(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111670104.X (22)申请日 2021.12.31 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 (72)发明人 蔡朝晖　邱润　刘树波　常卓卿　 涂国庆　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 代理人 余浩 (51)Int.Cl. G06V 30/148(2022.01) G06V 30/18(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 水位识别方法、 装置、 设备及可读存 储介质 (57)摘要 本发明提供一种水位识别方法、 装置、 设备 及可读存储介质， 水位识别方法包括： 获取摄像 头所采集的水位尺图像； 对所述水位尺图像进行 预处理， 得到预处理后的第一图像； 将所述第一 图像输入到角点信息与语义信息提取网络模型 中， 得到角点信息与语义特征图； 基于角点信息 生成候选框， 使用所述语义特征图对 所述候选框 进行评价， 得到所述第一图像中的预测框及对应 的预测框信息； 基于所述预测框信息裁剪所述第 一图像， 得到水位尺刻度图像； 将所述水位尺刻 度图像输入到序列文本识别模型中， 得到预测序 列文本； 基于所述预测序列文本， 输出水位识别 结果。 本发明易于安装和复用在不同的户外场 景， 在降低水位测量成本的同时， 提高水位识别 的鲁棒性和精确度。 权利要求书2页 说明书11页 附图2页 CN 114332870 A 2022.04.12 CN 114332870 A 1.一种水位识别方法， 其特 征在于， 所述水位识别方法包括： 获取摄像头所采集的水位尺图像； 对所述水位尺图像进行 预处理， 得到预处 理后的第一图像； 将所述第一图像输入到角点信 息与语义信 息提取网络模型中， 得到角点信 息与语义特 征图； 基于角点信息生成候选框， 使用所述语义特征图对所述候选框进行评价， 得到所述第 一图像中的预测框及对应的预测框信息； 基于所述预测框信息 裁剪所述第一图像， 得到水位尺刻度图像； 将所述水位尺刻度图像输入到序列文本识别模型中， 得到预测序列文本； 基于所述预测序列文本， 输出 水位识别结果。 2.如权利要求1所述的水位识别方法， 其特征在于， 所述对所述水位尺图像进行预处 理， 得到预处 理后的第一图像的步骤 包括： 检测所述水位尺图像中黑色像素 数量的百分比是否大于预设 色素比阈值； 当检测到所述水位尺图像中黑色像素数量的百分比大于预设色素比阈值 时， 将所述水 位尺图像通过多尺度加权平均方法等比例映射到强度通道， 得到通道增强的图像； 将高斯滤波作为中心 环绕函数对所述 通道增强的图像进行 卷积运算， 得到照亮分量； 基于所述照亮分量与所述 通道增强的图像， 得到反射分量的对数函数； 对所述反射分量的对数函数进行线性 量化， 得到第一图像。 3.如权利要求1所述的水位识别方法， 其特征在于， 所述将所述第 一图像输入到角点信 息与语义信息提取网络模型中， 得到角点信息与语义特 征图的步骤 包括： 将所述第一图像输入到角点信 息与语义信 息提取网络模型的角点信 息提取分支中， 得 到所述第一图像中水位尺部分的左上、 右上、 左下、 右下 的若干角点及对应的角点信息， 其 中， 所述角点信息包括角点的像素坐标、 置信度分数以及角点对应的短边长信息； 将所述第一图像输入到角点信 息与语义信 息提取网络模型的语义信 息提取分支中， 进 行二分类 语义分割， 得到所述第一图像中水位尺文本 部分的语义特 征图。 4.