[發明專利]一種基于模糊算法的目標監視檢測方法及系統

有效

• 申請號: 201210012839.8
• 申請日: 2012-01-16
• 公開（公告）號: CN102601950A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 游旭新
• 申請（專利權）人: 上海智覺光電科技有限公司
• 主分類號: B29C45/76
• 分類號: B29C45/76;B29C45/84
• 代理公司: 上海金盛協力知識產權代理有限公司 31242
• 代理人: 解文霞

1.一種基于模糊算法的目標監視檢測方法，其特征在于，所述方法用于檢測模具保護器塑件和模腔是否出現，包括如下步驟：

步驟1，抓取背景、塑件和模腔的數字圖像，按線性順序存儲；

步驟2，獲取當前幀的數字圖像，按線性順序存儲；

步驟3，將當前畫面分為若干小區域ROI，與背景、塑件和模腔的數字圖像分別在每一個ROI區域內進行差分，提取各種圖像間在ROI內的差異；

步驟4，按ROI統計差異參數；統計之前，直接統計灰度值差異，或者在統計前進行特征提取，建立特征矢量后，統計差異的特征矢量；

步驟5，將各種統計參數進行相似度和相異度比較，在正反兩個方向判斷各種背景、塑件、模腔三種目標出現的可能性；在參數統計的時候，將背景也當做要識別的一種目標，符合背景的識別結果則判斷當前圖像為背景；

步驟6，目標判斷步驟；包括：a)如果背景特征的正向統計參數小于背景正向閾值Tho1，同時，塑件和模腔的反向統計參數大于其各自的反向閾值The2和The3，則判斷當前畫面為背景；b)反之，如果背景特征的反向統計參數大于背景反向閾值The1，則判斷當前畫面可能為塑件或模腔，轉到步驟c)；c)如果塑件正向統計參數小于其正向閾值Tho2，同時模腔的反向統計參數大于其反向閾值Tho3，則判斷當前畫面為塑件，否則，則轉到步驟d)；d)如果模腔的正向統計參數小于其正向閾值Tho3，同時塑件的反向統計參數大于其反向閾值Tho2，則判斷當前畫面為模腔；

步驟7，根據前一步對每個ROI的判斷結果，所有ROI內的統計結果作為判斷依據，當所有ROI的判斷都有效時，則輸出結果；

步驟8，閾值更新；當所有ROI的判斷結果一致，表示該次判斷結果可靠性高，可作為閾值的更新依據，分別更新其對應的正向或反向閾值；當更新到設定的次數后，取正向和反向閾值的中值作為正向和反向統一的閾值。

2.一種基于模糊算法的目標監視檢測方法，其特征在于，所述方法包括如下步驟：

步驟S1：獲取目標圖像及背景圖像；

步驟S2：提取目標圖像與背景圖像的差分特征參數；將當前畫面分為若干小區域ROI，使用差分算法計算背景與塑件目標、背景與模腔目標在小區域ROI內的圖像灰度差分；

步驟S3：檢測目標相似度；根據步驟S2提取到的差分特征參數，統計各小區域ROI內的目標出現參數數值，統計時，分別累積各自小區域ROI內的目標和非目標特征參數；

步驟S4：目標判決步驟；由目標的統計參數值，使用模糊判別法，進行目標未出現、目標出現的決策可能性判斷。

3.根據權利要求2所述的基于模糊算法的目標監視檢測方法，其特征在于：

所述方法還包括：

目標與背景分割步驟；根據目標圖像的灰度值，將背景區域作為參考，從畫面中分割出目標和非目標圖像灰度級區域；

判決閾值優化步驟；根據統計結果，調整檢測間隔的上下判斷閾值，用上下間隔閾值的中值作為唯一判斷閾值標準，提高判斷結果的可靠性。

4.根據權利要求2所述的基于模糊算法的目標監視檢測方法，其特征在于：

所述步驟S2中，提取疑似目標與非目標區域的特征，特征提取算法使用灰度級累積，或者采用特征量提取并建立特征矢量，為后續對每一個子區域ROI內進行相對應的目標識別匹配準備參數。

5.根據權利要求2所述的基于模糊算法的目標監視檢測方法，其特征在于：

所述步驟S2的差分算法中，執行圖像差分算子之前，做漂移糾正，以消除由于相機或者目標的微小移動帶來的錯誤。

6.根據權利要求2所述的基于模糊算法的目標監視檢測方法，其特征在于：

所述步驟S3中，分別統計當前圖像與背景畫面、當前圖像與塑件目標、當前圖像與模腔目標的差分特征參數，并且是每個ROI內部單獨進行統計。