[發明專利]一種流水作業平臺煙條自動視覺檢測與計數方法有效
| 申請號: | 201710044136.6 | 申請日: | 2017-01-19 |
| 公開(公告)號: | CN106803259B | 公開(公告)日: | 2019-07-05 |
| 發明(設計)人: | 彭真明;李夢雪;王璟璟;田明;盧耀坤;李健;張蘭丹;曹思穎;張萍;蒲恬 | 申請(專利權)人: | 電子科技大學 |
| 主分類號: | G06T7/11 | 分類號: | G06T7/11;G06T7/13;G06T7/136;G06T7/187 |
| 代理公司: | 成都弘毅天承知識產權代理有限公司 51230 | 代理人: | 李春芳;馬林中 |
| 地址: | 611731 四川省成*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 流水作業 平臺 自動 視覺 檢測 計數 方法 | ||
1.一種流水作業平臺煙條自動視覺檢測方法,其特征在于,獲取背景差分后二值煙條圖像幀的連通域,再按幀序依次將每個二值煙條圖像幀的連通域分為存在相對大小的類、按類取連通域的外接矩形、對相對小類進行區域增長得到完整的存在條煙的區域,接著分別根據相對大類連通域面積大小設置對應的閾值條件,然后由閾值條件滿足情況選擇地分割超出煙條預設連通區域面積的相對大類連通域,確定計數條煙區域的頂點信息并累計煙條數量,最后獲得視頻中通過的所有煙條數量及煙條所在區域頂點信息;
還包括以下步驟:
步驟1:設置初始參數,讀入背景圖像g(x,y),并進行非均勻光照校正處理,得到增強的背景圖像g'(x,y);
步驟2:循環讀入視頻圖像f(x,y),根據所選取的初始參數獲得與背景圖像相同位置的局部圖像f1(x,y),再進行非均勻光照校正處理得到增強的局部圖像f1'(x,y);
步驟3:令增強的局部圖像f1'(x,y)與增強的背景圖像g'(x,y)差分,再對差分后圖像進行閾值處理得到二值圖像b(x,y);
步驟4:對二值圖像b(x,y)進行膨脹處理得到生長后的二值圖像b1(x,y),提取生長后的二值圖像b1(x,y)中的連通區域輪廓C;
步驟5:對生長后的二值圖像b1(x,y)中的連通區域進行雙閾值處理,依據連通區域輪廓C(i)面積S(i)去除噪聲,并將連通區域分成兩類Cl、Cs,對應面積大小為Sl、Ss;
步驟6:計算包含輪廓Cl(j)的外接矩形Rl(j),大連通區域數量Nl=|Cl|,j=1,2,...,Nl,計算包含輪廓Cs(k)的外接矩形Rs(k),小連通區域數量Ns=|Cs|,k=1,2,...,Ns,去除連通區域兩端的小連通域數量,得到圖像b(x,y)中心小連通區域數量N′s;
步驟7:如果小連通區域數量N′s=0,則執行步驟9,否則執行步驟8;
步驟8:在外接矩形Rs附近選取種子像素點,進行區域生長,在二值圖像中保留包含小連通區域的生長結果,執行步驟5;
步驟9:如果大連通區域數量Nl>0,執行步驟10,否則執行步驟13;
步驟10:對大連通區域細分割,結合圖像幀序列中已計數煙條所在區域信息P′o計算未計數的單條煙區域Po;
步驟11:如果存在未計數條煙區域,執行步驟12,否則執行步驟13;
步驟12:保存或輸出當前分割結果并計數,并更新已計數煙條所在區域信息P′o=Po;
步驟13:根據視頻圖像條煙運動速度估計下一幀圖像中的已計數煙條所在區域信息P′o;
步驟14:如果視頻結束,輸出視頻分割累計結果,否則執行步驟2。
2.根據權利要求1所述的一種流水作業平臺煙條自動視覺檢測方法,其特征在于,所述步驟1和步驟2中,非均勻光照校正處理的公式為:
其中I(i,j)為輸入RGB圖像中的一個彩色像素點,minI(i,j)是為坐標(i,j)處像素RGB三通道中的最小值,N為圖像每一行的像素個數,M為圖像上每一列的像素個數,像素點的每個通道都減去三通道中的最小值。
3.根據權利要求1所述的一種流水作業平臺煙條自動視覺檢測方法,其特征在于,所述步驟3中,計算二值圖像公式如下:
其中||f1'(i,j)-g'(i,j)||1為坐標(i,j)處f1'(i,j)與背景像素g'(i,j)差分的一范數,Th為二值化的閾值,若當前像素點與背景差分的一范數大于閾值Th即為前景b(i,j)=1,否則b(i,j)=0。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于電子科技大學,未經電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710044136.6/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種圖像處理方法及裝置
- 下一篇:基于光流法和卡爾曼濾波的多目標跟蹤方法





