【技术实现步骤摘要】
本说明书涉及计算机视觉领域，尤其涉及仪表检测方法、装置、存储介质及电子设备。
技术介绍
1、随着计算机视觉领域的迅速发展，图像识别技术被广泛应用，例如，识别图像中所包含的商品，进而对用户进行商品推荐；再例如，对交通道路图片中的车辆进行识别，以确定交通流量。当然，图像识别技术目前也已广泛使用在各种测试场景中，例如，通过对汽车仪表图像中展示出的各种仪表符号进行识别，以检测汽车的仪表功能是否正常。
2、然而，目前对汽车仪表中的仪表符号进行图像识别时精度较低，从而影响了汽车仪表检测的效果。
3、因此，如何有效的提高对仪表符号的识别准确率，是一个亟待解决的问题。
技术实现思路
1、本说明书提供仪表检测方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种仪表检测方法，包括：
4、获取仪表图像，所述仪表图像中包含有待识别的仪表符号；
5、将所述仪表图像输入预先训练的检测模型中，以通过所述检测模型，确定所述仪表符号在所述仪表图像中的图像区域，以及确定所述仪表符号对应的符号类别；
6、从所述图像区域中确定出所述仪表符号对应的符号图像，并将所述仪表符号对应的符号图像以及所述仪表符号对应的符号类别输入到预先训练的分类模型中，得到所述仪表符号的识别结果；
7、根据所述仪表符号的识别结果，进行仪表检测。
8、可选地，预先训练检测模
9、获取样本仪表图像；
10、将所述样本仪表图像输入到待训练的检测模型中，以通过所述待训练的检测模型，确定出所述样本仪表图像中包含的仪表符号所在的预测图像区域以及所述样本仪表图像中包含的仪表符号对应的预测符号类别；
11、以最小化所述预测图像区域与所述样本仪表图像中包含的仪表符号所在的实际图像区域之间的偏差，以及最小化所述预测符号类别与标注出的所述样本仪表图像中包含的仪表符号对应的实际符号类别之间的偏差为优化目标，对所述待训练的检测模型进行训练。
12、可选地，标注所述样本仪表图像中包含的仪表符号对应的实际符号类别，具体包括：
13、获取各仪表符号的标准图像；
14、从每个仪表符号的标准图像中提取图像特征，得到每个仪表符号的标准图像特征；
15、根据每个仪表符号的标准图像特征，对各仪表符号进行聚类，得到各聚类簇，其中，每个聚类簇中包含的各仪表符号属于同一符号类别；
16、根据所述各聚类簇，对所述样本仪表图像中包含的仪表符号进行标注，以确定所述样本仪表图像中包含的仪表符号对应的实际符号类别。
17、可选地，预先训练分类模型，具体包括：
18、获取样本符号图像以及所述样本符号图像中的仪表符号对应的样本符号类别；
19、将所述样本符号图像以及所述样本符号类别输入到待训练的分类模型中，以通过所述待训练的分类模型，从所述样本符号图像中提取图像特征，并根据提取出的所述样本符号图像对应的图像特征以及所述样本符号类别，确定所述样本符号图像中的仪表符号的预测识别结果；
20、以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差为优化目标，对所述待训练的分类模型进行训练。
21、可选地，以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差为优化目标，对所述待训练的分类模型进行训练，具体包括：
22、以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差，以及最大化所述样本符号图像对应的图像特征与其他类别的符号所对应的图像特征之间的差别为优化目标，对所述待训练的分类模型进行训练。
23、可选地，将所述仪表符号对应的符号图像以及所述仪表符号对应的符号类别输入到预先训练的分类模型中，得到所述仪表符号的识别结果，具体包括：
24、针对所述仪表图像中包含的每个待识别的仪表符号，将该仪表符号对应的符号图像以及该仪表符号对应的符号类别，作为该仪表符号对应的输入数据；
25、将各待识别的仪表符号对应的输入数据分别输入到各分类模型中，以通过各分类模型进行并行识别，得到各仪表符号的识别结果。
26、本说明书提供了一种仪表检测装置，包括：
27、获取模块，用于获取仪表图像；
28、输入模块，用于将所述仪表图像输入预先训练的检测模型中，以通过所述检测模型，确定所述仪表符号的图像在所述仪表图像中的图像区域，以及确定所述仪表符号对应的符号类别；
29、确定模块，用于从所述图像区域中确定出所属仪表符号对应的符号图像，并将所述仪表符号对应的符号图像以及所述仪表符号对应的符号类别输入到预先训练的分类模型中，得到所述仪表符号的识别结果；
30、检测模块，用于根据所述仪表符号的识别结果，进行仪表检测。
31、可选地，所述输入模块具体用于，
32、获取样本仪表图像；将所述样本仪表图像输入到待训练的检测模型中，以通过所述待训练的检测模型，确定出所述样本仪表图像中包含的仪表符号所在的预测图像区域以及所述样本仪表图像中包含的仪表符号对应的预测符号类别；以最小化所述预测图像区域与所述样本仪表图像中包含的仪表符号所在的实际图像区域之间的偏差，以及最小化所述预测符号类别与标注出的所述样本仪表图像中包含的仪表符号对应的实际符号类别之间的偏差为优化目标，对所述待训练的检测模型进行训练。
33、可选地，所述输入模块具体用于，
34、获取各仪表符号的标准图像；从每个仪表符号的标准图像中提取图像特征，得到每个仪表符号的标准图像特征；根据每个仪表符号的标准图像特征，对各仪表符号进行聚类，得到各聚类簇；根据所述各聚类簇，对所述样本仪表图像中包含的仪表符号进行标注，以确定所述样本仪表图像中包含的仪表符号对应的实际符号类别。
35、可选地，所述确定模块具体用于，
36、获取样本符号图像以及所述样本符号图像中的仪表符号对应的样本符号类别；将所述样本符号图像以及所述样本符号类别输入到待训练的分类模型中，以通过所述待训练的分类模型，从所述样本符号图像中提取图像特征，并根据提取出的所述样本符号图像对应的图像特征以及所述样本符号类别，确定所述样本符号图像中的仪表符号的预测识别结果；以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差为优化目标，对所述待训练的分类模型进行训练。
37、可选地，所述确定模块具体用于，
38、以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差，以及最大化所述样本符号图像对应的图像特征与其他类别的符号所对应的图像特征之间的差别为优化目标，对所述待训练的分类模型进行训练。
39、可选地，所述确定模块本文档来自技高网...
【技术保护点】
1.一种仪表检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，预先训练检测模型，具体包括：
3.如权利要求2所述的方法，其特征在于，标注所述样本仪表图像中包含的仪表符号对应的实际符号类别，具体包括：
4.如权利要求1所述的方法，其特征在于，预先训练分类模型，具体包括：
5.如权利要求4所述的方法，其特征在于，以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差为优化目标，对所述待训练的分类模型进行训练，具体包括：
6.如权利要求1所述的方法，其特征在于，将所述仪表符号对应的符号图像以及所述仪表符号对应的符号类别输入到预先训练的分类模型中，得到所述仪表符号的识别结果，具体包括：
7.一种仪表检测装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，所述输入模块具体用于，
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。
10.一种
...【技术特征摘要】
1.一种仪表检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，预先训练检测模型，具体包括：
3.如权利要求2所述的方法，其特征在于，标注所述样本仪表图像中包含的仪表符号对应的实际符号类别，具体包括：
4.如权利要求1所述的方法，其特征在于，预先训练分类模型，具体包括：
5.如权利要求4所述的方法，其特征在于，以最小化所述预测识别结果与所述样本符号图像中的仪表符号对应的标注信息之间的偏差为优化目标，对所述待训练的分类模型进行训练，具体包括：
6.如权利要求1所述的方法，其特征在于，将所述...
【专利技术属性】
技术研发人员：樊天源，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。