一种电池管理系统外壳体的特征提取方法及系统与流程

本发明涉及计算机视觉技术领域，具体涉及一种电池管理系统外壳体的特征提取方法及系统。

背景技术：

电池管理系统外壳体图像作为一种特殊的图像，对于一般的图像而言，从纹理和颜色信息相对单一，而且采集的电池管理系统外壳体图像往往在光照等条件难以控制，因此bms外壳文字提取要求为严苛，合适的电池管理系统外壳体特征提取方法将对整个文字识别技术产生重要的作用。

传统基于内容的文字提取方法主要是针对目标形状特征的相关研究，根据形状描述而言，主要分为基于区域的特征提取方法和基于角点的特征提取方法两种。

以往的特征提取方法大多实现原理简单，对图像中的特定属性十分敏感，比如尺度、光照变化等，无法能够提取稳定的特征信息，因此存在鲁棒性差、可靠性低等问题。

技术实现要素：

本发明提出的一种电池管理系统外壳体的特征提取方法与系统，可解决针对现有技术存在的鲁棒性差、可靠性低缺陷，提供一种基于文字区域的电池管理系统外壳体特征提取方法及系统。

为实现上述目的，本发明采用了以下技术方案：

一种电池管理系统外壳体的特征提取方法，包括以下步骤：

s1：获取电池管理系统控制单元的外壳图像；

s2：对步骤s1采集到的bms外壳图像进行降噪处理后，针对铭牌所在位置，进行区域裁剪进而得到外壳上字体的位置区域；

s3：针对步骤s2处理得到的位置区域，针对铭牌上记录文字的位置，使用连通区域分析法对所述位置区域进行区域分割，得到若干个文字区域；

s4：对步骤s3获取的每一个文字区域进行遍历，在遍历的过程中，对每一个文字区域进行文字识别；其中，每个文字区域的识别结果，将作为索引标签，进一步对每个文字区域进行标定；

s5：对步骤s3得到的分割后的每个文字区域对应的原图像以及步骤s4的识别结果，使用surf算法，在确定了铭牌特征点的位置后，实现bms外壳图像的特征提取；其中，提取到的数据，将用于后期对于文字识别的判断依据。

进一步的，对步骤s2中的图像预处理，具体包括以下步骤：

s21：对步骤s1采集到的bms外壳图像进行灰度化处理，得到灰度化图像；

s22：针对步骤s21处理得到的灰度化图像，使用高斯滤波器对其进行降噪处理，得到降噪图像；

s23：针对步骤s22得到降噪图像，使用canny算子对其进行边缘检测，针对铭牌所在位置，进行区域裁剪，进而得到铭牌的位置区域，具体为将图像中的背景区域进行裁剪和滤除。

进一步的，步骤s3中对bms外壳图像进行区域分割的步骤包括：

s31、使用连通区域分析法将bms外壳图像分解为多个不同的连通域；

s32、使用nms算法遍历步骤s31中分解得到的每个连通域，通过对相关连通域进行过滤与合并，将相关连通域合并得到的区域作为文字区域。

进一步的，步骤s4使用ocr文字识别算法对步骤s3中分割得到的文字区域进行文字识别，其中，识别结果将进一步作为文字区域的索引标签。

进一步的，步骤s5中使用surf算法进行bms外壳图像的特征提取步骤包括：

s51：基于获取到的bms外壳图像，建立sgog多尺度金字塔模型，并利用所述sgog多尺度金字塔模型，在计算图像的局部极值后，通过去除图像中的不稳定性、边缘化特征点，进一步得到图像中所有特征点的位置；

