[發明專利]一種基于多分類增量學習的分窗口計數方法及裝置

有效

• 申請號: 201711383683.3
• 申請日: 2017-12-20
• 公開（公告）號: CN108182439B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 解梅;秦國義;公衍翔;盧欣辰
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V10/30
• 分類號: G06V10/30;G06V10/774;G06V10/764;G06K9/62;G06T7/136
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

本發明提供一種基于多分類增量學習的分窗口計數方法及裝置，充分利用目標形狀規則的特點，建立像素點和個數的直接關系，降低了累計誤差，并實現快速計數，同時允許物體粘連，忽略不均勻的密度和質量因素。為了避免采集圖像時拍攝角度的局限使得目標圖像各個區域像素點會有誤差，利用窗口將檢測范圍分區，對每個窗口單獨進行計數來降低誤差。裝置采用暗箱避免了外部光源的干擾，對外部環境要求很低；多窗模板對計數區域進行分區，避免目標物體的滾動及相鄰窗口之間的粘連。本發明實現了類似于工業密封毛氈墊這類質量輕，體積小，密度不均勻的規則物體的高準確性的快速計數。

技術領域

本發明涉及圖像處理和機器學習技術，特別涉及質量輕，體積小，密度不均勻的規則物體的快速計數。

背景技術

工業密封毛氈墊是經過沖床加工制作而成的密封墊圈，具有密封，隔熱，隔音，防震，過濾等作用，在家電，樂器，運動器械，汽車，文化產品等各類產業領域中被廣泛應用，準確計算毛氈墊的數量對保證廠家的經濟效益十分重要。

毛氈墊的基本特點是體積較小、質量輕，形狀規則，由于加工的原材料包含不同種類羊毛，因此最終的制成品由于毛質長短，粗細的不同會導致密度和厚度不均勻，造成誤差。傳統的方法一般是稱重法，人工計數法兩種。稱重法要求稱重對象為重量基本相同，并滿足最小計量單位，但是毛氈墊體積小、質量輕，密度、厚度不均勻容易造成較大誤差。人工計數方法速度比較慢、效率低，而且容易受人為因素的影響，占用、浪費人力資源。

如何提高類似于工業密封毛氈墊這樣質量輕，體積小，密度不均勻的規則物體計數的效率與準確率是是亟需解決的難題。

發明內容

本發明所要解決的技術問題是，提供一種能夠實現對質量輕，體積小，密度不均勻的規則物體進行快速計數的方法與裝置。

本發明為解決上述技術問題所采用的技術方案是，一種基于多分類增量學習的分窗口計數方法，包括以下步驟：

1)訓練步驟，針對各分區窗口訓練多分類模型，每一個窗口所對應的多分類模型由識別不同目標數的二分類器組成，每一個二分類器用于識別指定的一個目標數：

1-1)圖像采集步驟：在各窗口內采集不同目標數下的樣本圖像；

1-2)圖像預處理步驟：對所有樣本圖像進行高斯濾波消除噪聲，再進行灰度化以及二值化處理，得到窗口內目標總像素點數；

1-3)多分類模型訓練步驟：將各目標數下的樣本圖像的目標總像素點數，一方面作為指定識別該目標數的二分類器的正樣本輸入，另一方面作為識別其它目標數的二分類器的負樣本輸入；

2)計數步驟：

2-1)圖像采集步驟：將采集目標圖像按預置窗口進行分區；

2-2)圖像預處理步驟：對每個窗口的圖像進行高斯濾波消除噪聲，再進行灰度化以及二值化處理，得到窗口內目標總像素點數；

2-3)分類及模型增量學習步驟：將每個窗口內目標總像素點數輸入多分類模型，根據多分類模型的輸出結果得到目標數；根據目標數對目標總像素點數進行標注后，將標注后的目標總像素點數作新樣本使對應窗口多分類模型進行模型增量學習；

2-4)計數輸出：將目標圖像中所有窗口的目標數求總和作為計數結果。

本發明計數方法充分利用毛氈墊形狀規則的特點，建立像素點和個數的直接關系，降低了“個數＝總像素點/單個像素點”這種間接關系帶來的累計誤差，并實現快速計數，同時允許物體粘連，忽略不均勻的密度和質量因素。為了避免采集圖像時拍攝角度的局限使得目標圖像各個區域像素點會有誤差，利用窗口將檢測范圍分區，對每個窗口單獨進行計數來降低誤差。