号向上且能显示所有铅封编号。

进一步的，所述步骤3中铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号，具体方法如下：

使用选择性搜索算法selective search获取铅封的候选区域，使用训练好的铅封图像识别模型对其候选区域进行特征提取，最终输出铅封存在和不存在的概率以及铅封的编号。

本发明的有益效果如下：

1、面对大量电表的现场查窃，相比于传统人工法，本方法直接可以获取铅封是否破坏，是否被篡改，极大的减小现场查窃工作量。

2、本发明能同时精确检查多个铅封状态，保证查处结果准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本实施例的工作原理框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合具体实施例和说明书附图对本发明做进一步说明。

如图1所示，本实施例涉及一种基于图像识别技术的铅封识别法，其具体包括如下步骤：

步骤1、通过机器学习方法对各类铅封的形状、样式特点、编号以及各类电表上铅封的位置进行建模，构建起铅封图像识别模型；

步骤2、查处人员携带智能移动终端前往现场，利用摄像头拍摄包含铅封的电表整体图片集；

步骤3、智能移动终端将包含铅封的电表整体图片集传入铅封图像识别模型，铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号；

步骤4、铅封图像识别模型将铅封识别结果反馈给智能移动终端便于查窃人员确认窃电。

进一步的，所述步骤1中通过机器学习方法构建的铅封图像识别模型过程如下：获取训练数据集，包括含有铅封电表的样本和不含铅封电表的样本，作为卷积神经网络的输入进行训练，使用目标检测的数据集，对Faster Rcnn卷积神经网络训练得到铅封图像识别模型。

RPN网络是解决region proposal的问题，所以输入是一副图像，输出是regionproposal，实际和fast rcnn共享卷积层，所以，输入的是一个conv的feature map。最下面输入一张图片，经过卷积得到feature map，然后RPN提取proposals，然后由RoI pooling提取每个proposal的特征，最后是分类。

其中，Faster Rcnn卷积神经网络训练的主要原理如下:

(1)输入测试图像；

(2)将整张图片输入CNN，进行特征提取；

(3)用RPN生成建议窗口proposals，每张图片生成300个建议窗口；

(4)把建议窗口映射到CNN的最后一层卷积feature map上；

(5)通过RoI pooling层使每个RoI生成固定尺寸的feature map；

(6)利用探测分类概率Softmax Loss和探测边框回归Smooth L1 Loss对分类概率和边框回归Bounding box regression联合训练。

Faster Rcnn创造性地采用卷积网络自行产生建议框，并且和目标检测网络共享卷积网络，使得建议框数目从原有的约2000个减少为300个，且建议框的质量也有本质的提高。

进一步的，所述步骤2中摄像头拍摄的包含铅封的电表整体图片集中铅封编号向上且能显示所有铅封编号。

进一步的，所述步骤3中铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号，具体方法如下：

使用选择性搜索算法selective search获取铅封的候选区域，使用训练好的铅封图像识别模型对其候选区域进行特征提取，最终输出铅封存在和不存在的概率以及铅封的编号。

本发明面对大量电表的现场查窃，相比于传统人工法，本方法直接可以获取铅封是否破坏，是否被篡改，极大的减小现场查窃工作量。

本发明能同时精确检查多个铅封状态，保证查处结果准确性。

在目标检测时，为了定位到目标的具***置，通常会把图像分成许多子块（sub-regions / patches），然后把子块作为输入，送到目标识别的模型中。选择性搜索算法selective search就是一种选择子块的启发式方法。

选择性搜索算法的主要思路：输入一张图片，首先通过图像分割的方法，获得很多小的区域，然后对这些小的区域不断进行合并，一直到无法合并为止。此时这些原始的小区域和合并得到的区域的就是我们得到的bounding box。图像分割的方法例如felzenszwalb算法。

选择性搜索算法可分为如下几个大步：

（1）可利用felzenszwalb算法，生成原始的区域集R；

（2）计算区域集R里每个相邻区域的相似度S={s1,s2,…}；

（3）找出相似度最高的两个区域，将其合并为新集，添加进区域集R；

（4）从S中移除所有与步骤（3）中有关的子集；

（5）计算新集与所有子集的相似度

（6）跳至步骤（3），不断循环，合并，直至S为空或直到不能再合并时为止。

最后应说明的是：以上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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分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实施例技术方案的精神和范围。

Claims (4)

1.一种基于图像识别技术的铅封识别法，其特征在于，其包括如下步骤：

步骤1、通过机器学习方法对各类铅封的形状、样式特点、编号以及各类电表上铅封的位置进行建模，构建起铅封图像识别模型；

步骤2、查处人员携带智能移动终端前往现场，利用摄像头拍摄包含铅封的电表整体图片集；

步骤3、智能移动终端将包含铅封的电表整体图片集传入铅封图像识别模型，铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号；

步骤4、铅封图像识别模型将铅封识别结果反馈给智能移动终端便于查窃人员确认窃电。

2.根据权利要求1所述的基于图像识别技术的铅封识别法，其特征在于，所述步骤1中通过机器学习方法构建的铅封图像识别模型过程如下：获取训练数据集，包括含有铅封电表的样本和不含铅封电表的样本，作为卷积神经网络的输入进行训练，使用目标检测的数据集，对Faster Rcnn卷积神经网络训练得到铅封图像识别模型。

3.根据权利要求1所述的基于图像识别技术的铅封识别法，其特征在于，所述步骤2中摄像头拍摄的包含铅封的电表整体图片集中铅封编号向上且能显示所有铅封编号。

4.根据权利要求2所述的基于图像识别技术的铅封识别法，其特征在于，所述步骤3中铅封图像识别模型对包含铅封的电表整体图片集中的图片进行处理，识别出电表整体图片集所拍摄的电表上的所有铅封及其铅封状态与铅封编号，具体方法如下：

使用选择性搜索算法selective search获取铅封的候选区域，使用训练好的铅封图像识别模型对其候选区域进行特征提取，最终输出铅封存在和不存在的概率以及铅封的编号。