s52：根据步骤s51获取的所有特征点的位置，计算特征点描述子；

s53：基于所述特征描述子，生成铭牌的图像特征。

进一步的，步骤s52中计算特征点描述子的步骤包括：

s521、获取步骤s51中的所有特征点，将特征点邻域尺度大小为m的像素点集合作为处理对象，计算特征点的像素梯度、梯度幅值和方向；

s522、对特征点邻近区域进行，将划分得到的n×n个子区域作为统计单位；

s523：统计每个区域内部r个方向的梯度信息，按照s521对像素梯度、梯度幅值和方向的计算方法，以s522步骤划分好的n×n个子区域作为统计单位，统计k*k邻域的像素、梯度、幅值和方向，得到k个直方统计图；其中，k＝n×n，将k个直方统计图统一映射为n×n×r维的梯度信息；

s524：合并各个区域的统计信息，得到n×n×r维特征向量，基于得到的特征向量，利用归一化算法，计算得到描述子l，其中归一化算法的计算公式为：

其中，l＝[l1,l2,...,lt]。

进一步的，在完成铭牌的特征提取后，对于步骤s3得到的各个文字区域，以s4步骤的识别结果作为索引标签进行一次存储，以步骤s5提取到的特征点进行二次存储。

另一方面，本发明公开的一种电池管理系统外壳体的特征提取系统，包括以下模块：

数据获取模块，用于获取电力设备的bms外壳图像；

位置区域获取模块，用于对采集到的bms外壳图像进行降噪处理后，针对铭牌所在位置，进行区域裁剪，进而得到铭牌的位置区域；

文字区域获取模块，用于针对处理得到的位置区域，针对铭牌上记录文字的位置，使用连通区域分析法对所述位置区域进行区域分割，得到若干个文字区域；

文字识别模块，用于对获取到的每一个文字区域进行遍历，在遍历的过程中，对每一个文字区域进行文字识别；其中，每个文字区域的识别结果，将作为索引标签，进一步对每个文字区域进行标定；

特征提取模块，用于对分割后的每个文字区域对应的原图像以及文字识别结果，使用surf算法，在确定了铭牌特征点的位置后，实现bms外壳图像的特征提取。

进一步的，特征提取模块还包括以下子模块：

特征点位置确定模块，用于基于获取到的bms外壳图像，建立sgog多尺度金字塔模型，并利用所述sgog多尺度金字塔模型，在计算图像的局部极值后，通过去除图像中的不稳定性、边缘化特征点，进一步得到图像中所有特征点的位置；

特征点描述子计算模块，用于根据特征点位置确定模块获取的所有特征点的位置，计算特征点描述子；

图像特征生成模块，用于基于特征点描述子计算模块计算得到的所述特征描述子，生成铭牌的图像特征。

进一步的，特征点描述子计算模块中包括以下子模块：

数据预处理模块，用于获取特征点位置确定模块中确定的所有特征点，将特征点邻域尺度大小为m的像素点集合作为处理对象，计算特征点的像素梯度、梯度幅值和方向；

统计单位划分模块，用于对特征点邻近区域进行，将划分得到的n×n个子区域作为统计单位；

数据统计模块，用于统计每个区域内部r个方向的梯度信息，按照数据预处理模块对像素梯度、梯度幅值和方向的计算方法，以统计单位划分模块划分好的n×n个子区域作为统计单位，统计k*k邻域的像素、梯度、幅值和方向，得到k个直方统计图；其中，k＝n×n，将k个直方统计图统一映射为n×n×r维的梯度信息；

描述子计算模块，用于合并各个区域的统计信息，得到n×n×r维特征向量，基于得到的特征向量，利用归一化算法，计算得到描述子l。

由上述技术方案可知，本发明的电池管理系统外壳体的特征提取方法，在本发明所述的一种基于文字区域的电池管理系统外壳体特征提取方法及系统中，在不同的光照、旋转、尺度变化图像上提取稳定的特征点，且提出一种特征索引与特征点队列存储相结合的存储结构，对图像局部区域特征相似点有较好的匹配能力。

