(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210162205.4 (22)申请日 2022.02.22 (71)申请人 朱建平 地址 610042 四川省成 都市武侯区人民南 路四段三号 成都来福士广场塔2栋第6 层 (72)发明人 朱建平　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/20(2022.01) G06V 10/30(2022.01) G06V 10/32(2022.01) G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种平面几何形状的识别方法 (57)摘要 本发明涉及模式识别领域， 尤其涉及一种平 面几何形状的识别方法。 解决几何形状识别的准 确率不够高的问题。 方法包括： 图像预处理， 将预 处理后的图像划分为训练集和测试集； 提取训练 集中的图像中的形状特征； 对提取形状特征进行 整合作为特征矢量输入BP神经网络进行训练， 得 到平面几何形状识别模型； 对测试集的图像进行 与训练集相同操作， 输入平面几何形状识别模 型， 输出识别结果。 通过对图像进行预处理， 便于 后续的处理， 通过提取多个特征， 从区域特征和 边界特征两个角度对平面几何形状进行更加全 面的描述， 通过BP网络训练得到平面几何形状识 别模型， 提高了识别的准确率， 增强了算法的鲁 棒性， 可运用于更多场景。 权利要求书2页 说明书12页 附图7页 CN 114565844 A 2022.05.31 CN 114565844 A 1.一种平面几何形状的识别方法， 其特 征在于， 包括以下步骤： 步骤1、 采集图像； 步骤2、 图像预处 理， 将预处 理后的图像划分为训练集和 测试集； 步骤3、 提取训练集中的图像中的形状特 征； 步骤4、 对提取形状特征进行整合作为特征矢量输入BP神经网络进行训练， 得到平面几 何形状识别模型； 步骤5、 对测试集的图像进行与训练集相同操作， 输入平面几何形状识别模型， 输出识 别结果。 2.如权利要求1所述的一种平面几何形状的识别方法， 其特征在于， 所述步骤1中， 采集 的图像中包含各种各样的平面几何形状， 平面几何形状包括长方形、 正方形、 三角形、 L形、 五角星、 六芒星、 十字星、 X形、 圆形、 椭圆形、 扇形、 心形以及水滴形共计13种， 每种形状采集 的图片数量 不少于10 0， 图片的大小为5 00*500像素。 3.如权利要求2所述的一种平面几何形状的识别方法， 其特征在于， 所述步骤2中， 图像 预处理包括： 灰度化、 去噪、 二值化、 边缘检测、 腐蚀以及填充， 其中灰度化处理采用的是加 权平均法， 公式如下： f(x， y)＝0.2 99*R(x， y)+0.578*G(x， y)+0.1 14*B(x， y)         (1) 公式(1)中， R(x， y)、 G(x， y)和B(x， y)分别是RGB的三个分量， f(x， y)表示灰度值； 其中去噪采用3 *3模板的中值滤波器对图像进行去噪； 其中边缘检测采用Sobel 算子。 4.如权利要求3所述的一种平面几何形状的识别方法， 其特征在于， 所述步骤3 中， 形状 特征包括区域特征参数和边界特征参数， 其中区域特征参数包括面积、 圆形度、 矩形度、 七 个不变矩、 惯性主轴 、 狭长度以及欧拉数， 边界特 征参数有傅里叶描述子； 其中圆形度表示物体边 缘与圆的相似程度， 公式如下： 公式(2)中， S表示物体的面积， L表示物体的周长， C表示圆形度， C∈(0， 1]； 其中矩形度表示物体与矩形的相似程度， 公式如下： 公式(3)中， S表示物体的面积， SR表示物体的最小外接矩形的面积， R表示矩形度， R∈ (0， 1]； 其中七个不变矩是Hu的利用二阶和三阶归一化中心矩导出来7个不随水平、 旋转、 等比 缩放变化的矩组， 公式如下： M1＝ μ20+ μ02     (4) M2＝( μ20‑μ02)2+4 μ112    (5) M3＝( μ30‑3 μ12)2+(3 μ21‑μ03)2     (6) M4＝( μ30+ μ12)2+( μ21+ μ03)2    (7) M5＝( μ30‑3 μ12)( μ30+ μ12)(( μ30+ μ12)2‑3( μ21+ μ03)2)    (8) M6＝( μ20‑μ02)(( μ30+ μ12)2‑( μ21+ μ03)2)+4 μ11( μ30+ μ12)( μ21+ μ03)      (9)权　利　要　求　书 1/2 页 2 CN 114565844 A 2M7＝(3 μ21‑μ03)( μ30+ μ12)(( μ30+ μ12)2‑3( μ21+ μ03)2)‑( μ30‑3 μ12)( μ21+ μ03)(3( μ30+ μ12)2‑( μ21+ μ03)2)     (10) 公式(4)‑(10)中， μpq表示归一 化中心矩， (p+q＝2， 3)； 其中惯性主轴反映了物体的主体倾向， 公式如下： 其中狭长度反映了物体的狭长程度， 公式如下： 公式(12)中， α表示狭长度， M( θ )max表示惯性力矩的最大值， M( θ )min表示惯性力矩的最 小值， 惯性力矩计算公式如下： 其中欧拉数 是空洞区域内空洞数量的度量， 公式如下： EUL＝C‑H     (14) 公式(14)中， EUL表示欧拉数， C表示对象数， H表示 孔洞数； 其中傅里叶描述子是描述物体形状边界的傅里叶变换系数， 计算公式如下： s(k)＝x(k)+jy(k)， k ＝0， 1， ...， N‑1    (15) 公式(15) ‑(17)中， x(k)和y(k)是动点P的坐标， j为系数， u＝0， 1， ...， N ‑1， a(u)是傅里 叶描述子， d ′(k)是归一 化傅里叶描述子 。 5.如权利要求4所述的一种平面几何形状的识别方法， 其特征在于， 所述步骤4中， BP神 经网络包含三层， 分别为输出层、 隐含层以及输出层， 将提取形状特征进 行整合得到平面几 何形状的特征向量， 对特征向量归一化后输入BP神经网络， 经过隐含层， 再经过输出层输 出， 其中隐含层的激活函数是Sigmoid函数， 输出层的激活函数是softmax函数， 归一化采用 采用线性归一 化， 公式如下： 公式(18)中， x为原始数据， xmin表示原始数据集的最小值， xmax表示原始数据集的最大 值。 6.如权利要求5所述的一种平面几何形状的识别方法， 其特征在于， 所述步骤5具体包 括： 提取测试集的特 征向量， 归一 化后输入平面几何形状识别模型， 输出识别结果。权　利　要　求　书 2/2 页 3 CN 114565844 A 3