申请/专利权人：华南理工大学;广州大学

申请日：2021-11-05

公开（公告）日：2024-03-19

公开（公告）号：CN114219999B

主分类号：G06V20/10

分类号：G06V20/10;G06V20/52;G06V10/22;G06V10/44;G06V10/56;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：本发明提供结构外挂装饰板防脱落机器视觉自动监测方法及系统。所述方法通过在目标结构物四周布设监控摄像头，实时采集监控区域图像，对采集图像进行预处理并提取颜色矩特征，基于颜色矩特征进行第一次孤立森林异常检测算法检测并定位异常图像；将异常图像隔离后提取异常图像的空间特征，再对异常图像的空间特征进行第二次孤立森林算法检测；对处于危险阶段的结构外挂装饰板进行预警，并结合人工现场确认的方式对结构外挂装饰板进行监测维护。本发明对正常样本特征进行自动学习，不需要人为干预，鲁棒性强，不受环境因素的影响，能够实时监测结构外挂装饰板的状态，从而保障结构周边行人和工作人员的人身安全。

主权项：1.结构外挂装饰板防脱落机器视觉自动监测方法，其特征在于，包括以下步骤：S1：在结构周边或结构主体受力构件上安装一组摄像头；S2：通过所述摄像头对预设监控区的结构外挂装饰板进行图像采集；S3：对需监测的外挂装饰板对象取轮廓，以该图像为背景划分m×n的单元格并编号，各单元格都以其各个顶点坐标作为其所对应的坐标范围；S4：将采集的监控区内结构外挂装饰板图像从RGB空间转换到HSV空间，得到图像样本集；S5：提取图像样本集中的各图像样本的颜色矩特征；S6：将颜色矩特征进行第一次孤立森林异常检测算法的训练和测试，计算各图像样本的第一异常分数，根据第一异常分数对异常的图像样本隔离；S7：对S6隔离的异常图像样本提取空间特征；S8：将S7提取的空间特征进行第二次孤立森林异常检测算法的训练和测试，计算各图像样本的第二异常分数，基于第二异常分数确定异常的图像样本，对异常的图像样本定位异常点的坐标；其中，S6和S8中的孤立森林异常检测算法的异常检测过程为：S01：训练，均匀抽样构建iTree树，构建iForest森林；S02：测试，根据提取图像样本的特征，对iForest森林中的每颗iTree树进行二叉划分测试，计算每条测试数据的异常分数，其中，当进行S6中的第一次孤立森林异常检测算法的异常检测时，所述特征为颜色矩特征，当进行S8中的第二次孤立森林异常检测算法的异常检测时，所述特征为空间特征，所述异常分数计算公式为： 其中，hx为路径长度，Ehx为森林中所有iTree树的平均路径长度，cn是二叉搜索树的平均路径长度，用来对结果进行归一化处理：cn＝2Hn-1-2n-15Hn-1为调和数。

全文数据：

权利要求：

百度查询： 华南理工大学;广州大学 结构外挂装饰板防脱落机器视觉自动监测方法及系统

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