[發(fā)明專利]一種用于電鏟斗齒缺失的實(shí)時(shí)視覺檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710880249.X
• 申請(qǐng)日: 2017-09-25
• 公開（公告）號(hào): CN107862675A
• 公開（公告）日: 2018-03-30
• 發(fā)明（設(shè)計(jì)）人: 王日俊;董磊;段能全;王俊元;黨長(zhǎng)營(yíng);曾志強(qiáng);杜文華;段宇秀;陳立;王俊鳳;劉東曜;崔錚;薛亮
• 申請(qǐng)（專利權(quán)）人: 中北大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06K9/46
• 代理公司: 太原晉科知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)14110
• 代理人: 任林芳

1.一種用于電鏟斗齒缺失的實(shí)時(shí)視覺檢測(cè)方法，其特征在于：包括以下步驟：

Ⅰ、預(yù)先拍攝一組電鏟斗齒的正、負(fù)樣本；

Ⅱ、提取正、負(fù)樣本HOG特征；

Ⅲ、將HOG特征輸入到SVM的分類器中訓(xùn)練，得到?jīng)Q策函數(shù)；

Ⅳ、輸入現(xiàn)場(chǎng)實(shí)時(shí)拍攝的圖片，通過(guò)檢測(cè)窗口進(jìn)行HOG特征提取，再通過(guò)SVM分類，完成對(duì)電鏟斗齒的初步檢測(cè)；

Ⅴ、對(duì)獲得的電鏟斗齒檢測(cè)結(jié)果進(jìn)行SC約束，完成對(duì)電鏟斗齒的精確檢測(cè)；具體步驟如下，a.圖像預(yù)處理和輪廓提取；b.計(jì)算SC特征；c.形狀相似性計(jì)算；

Ⅵ、將電鏟斗齒的精確檢測(cè)結(jié)果與預(yù)先設(shè)定的電鏟斗齒無(wú)缺失時(shí)斗齒的數(shù)目相比較，判斷電鏟斗齒是否缺失。

2.根據(jù)權(quán)利要求1所述的用于電鏟斗齒缺失的實(shí)時(shí)視覺檢測(cè)方法，其特征在于：所述步驟Ⅰ中預(yù)先拍攝電鏟斗齒的正、負(fù)樣本，并預(yù)先設(shè)定電鏟斗齒無(wú)脫落時(shí)斗齒的數(shù)目，拍攝時(shí)應(yīng)獲取單齒的正、負(fù)樣本。

3.根據(jù)權(quán)利要求2所述的用于電鏟斗齒缺失的實(shí)時(shí)視覺檢測(cè)方法，其特征在于：所述步驟Ⅱ包括：

步驟1、對(duì)采集的一組電鏟斗齒的正、負(fù)樣本進(jìn)行圖像預(yù)處理，圖像預(yù)處理包括灰度化和Gamma校正；

步驟2、計(jì)算電鏟斗齒正、負(fù)樣本的圖像梯度；

步驟3、計(jì)算梯度方向統(tǒng)計(jì)直方圖，獲得HOG特征。

4.根據(jù)權(quán)利要求3所述的用于電鏟斗齒缺失的實(shí)時(shí)視覺檢測(cè)方法，其特征在于：所述步驟II中，Gamma校正計(jì)算公式(1)如下

Y(x,y)＝I(x,y)^γ公式(1)

其中I(x,y)表示輸入圖像在點(diǎn)(x,y)處像素的灰度，Y(x,y)表示校正過(guò)后該像素點(diǎn)的灰度值，取γ＝0.5；

所提取的電鏟斗齒正、負(fù)樣本的圖像梯度大小和方向的計(jì)算公式如下：

G_x(x,y)＝H(x+1,y)-H(x-1,y)公式(2)

G_y(x,y)＝H(x,y+1)-H(x,y-1)公式(3)

其中G_X(x,y)、G_Y(x,y)分別表示x方向和y方向上圖像的梯度值，H(x,y)表示圖像中某點(diǎn)的灰度值，G(x,y)表示圖像某點(diǎn)梯度向量的大小，α(x,y)表示此點(diǎn)梯度向量的方向；

計(jì)算梯度方向統(tǒng)計(jì)直方圖，獲得HOG特征，具體實(shí)施方法包括以下步驟：

a)選定細(xì)胞單元cell的大小，因檢測(cè)窗口像素大小為64×128，此處將檢測(cè)窗口分為128個(gè)細(xì)胞單元，每個(gè)細(xì)胞單元的大小為8×8像素；

b)計(jì)算每個(gè)細(xì)胞單元內(nèi)梯度方向直方圖，計(jì)算方法如下：

將梯度方向的范圍設(shè)定為0到180度，并將梯度方向分為9段，然后統(tǒng)計(jì)該細(xì)胞單元內(nèi)每個(gè)像素上不同梯度方向出現(xiàn)的次數(shù),在統(tǒng)計(jì)每個(gè)細(xì)胞單元每個(gè)像素上梯度方向出現(xiàn)的次數(shù)時(shí)，需要對(duì)每個(gè)像素乘以一個(gè)權(quán)重系數(shù)，取該權(quán)重系數(shù)為每個(gè)像素點(diǎn)梯度的大小，每個(gè)像素點(diǎn)在每個(gè)梯度方向區(qū)間內(nèi)出現(xiàn)次數(shù)的計(jì)算公式(6)如下：

其中，α(x,y)為細(xì)胞單元內(nèi)某一點(diǎn)的梯度方向，bin_k為第K個(gè)區(qū)間，V_k(x,y)表示像素點(diǎn)在第K個(gè)梯度方向區(qū)間內(nèi)出現(xiàn)的次數(shù)；

由上述計(jì)算過(guò)程，在每個(gè)細(xì)胞單元內(nèi)，將每個(gè)像素點(diǎn)的梯度大小按照不同的梯度方向進(jìn)行統(tǒng)計(jì)，精確形成該細(xì)胞單元的HOG特征向量；

c)將相鄰的若干個(gè)細(xì)胞單元組成一個(gè)描述塊block，對(duì)描述塊內(nèi)所有的細(xì)胞單元的統(tǒng)計(jì)直方圖特征向量組合在一起形成描述塊的特征向量，以此類推，計(jì)算所有描述塊的HOG特征向量；

d)對(duì)描述塊內(nèi)的直方圖進(jìn)行歸一化，計(jì)算公式(7)如下：

L2-norm：

其中v表示特征向量，ε表示一個(gè)很小的數(shù)，取為0.000001，歸一化后所有描述塊的特征向量首尾相連即可形成HOG特征。