(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 202210134424.1 (22)申请日 2022.02.14 (71)申请人 南京红松信息技 术有限公司 地址 210000 江苏省南京市雨 花台区宁双 路18号D幢一层 (72)发明人 田博帆　 (74)专利代理 机构 南京正联知识产权代理有限 公司 32243 专利代理师 王素琴 (51)Int.Cl. G06V 30/422(2022.01) G06V 20/40(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于梯度变换的导线循 迹识别方法 (57)摘要 本发明涉及一种基于梯度变换的导线循迹 识别方法， 步骤为： S1读取视频帧图像； S2导线 提 取： 对视频帧图像进行去噪处理， 再进行边缘轮 廓检测提取视频帧图像中的导线， 获得导线图 像； S3导线循迹： 根据目标识别模型进行目标检 测获得所有设备电极的位置坐标， 实现电极定 位， 根据电极定位将导线 图像中的电极去除， 再 进行导线循迹和方向循迹， 获得导线路径； S4设 备连接判断： 根据步骤S3中得出的导线路径， 选 择组成导线路径的两个端点， 判断两个端点的坐 标与设备电极的位置坐标的接触情况， 从而判断 导线两端连接的设备。 该方法能够完整地提取出 待识别的导线， 并根据导线的实际连接走向进行 循迹， 达到从图像中确定导线两端设备的连接关 系。 权利要求书3页 说明书7页 附图3页 CN 114565929 A 2022.05.31 CN 114565929 A 1.一种基于梯度变换的导线循迹识别方法， 其特 征在于， 具体包括以下步骤： S1读取视频帧图像： 逐帧读取视频信息并获取视频帧图像； S2导线提取： 对所述步骤S1中获取的视频帧图像进行去噪处理， 再进行边缘轮廓检测 提取视频帧图像中的导线， 获得导线图像； S3导线循迹： 根据目标识别模型进行目标检测获得所有设备电极的位置坐标， 实现电 极定位， 根据电极定位将步骤S2中提取的导线图像中的电极去除， 再进行导线循迹和方向 循迹， 获得导线路径； S4设备连接判断： 根据步骤S3中得出的导线路径， 选择组成导线路径的两个端点， 判断 两个端点的坐标与设备电极的位置坐标的接触情况， 从而判断导线两端连接的设备。 2.根据权利要求1所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤S1 中采用流媒体协议拉取视频流或直接读取mp4格式的视频文件， 所有视频帧图像的读取均 为三通道输入， 记作： src， 其 函数表示 为： f(x,y)。 3.根据权利要求1所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤S2 的具体步骤为： S21： 采用通用的双边滤波或高斯滤波算法对视频帧图像做去噪处理， 抑制图像噪声， 去除图像中的噪点干扰； S22： 再对导线的边 缘轮廓做增强处 理， 获取视频帧图像中 高亮部分的目标提取； S23： 将所述 步骤S22中提取到的高亮部分的视频帧图像进行边 缘轮廓检测； S24： 当视频帧图像中的所有目标轮廓检测完成后， 开始对检测到的图像轮廓进行筛 选， 得到视频帧图像中导线的完整提取， 从而获得导线图像， 记作： srcL ineImg图像。 4.根据权利要求3所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤 S22中对导线的边 缘轮廓做增强处 理的具体步骤为： S221： 先采用拉普拉斯 算子对图像做二阶梯度求 导， 如公式(1)所示， S222： 再对求导后的梯度图像做高亮增强处理， 处理分别通过RGB三通道进行颜色过 滤， 从而实现图像中 高亮部分的目标提取。 5.根据权利要求4所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤 S23中进行边 缘轮廓检测的具体步骤为： S231： 检测是从图像的左上角点开始， 依次按行和列遍历到图像中的第一个非零像素 值点， 记作： p(x,y)， 并赋给它一个标签label， 然后将与该像素点相邻的所有前景像素都压 入栈中； S232： 弹出栈顶像素， 赋予栈顶像素label， 再将与所述栈顶像素相邻的所有前景像素 都压入栈中， 重复此 过程， 直至栈为空， 便得到边 缘检测的连通区域。 6.根据权利要求1所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤S3 的具体步骤为： S31： 根据目标识别神经网络， 训练实验设备样本得到目标识别模型， 再通过目标识别 模型获得所有设备电极的位置坐标， 其中电极种类分为两类， 一种为接线电极， 一种为 非接权　利　要　求　书 1/3 页 2 CN 114565929 A 2线电极， 将所有接线电极的坐标保存在列表P中， 记作： P＝[((x0,y0),(x'0,y'0)),…,((xn, yn),(x'n,y'n))]； 其中， (x0,y0)表示电极柱定位框的左上角点， (x'0,y'0)表示电极柱定位 框的右下角点； S32： 遍历电极坐标列表P， 从srcLineImg图像中将电极坐标分别从x和y方向进行放大， 保证电极定位框能与导线相接触； S33： 将srcLineImg图像做二值化处理， 根据判断条件提取srcLineImg图像的连通像素 中心轴线， 并循环遍历整张srcL ineImg图像中的全部非零像素， 得到提取的中线骨架图； S34： 遍历电极坐标列表P， 从中线骨架图中将电极坐标分别从x和y方向进行放大， 保证 电极定位框能与导线相接触； 所有接触点像素坐标记作： B＝[(xa0,yb0),(xa1,yb1)…,(xan, ybn)]； 其中， (xa0,yb0)表示某个接触点B0的坐标； S35： 遍历接触点坐标列表B， 将每个接触点作为导线循迹的起始点， 使用广度优先搜索 遍历算法遍历全部路径， 再进行路径筛 选， 获得导线路径。 7.根据权利要求6所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤 S33的具体步骤为： 将srcLineImg图像做 二值化处理， 所有非零像素值大小设置为1， 再根据 每个像素与周围相 邻的8个像素值作为判断条件， 提取整张图像连通像素的中心轴线， 整个 提取过程以3*3的卷积核 遍历所有非零 点像素展开， 卷积核对应的像素矩阵表示如下： 其中， p1为中心点的像 素值， 默认设置为： 1， 表示 保留像素点； 当同时满足条件1或条件2 时， 将p1的值设置为： 0， 表示删除像素点； 循环遍历整张图像中的全部非零像素， 得到提取 的中线骨架图， 记作： skeleto nLineImg图像。 8.根据权利要求7所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤 S33中的判断条件 包括判断条件一和判断条件二， 所述判断条件一 为： (1‑1) (1‑2)pipi+1(i＝2,3,…,8)， 满足pipi+1的值等于“01”的数量为1； (1‑3)p2p4p6＝0； (1‑4)p4p6p8＝0； 所述判断条件二 为： (2‑1) (2‑2)pipi+1(i＝2,3,…,8)， 满足pipi+1的值等于“01”的数量为1； (2‑3)p2p4p8＝0； (2‑4)p2p6p8＝0。 9.根据权利要求7所述的基于梯度变换的导线循迹识别方法， 其特征在于， 所述步骤 S35进行路径筛选的筛选条件包括筛选条件一和筛选条件二， 所述筛选条件一为组成路径权　利　要　求　书 2/3 页 3 CN 114565929 A 3