申请/专利权人：成都科瑞特电气自动化有限公司

申请日：2024-01-04

公开（公告）日：2024-03-15

公开（公告）号：CN117523649B

主分类号：G06V40/18

分类号：G06V40/18;G06V10/54;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提供了矿用虹膜安全识别检测方法、系统、介质及终端，涉及矿用人员安全管理技术领域，包括获取目标对象眼部的虹膜图像，采用图像整体清晰度评估方法提取第一虹膜图像中质量合格的图像记作第二虹膜图像；基于深度可分离卷积结构对第一纹理图像进行图像识别，得到第一纹理图像中的纹理特征；对第二纹理图像的特征进行提取，得到第二纹理图像的颜色特征；采用阈值二值化的方法，将纹理特征和颜色特征结合降维处理，得到拼接后的虹膜整体特征；将拼接后的虹膜整体特征输入至预设的疲劳程度检测模型中进行疲劳识别，判断目标对象的虹膜是否属于疲劳模式。本发明的有益效果为检测下井旷工的疲劳状态，防止疲劳下井的发生，提高下井的安全性。

主权项：1.矿用虹膜安全识别检测方法，其特征在于，包括：获取目标对象眼部的虹膜图像，对虹膜图像进行预处理，得到预处理后第一虹膜图像，采用图像整体清晰度评估方法提取第一虹膜图像中质量合格的图像记作第二虹膜图像，其中第二虹膜图像包括第一纹理图像和第二纹理图像，其中第一纹理图像包括斑点、细丝和条纹，第二纹理图像包括色素和血管；基于深度可分离卷积结构对第一纹理图像进行图像识别，得到第一纹理图像中的纹理特征；利用Yolov4模型对第二纹理图像的特征进行提取，得到第二纹理图像的颜色特征，其中第二纹理图像包括主干网络的选择信息、非极大值抑制的阈值和先验框信息；采用阈值二值化的方法，将纹理特征和颜色特征结合以实现降维处理，将处理后的纹理特征和颜色特征进行拼接，得到拼接后的虹膜整体特征；将拼接后的虹膜整体特征输入至预设的疲劳程度检测模型中进行疲劳识别，判断目标对象的虹膜是否属于疲劳模式，若是，则判断目标对象的疲劳程度并进行报警，若否，则判断目标对象为安全状态；其中，所述基于深度可分离卷积结构对第一纹理图像进行图像识别，得到第一纹理图像中的纹理特征，包括：通过深度可分离卷积结构对第一纹理图像的特征进行提取，得到第一特征图像，其中第一特征图像包括斑点特征图像、细丝特征图像和条纹特征图像；将斑点特征图像、细丝特征图像和条纹特征图像分别进行灰度变换，得到相对应的斑点灰度图像、细丝灰度图像和条纹灰度图像，并将斑点灰度图像、细丝灰度图像和条纹灰度图像内的同一灰度值的像素点分别进行连线，其中采用线性插值法对连线进行插值处理，得到第一斑点灰度图像、第一细丝灰度图像和第一条纹灰度图像；将第一斑点灰度图像、第一细丝灰度图像和第一条纹灰度图像进行融合，得到第二特征图像，对第二特征图像进行边缘检测，并将第二特征图像外的图像转化为白色；将第二特征图像内的所有像素点的R、G、B三个分量分别进行聚类处理，并将得到的所有聚类簇的中心点进行平均值求解，得到所有聚类簇中心点的平均值，将平均值作为第一纹理图像的纹理特征；其中，所述利用Yolov4模型对第二纹理图像的特征进行提取，得到第二纹理图像的颜色特征，包括：基于深度学习目标检测算法，将第二纹理图像调整至预设尺寸并输入至训练完成的Yolov4目标检测模型中，确定矩形框，将矩形框所包围的区域记作色素区域和血管区域，其中确定矩形框包括：利用滑动窗口在第二纹理图像上进行滑动处理，确定多个第一中心点，基于多个第一中心点在第二虹膜图像上进行映射处理，确定多个第二中心点；基于预设尺寸的锚框在每个第二中心点处生成多个候选锚框，其中预设尺寸的锚框是由Yolov4目标检测模型的训练数据得到，根据多个候选锚框，确定第二纹理图像中的色素区域和血管区域；对色素区域进行分量提取得到色调值、饱和度值和明度值，记作第一颜色量化提取值，对血管区域进行分量提取得到色调值、饱和度值和明度值，记作第二颜色量化提取值；将第一颜色量化提取值和第二颜色量化提取值分别均等划分得到至少四等份的颜色量化提取值，将每一份的颜色量化提取值进行组合得到第二纹理图像的颜色特征。

全文数据：

权利要求：

百度查询： 成都科瑞特电气自动化有限公司 矿用虹膜安全识别检测方法、系统、介质及终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD