【技术实现步骤摘要】
本专利技术涉及闸机通道目标的图像识别，具体涉及一种闸机通道目标识别检测方法及系统。
技术介绍
1、随着智能交通系统的发展，闸机通道作为关键的进出管理区域，广泛应用于地铁、机场、景区等场所，实现人员的身份认证与通行管理。为了确保通行安全与高效性，目标识别技术被引入到闸机系统中，用于对通行人员进行精准识别。然而，闸机通道中的目标识别面临着光照变化、环境干扰等一系列挑战，尤其是在强光、逆光或低光照条件下，传统的目标识别方法难以保证高效且准确的识别效果。这使得在复杂光照条件下，现有的图像识别系统的性能受到较大影响，无法满足实际应用需求。
2、现有技术存在以下不足：
3、尽管现有的闸机目标识别系统采用了多种图像处理方法，如光照补偿、噪声去除和动态范围调整，但这些技术往往无法全面应对不同光照环境下的挑战，特别是在强烈光照差异或快速变化的情况下，系统的识别效果不稳定。此外，现有的目标识别算法大多依赖于静态特征提取，难以有效评估图像的可识别性，也未能充分考虑图像中目标的可见度变化和不同光照条件下的影响。现有方法对目标识别的准确性和鲁棒性缺乏系统性的评估手段，导致在复杂场景下容易出现误识别或漏识别的问题。因此，亟需一种新型技术方案，能够动态调整图像预处理、特征提取与目标识别算法，保证在各种光照变化下依然能够稳定、精准地完成目标识别任务。
技术实现思路
1、本专利技术的目的在于提供一种闸机通道目标识别检测方法及系统，以解决上述背景中问题。
2、本专利技术的目的可以通
3、一种闸机通道目标识别检测方法，包括以下步骤：
4、s1：通过摄像头收集闸机通道图像数据，并对图像进行光照补偿、噪声去除和高动态范围成像处理，以提高图像质量并适应不同光照条件下的目标识别；
5、s2：从预处理后的图像中提取目标区域的亮度特征和纹理特征，所述亮度特征通过图像的亮度对比度分析获得，所述纹理特征通过纹理分析算法获得，以描述目标区域的亮度差异和纹理清晰度；
6、s3：基于提取的亮度特征和纹理特征，计算图像的目标可见度系数，目标可见度系数用于评估目标区域在不同光照条件下的可识别程度，确保目标区域在变化的光照条件下的可见性；
7、s4：利用目标识别算法对图像中的目标进行检测，计算每个目标的识别置信度，所述置信度表示目标被正确识别的概率，并评估目标识别结果的一致性；
8、s5：将目标的可见度和识别置信度进行综合分析，得出综合识别准确性评分，用于评估目标在不同光照条件下的最终识别准确性；
9、s6：基于综合分析结果，通过动态调整图像预处理、特征提取和目标识别算法，确保在不同光照条件下实现快速且准确的目标识别。
10、作为本专利技术进一步的方案：所述从预处理后的图像中提取目标区域的亮度特征和纹理特征，具体包括：
11、通过多尺度分析技术，提取图像在不同分辨率下的亮度信息；
12、使用高斯金字塔和拉普拉斯金字塔对图像进行多尺度分解，并提取图像在不同尺度下的亮度对比度信息；
13、基于局部对比度分析，计算目标区域与背景区域的亮度差值，得到目标区域的亮度特征；
14、使用lbp算法从图像中提取局部纹理信息，得到目标区域的纹理编码；
15、通过gabor滤波器对图像进行频率和方向滤波，提取目标区域的纹理结构特征，计算每个滤波后的图像的能量特征总体值和相位特征总体值，得到目标区域的纹理特征。
16、作为本专利技术进一步的方案：所述基于提取的亮度特征和纹理特征，计算图像的目标可见度系数，具体包括：
17、通过局部对比度增强算法分析目标区域与背景区域的亮度差值，并基于目标区域与背景区域的亮度差异计算目标区域的亮度特征，计算表达式为：；
18、基于局部对比度分析结果，计算目标区域的亮度特征指数，计算表达式：；
19、其中，表示目标区域的亮度，表示目标区域，表示背景区域的亮度，表示目标区域的局部邻域，表示避免除零的常数，表示亮度差值，表示亮度特征指数，表示目标区域周围邻域区域内的像素位置；
20、使用gabor滤波器提取图像的纹理特征，包括能量特征和相位特征，并计算滤波后的图像能量特征和相位特征总值，计算表达式为：；；；；
21、其中，表示gabor滤波器的响应，表示能量特征，表示相位特征，能量特征总体值，表示相位特征总体值，表示角度变量，表示高斯函数的标准差；
22、计算纹理特征指数，计算表达式为：；
23、式中，表示纹理特征指数；
24、通过能量特征和相位特征的结合，计算纹理特征指数，计算表达式为：
25、将综合亮度特征指数与纹理特征指数进行融合处理，得到目标可见度系数，计算表达式为：；
26、其中，为亮度的权重系数，计算表达式为：；
27、其中，为纹理的权重系数，计算表达式为：；
28、其中，为控制亮度和纹理权重的调整参数，表示目标可见度系数。
29、作为本专利技术进一步的方案：所述利用目标识别算法对图像中的目标进行检测，计算每个目标的识别置信度，具体包括：
30、提取目标区域的特征，包括亮度特征和纹理特征；
31、通过目标检测算法定位出目标区域和背景区域；
32、根据目标特征和训练数据计算目标的先验概率，计算表达式为：；
33、式中，表示目标的先验概率，表示目标区域特征向量中的第个特征，表示背景区域的特征，表示目标区域，表示训练集中的第个目标类别，表示类别是的先验概率，是样本数量；
34、计算目标区域特征的似然函数，计算表达式为：，
35、其中，表示目标区域特征的似然函数，是特征的维度，是第个特征，表示第个特征的均值，表示第个特征的标准差，表示目标特征的类别；
36、计算目标的后验概率，计算表达式为：；
37、式中，表示后验概率，表示总的观测概率；
38、计算目标识别的置信度系数，计算表达式为：；
39、式中，表示目标识别的置信度系数，表示预设调整系数，表示自然数底数对数。
40、作为本专利技术进一步的方案：所述评估目标识别结果的一致性，具体包括：
41、判断目标识别结果的置信度系数是否大于等于预设阈值，若是，则说明对应目标识别结果一致，若否，则说明对应目标识别结果不一致。
42、作为本专利技术进一步的方案：所述将目标的可见度和识别置信度进行综合分析，得出综合识别准确性评分，具体包括：
43、获取闸机通道图像数据的目标可见度系数和置信度系数，对目标可见度系数和置信度系数进行归一化计算处理，计算得到综合识别准确性评分，用于评估图像识别的准确性；
44、所述归一化计算处理的计算表达式为：；
45、式中，表示综合识别准确性评分，和表示预设比例系数，表示本文档来自技高网...
【技术保护点】
1.一种闸机通道目标识别检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述从预处理后的图像中提取目标区域的亮度特征和纹理特征，具体包括：
3.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述基于提取的亮度特征和纹理特征，计算图像的目标可见度系数，具体包括：
4.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述评估目标区域在不同光照条件下的可识别程度，具体包括：
5.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述利用目标识别算法对图像中的目标进行检测，计算每个目标的识别置信度，具体包括：
6.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述评估目标识别结果的一致性，具体包括：
7.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述将目标的可见度和识别置信度进行综合分析，得出综合识别准确性评分，具体包括：
8.根据权利要求1所述的一种闸机通道目标识别检测方
9.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述基于综合分析结果，通过动态调整图像预处理、特征提取和目标识别算法，具体包括：
10.一种闸机通道目标识别检测系统，其特征在于，用于如权利要求1-9任一项所述的一种闸机通道目标识别检测方法，包括：
...【技术特征摘要】
1.一种闸机通道目标识别检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述从预处理后的图像中提取目标区域的亮度特征和纹理特征，具体包括：
3.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述基于提取的亮度特征和纹理特征，计算图像的目标可见度系数，具体包括：
4.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述评估目标区域在不同光照条件下的可识别程度，具体包括：
5.根据权利要求1所述的一种闸机通道目标识别检测方法，其特征在于，所述利用目标识别算法对图像中的目标进行检测，计算每个目标的识别置信度，具体包括：
6.根据权利...
【专利技术属性】
技术研发人员：陈海强，
申请(专利权)人：深圳市海普天智能科技有限公司，
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。