申请/专利权人：湖北经济学院

申请日：2024-01-23

公开（公告）日：2024-04-23

公开（公告）号：CN117611929B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/74;G06V10/82;G06V10/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明提供一种基于深度学习的LED光源识别方法、装置、设备及介质，属于室内定位导航技术领域，所述方法包括：在LED照明环境下，通过CMOS相机获取样条帧，样条帧为具有暗样条纹的图像；输入样条帧至目标检测模型，获取目标检测模型输出的暗样条纹检测结果；对多个矩形框进行预处理以及基于各个预处理后矩形框对应的预测分类，确定样条帧的图像特征编码序列；将图像特征编码序列与各个LED光源对应的光源特征编码序列进行比对，确定与样条帧最匹配的光源特征编码序列。光源特征编码序列能够用于标识LED光源，因而能够确定CMOS相机的当前位置位于最匹配的光源特征编码序列所标识LED光源的附近，高效地进行室内定位。

主权项：1.一种基于深度学习的LED光源识别方法，其特征在于，包括：在LED照明环境下，通过CMOS相机获取样条帧，所述样条帧为具有暗样条纹的图像；输入所述样条帧至目标检测模型，获取所述目标检测模型输出的暗样条纹检测结果，所述暗样条纹检测结果包括多个矩形框和各个矩形框对应的预测分类，所述矩形框用于标识暗样条纹所在区域或非暗样条纹所在区域；对所述多个矩形框进行预处理，获取多个预处理后矩形框，不同所述预处理后矩形框之间不重叠且不分离；基于各个所述预处理后矩形框对应的预测分类，确定所述样条帧的图像特征编码序列；将所述图像特征编码序列与各个LED光源对应的光源特征编码序列进行比对，确定与所述样条帧最匹配的光源特征编码序列，所述光源特征编码序列用于标识LED光源；其中，所述LED照明环境中的各个LED光源基于开关频率和占空比进行照明，表示LED光源的编号，不同LED光源采用不同的开关频率，不同LED光源采用不同的占空比，且，S表示所述CMOS相机的快门时长，所述CMOS相机采用逐列扫描方式采集图像，W表示所述CMOS相机所采集图像的宽度，LED光源对应的光源特征编码序列是基于快门时长、图像的宽度以及LED光源所采用的开关频率和占空比确定的；所述光源特征编码序列由连续的个0和连续的个1组成，是指比计算式大的最小整数，是指比计算式小的最大整数，表示占空比；所述对所述多个矩形框进行预处理，获取多个预处理后矩形框，包括：对所述多个矩形框进行归一化处理，获取多个归一化矩形框；沿图像宽度坐标轴，对所述多个归一化矩形框进行升序排序，获取矩形框序列；基于所述矩形框序列，执行移除矩形框处理，获取移除处理后的矩形框序列，所述移除矩形框处理用于针对每一个目标相邻组，移除所述目标相邻组中置信度较小的一个矩形框，所述目标相邻组包括相邻的两个矩形框且两个矩形框具有相同的预测分类；基于移除处理后的矩形框序列，执行消除重叠分离区域处理，获取所述多个预处理后矩形框；所述基于移除处理后的矩形框序列，执行消除重叠分离区域处理，获取所述多个预处理后矩形框，包括：对于所述移除处理后的矩形框序列中的任意相邻的两个矩形框，当两个矩形框在图像宽度坐标轴上重叠时，沿所述图像宽度坐标轴对两个矩形框中前一个矩形框的后边界进行向前移动，向前移动的距离为；沿图像宽度坐标轴对两个矩形框中后一个矩形框的前边界进行向后移动，向后移动的距离为；其中，表示两个矩形框之间的重叠区域宽度，表示前一个矩形框的置信度，表示后一个矩形框的置信度；所述基于移除处理后的矩形框序列，执行消除重叠分离区域处理，获取所述多个预处理后矩形框，包括：对于所述移除处理后的矩形框序列中的任意相邻的两个矩形框，当两个矩形框在图像宽度坐标轴上分离时，沿所述图像宽度坐标轴对两个矩形框中前一个矩形框的后边界进行向后移动，向后移动的距离为；沿图像宽度坐标轴对两个矩形框中后一个矩形框的前边界进行向前移动，向前移动的距离为；其中，表示两个矩形框之间的分离区域宽度，表示前一个矩形框的置信度，表示后一个矩形框的置信度。

全文数据：

权利要求：

百度查询： 湖北经济学院 基于深度学习的LED光源识别方法、装置、设备及介质

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