[發(fā)明專利]一種基于OpenCV的管廊視頻目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811470859.3
• 申請(qǐng)日: 2018-12-04
• 公開(kāi)（公告）號(hào): CN109615623A
• 公開(kāi)（公告）日: 2019-04-12
• 發(fā)明（設(shè)計(jì)）人: 岑健;許文凱;李虎山;伍銀波;劉溪;胡聯(lián)粵
• 申請(qǐng)（專利權(quán)）人: 廣東技術(shù)師范學(xué)院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00;G06T7/90
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 肖平安

本發(fā)明涉及一種基于OpenCV的管廊視頻目標(biāo)檢測(cè)方法，其特征在于包括步驟：一，利用攝像頭采集管廊視頻數(shù)據(jù)；二，利用OpenCV函數(shù)得到圖像序列的幀，對(duì)獲取的每一幀圖像進(jìn)行平滑濾波處理以減少噪聲；三，將圖像顏色轉(zhuǎn)為HSV顏色空間；四，創(chuàng)建滑動(dòng)條以得到顏色參數(shù)的閾值，從而得到圖像的二值圖像；五，對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理；六，繪制窗口將目標(biāo)物體框出并進(jìn)行數(shù)據(jù)疊加。該方法對(duì)攝像頭拍攝的視頻數(shù)據(jù)進(jìn)行分析，檢測(cè)目標(biāo)物體顏色并將目標(biāo)物體框出；然后再?gòu)臄?shù)據(jù)庫(kù)調(diào)取相應(yīng)數(shù)據(jù)實(shí)時(shí)疊加到視頻信號(hào)，這樣只需觀察視頻數(shù)據(jù)就能分析故障地點(diǎn)與故障原因，從而大大的提高了效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于OpenCV的管廊視頻目標(biāo)檢測(cè)方法。

背景技術(shù)

OpenCV由Intel于1999年建立，是一個(gè)基于BSD許可發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Windows、Mac、Linux操作系統(tǒng)上。它由一系列C函數(shù)和少量C++類構(gòu)成，輕量且高效，同時(shí)提供了Python、Ruby、MATLAB等語(yǔ)言的接口，可以實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)及圖像處理的大多數(shù)算法。

管廊項(xiàng)目中采用了物聯(lián)網(wǎng)技術(shù)，每時(shí)每刻都在產(chǎn)生大量數(shù)據(jù)，其中視頻數(shù)據(jù)是最主要的數(shù)據(jù)來(lái)源。目前當(dāng)管廊中發(fā)生意外情況，工作人員需要同時(shí)調(diào)取監(jiān)控視頻與數(shù)據(jù)庫(kù)傳感器數(shù)據(jù)進(jìn)行分析，效率低下。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于OpenCV的管廊視頻目標(biāo)檢測(cè)方法。該方法先對(duì)攝像頭拍攝的視頻數(shù)據(jù)進(jìn)行分析，檢測(cè)目標(biāo)物體顏色并將目標(biāo)物體框出；然后再?gòu)臄?shù)據(jù)庫(kù)調(diào)取相應(yīng)數(shù)據(jù)實(shí)時(shí)疊加到視頻信號(hào)，這樣工作人員只需觀察視頻數(shù)據(jù)就能分析故障地點(diǎn)與故障原因，大大提高效率，節(jié)省時(shí)間。

為了達(dá)到上述目的，本發(fā)明主要是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的。一種基于OpenCV的管廊視頻目標(biāo)檢測(cè)方法，主要包括以下步驟：

首先，利用攝像頭采集管廊視頻數(shù)據(jù)；

其次，利用OpenCV函數(shù)得到圖像序列的幀，對(duì)獲取的每一幀圖像進(jìn)行平滑濾波處理，進(jìn)而減少噪聲；

第三，將圖像顏色轉(zhuǎn)為HSV顏色空間；

第四，創(chuàng)建滑動(dòng)條，以得到想要的顏色參數(shù)的閾值，從而得到圖像的二值圖像；

第五，對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理，以去除目標(biāo)外的孤立點(diǎn)和二值圖像中的噪聲，從而得到最大連通的目標(biāo)體；

第六，繪制窗口將目標(biāo)物體框出并進(jìn)行數(shù)據(jù)疊加。

優(yōu)選地，所述第二步中是利用高斯濾波和中值濾波對(duì)獲取的每一幀圖像進(jìn)行平滑濾波處理的。

高斯濾波器是一個(gè)低通濾波器適合進(jìn)行平滑濾波且比均值濾波的平滑效果更出色，而且邊緣的保留效果也更好。由于圖像在空間內(nèi)的像素是緩慢變化的，鄰近點(diǎn)的像素變化不會(huì)特別明顯，但是隨機(jī)的兩個(gè)點(diǎn)的像素值就可能有很大的差距(也就是說(shuō)空間上噪聲點(diǎn)不相關(guān))，正是由于這個(gè)原因，高斯濾波在保留信號(hào)的情況下同時(shí)減少了噪聲。

中值濾波圖像處理先將中心像素的正方形領(lǐng)域內(nèi)像素求中值后再替換中間像素。均值濾波對(duì)大噪聲圖像(特別是有大的孤立點(diǎn)的圖像)非常敏感，即使是少量存在的較大差異也會(huì)導(dǎo)致平均值的大幅波動(dòng)，因此選擇中值濾波可以避免這些大噪聲的影響。

優(yōu)選地，所述第三步中的顏色空間轉(zhuǎn)換是由RGB顏色空間轉(zhuǎn)換為HSV顏色空間。RGB顏色空間是最常用的顏色空間，它由R(紅)、G(綠)、B(藍(lán))三個(gè)通道顏色疊加而成，任何一種顏色都可以由三原色疊加得到，顏色F可以用表達(dá)式表示為F＝R[F]+G[F]+B[F]，其中R、G、B分別表示該顏色在三個(gè)通道的分量。HSV顏色空間的三個(gè)通道分別為H(色調(diào))、S(飽和度)、V(亮度)。HSV相對(duì)于RGB來(lái)說(shuō)更符合人類對(duì)于顏色的感覺(jué)，而且對(duì)于計(jì)算機(jī)來(lái)說(shuō)也更加容易提取各通道的數(shù)值以便進(jìn)行圖像處理。