如权利要求3所述的水位识别方法， 其特征在于， 所述基于所述若干角点对应的角点 信息生成候选框， 使用所述语义特征图对所述候选框进行评价， 得到所述第一图像中的预 测框及对应的预测框信息的步骤 包括： 保留置信度分数 大于预设 分数阈值的角点； 将同侧上下的角点进行两两组合， 得到若干角点组合， 计算每一角点组合包含的两角 点对应的短边长的均值， 基于每一角点组合对应的短边长的均值以及长边长得到每一角点 组合对应的候选框， 其中， 每一角点组合对应的长边长为每一角点组合包含的两角点的距 离； 保留与语义特征图的面积交并比大于预设交并比阈值的候选框， 并对所述保留的候选 框进行非极大抑制， 得到所述第一图像对应的预测框及 对应的预测框信息， 其中， 所述预测 框信息包括预测框的坐标信息以及边框 长度。 5.如权利要求1所述的水位识别方法， 其特征在于， 所述将所述水位尺刻度图像输入到 序列文本识别模型中， 得到预测序列文本的步骤 包括： 将所述水位尺刻度图像输入到序列文本识别模型中， 所述序列文本识别模型包括卷积权　利　要　求　书 1/2 页 2 CN 114332870 A 2层、 循环层、 转录层； 通过所述卷积层进行 特征提取， 得到所述水位尺刻度图像对应的若干帧特 征序列； 通过所述循环层对所述若干帧特征序列 上下文信 息进行计算， 得到所述若干帧特征序 列的概率预测结果； 通过所述转录层对所述若干帧特征序列的概率预测结果进行贪心搜索， 得到水位尺刻 度的预测序列文本 。 6.如权利要求1所述的水位识别方法， 其特征在于， 所述基于所述预测序列文本， 输出 水位识别结果的步骤 包括： 判断所述预测序列文本是否按水位尺的预设字符排列规则进行排列； 若所述预测序列文本未按水位尺的预设字符排列规则进行排列， 则 输出水位识别结果 为空； 若所述预测序列文本按水位尺的预设字符排列规则进行排列， 则遍历所述序列文本的 预测结果中数字字符、 水位尺字符以及中文字符， 计算得到水位刻度值， 输出水位识别结果 为所述水位刻度值。 7.一种水位识别装置， 其特 征在于， 所述水位识别装置包括： 获取模块， 用于获取摄 像头所采集的水位尺图像； 预处理模块， 用于对所述水位尺图像进行 预处理， 得到预处 理后的第一图像； 提取模块， 用于将所述第一图像输入到角点信息与语义信息提取网络模型中， 得到角 点信息与语义特 征图； 预测框生成模块， 用于基于角点信息生成候选框， 使用所述语义特征图对所述候选框 进行评价， 得到所述第一图像中的预测框及对应的预测框信息； 裁剪模块， 用于基于所述预测框信息 裁剪所述第一图像， 得到水位尺刻度图像； 序列文本识别模块， 用于将所述水位尺刻度图像输入到序列文本识别模型中， 得到预 测序列文本； 输出模块， 用于基于所述预测序列文本， 输出 水位识别结果。 8.如权利要求7 所述的水位识别装置， 其特 征在于， 所述预处 理模块， 还具体用于： 检测所述水位尺图像中黑色像素 数量的百分比是否大于预设 色素比阈值； 当检测到所述水位尺图像中黑色像素数量的百分比大于预设色素比阈值 时， 将所述水 位尺图像通过多尺度加权平均方法等比例映射到强度通道， 得到通道增强的图像； 将高斯滤波作为中心 环绕函数对所述 通道增强的图像进行 卷积运算， 得到照亮分量； 基于所述照亮分量与所述 通道增强的图像， 得到反射分量的对数函数； 对所述反射分量的对数函数进行线性 量化， 得到第一图像。 9.一种水位识别设备， 其特征在于， 所述水位识别设备包括处理器、 存储器、 以及存储 在所述存储器上并可被所述处理器执行的水位识别程序， 其中所述水位识别程序被所述处 理器执行时， 实现如权利要求1至 6中任一项所述的水位识别方法的步骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有水位识别程序， 其中 所述水位识别程序被处理器执行时， 实现如权利要求 1至6中任一项 所述的水位识别方法的 步骤。权　利　要　求　书 2/2 页 3 CN 114332870 A 3