本发明提出一种电池管理系统外壳体的特征提取方法及系统，该方法适用于电池管理系统外壳体图像的特征提取，首先采集到bms外壳体图像后，基于区域裁剪，得到铭牌的位置区域，使用连通区域分析法对所述位置区域进行确定并标记，得到相应的文字区域并分割；之后，对每一个文字区域进行全搜索，在全搜索的过程中，对每一个文字区域进行文字判定识别；最后，基于每个文字区域对应的原图像以及文字识别结果，使用surf算法，在确定了bms外壳特征点的位置后，实现bms外壳图像的特征提取。对比过去传统的基于内容特征提取方法，本方法特征能够在不同的仿射、旋转、光照、尺度变化图像上提取稳定的特征要素。与此同时，提出一种特征引索存储的方法，该方法可以极大的节约内存空间并且将指引的速度极大的提高。

附图说明

图1是本发明方法的流程图；

图2是本发明方法的原理图；

图3是区域特征点获取流程图。

图4是电池外壳上字符的位置区域显示图；

图5是外壳的文字区域显示图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

本实施例的一种基于文字区域的电池管理系统外壳体特征提取方法及系统，提出了一种将特征索引与特征点队列存储相结合的存储结构，为后续的特征匹配提供稳定的数据支撑。

如图1所示，以下具体说明：包括以下步骤：

s1：获取电池管理系统控制单元的外壳图像；

s2：对步骤s1采集到的bms外壳图像进行降噪处理后，针对铭牌所在位置，进行区域裁剪进而得到外壳上字体的位置区域；

s3：针对步骤s2处理得到的位置区域，针对铭牌上记录文字的位置，使用连通区域分析法对所述位置区域进行区域分割，得到若干个文字区域；

s4：对步骤s3获取的每一个文字区域进行遍历，在遍历的过程中，对每一个文字区域进行文字识别；其中，每个文字区域的识别结果，将作为索引标签，进一步对每个文字区域进行标定；

s5：对步骤s3得到的分割后的每个文字区域对应的原图像以及步骤s4的识别结果，使用surf算法，在确定了铭牌特征点的位置后，实现bms外壳图像的特征提取；其中，提取到的数据，将用于后期对于文字识别的判断依据。

对步骤s2中的图像预处理，具体包括以下步骤：

s21：对步骤s1采集到的bms外壳图像进行灰度化处理，得到灰度化图像；

s22：针对步骤s21处理得到的灰度化图像，使用高斯滤波器对其进行降噪处理，得到降噪图像；

s23：针对步骤s22得到降噪图像，使用canny算子对其进行边缘检测，针对铭牌所在位置，进行区域裁剪，进而得到铭牌的位置区域，具体为将图像中的背景区域进行裁剪和滤除。

步骤s3中对bms外壳图像进行区域分割的步骤包括：

s31、使用连通区域分析法将bms外壳图像分解为多个不同的连通域；

s32、使用nms算法遍历步骤s31中分解得到的每个连通域，通过对相关连通域进行过滤与合并，将相关连通域合并得到的区域作为文字区域。

步骤s4使用ocr文字识别算法对步骤s3中分割得到的文字区域进行文字识别，其中，识别结果将进一步作为文字区域的索引标签。

如图3所示，步骤s5中使用surf算法进行bms外壳图像的特征提取步骤包括：

s51：基于获取到的bms外壳图像，建立sgog多尺度金字塔模型，并利用所述sgog多尺度金字塔模型，在计算图像的局部极值后，通过去除图像中的不稳定性、边缘化特征点，进一步得到图像中所有特征点的位置；

s52：根据步骤s51获取的所有特征点的位置，计算特征点描述子；

s53：基于所述特征描述子，生成铭牌的图像特征。

步骤s52中计算特征点描述子的步骤包括：

s521、获取步骤s51中的所有特征点，将特征点邻域尺度大小为m的像素点集合作为处理对象，计算特征点的像素梯度、梯度幅值和方向；

s522、对特征点邻近区域进行，将划分得到的n×n个子区域作为统计单位；

s523：统计每个区域内部r个方向的梯度信息，按照s521对像素梯度、梯度幅值和方向的计算方法，以s522步骤划分好的n×n个子区域作为统计单位，统计k*k邻域的像素、梯度、幅值和方向，得到k个直方统计图；其中，k＝n×n，将k个直方统计图统一映射为n×n×r维的梯度信息；

s524：合并各个区域的统计信息，得到n×n×r维特征向量，基于得到的特征向量，利用归一化算法，计算得到描述子l，其中归一化算法的计算公式为：

其中，l＝[l1,l2,...,lt]。

在完成铭牌的特征提取后，对于步骤s3得到的各个文字区域，以s4步骤的识别结果作为索引标签进行一次存储，以步骤s5提取到的特征点进行二次存储。

另一方面，本发明公开的一种电池管理系统外壳体的特征提取系统，包括以下模块：

数据获取模块，用于获取电力设备的bms外壳图像；

位置区域获取模块，用于对采集到的bms外壳图像进行降噪处理后，针对铭牌所在位置，进行区域裁剪，进而得到铭牌的位置区域；

文字区域获取模块，用于针对处理得到的位置区域，针对铭牌上记录文字的位置，使用连通区域分析法对所述位置区域进行区域分割，得到若干个文字区域；

文字识别模块，用于对获取到的每一个文字区域进行遍历，在遍历的过程中，对每一个文字区域进行文字识别；其中，每个文字区域的识别结果，将作为索引标签，进一步对每个文字区域进行标定；

特征提取模块，用于对分割后的每个文字区域对应的原图像以及文字识别结果，使用surf算法，在确定了铭牌特征点的位置后，实现bms外壳图像的特征提取。

特征提取模块还包括以下子模块：

特征点位置确定模块，用于基于获取到的bms外壳图像，建立sgog多尺度金字塔模型，并利用所述sgog多尺度金字塔模型，在计算图像的局部极值后，通过去除图像中的不稳定性、边缘化特征点，进一步得到图像中所有特征点的位置；

特征点描述子计算模块，用于根据特征点位置确定模块获取的所有特征点的位置，计算特征点描述子；

图像特征生成模块，用于基于特征点描述子计算模块计算得到的所述特征描述子，生成铭牌的图像特征。

特征点描述子计算模块中包括以下子模块：

数据预处理模块，用于获取特征点位置确定模块中确定的所有特征点，将特征点邻域尺度大小为m的像素点集合作为处理对象，计算特征点的像素梯度、梯度幅值和方向；

统计单位划分模块，用于对特征点邻近区域进行，将划分得到的n×n个子区域作为统计单位；

数据统计模块，用于统计每个区域内部r个方向的梯度信息，按照数据预处理模块对像素梯度、梯度幅值和方向的计算方法，以统计单位划分模块划分好的n×n个子区域作为统计单位，统计k*k邻域的像素、梯度、幅值和方向，得到k个直方统计图；其中，k＝n×n，将k个直方统计图统一映射为n×n×r维的梯度信息；

描述子计算模块，用于合并各个区域的统计信息，得到n×n×r维特征向量，基于得到的特征向量，利用归一化算法，计算得到描述子l。

结合图4和图5所示，本发明提出一种电池管理系统外壳体的特征提取方法及系统，该方法适用于电池管理系统外壳体图像的特征提取，首先采集到bms外壳体图像后，基于区域裁剪，得到铭牌的位置区域，使用连通区域分析法对所述位置区域进行确定并标记，得到相应的文字区域并分割；之后，对每一个文字区域进行全搜索，在全搜索的过程中，对每一个文字区域进行文字判定识别；最后，基于每个文字区域对应的原图像以及文字识别结果，使用surf算法，在确定了bms外壳特征点的位置后，实现bms外壳图像的特征提取。对比过去传统的基于内容特征提取方法，本方法特征能够在不同的仿射、旋转、光照、尺度变化图像上提取稳定的特征要素。与此同时，提出一种特征引索存储的方法，该方法可以极大的节约内存空间并且将指引的速度极大的提高。

可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。