[發明專利]一種基于圖像識別技術的多目標計數方法

有效

• 申請號: 201811567432.5
• 申請日: 2018-12-20
• 公開（公告）號: CN109636824B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 高杰
• 申請（專利權）人: 巢湖學院
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136;G06V10/762
• 代理公司: 合肥中谷知識產權代理事務所(普通合伙) 34146
• 代理人: 洪玲

1.一種基于圖像識別技術的多目標計數方法，其特征在于，包括以下步驟：

圖像預處理：采集原始圖像，對原始圖像進行灰度處理，獲取灰度圖像；采用直方圖統計，自動調節灰度閾值，對灰度圖像進行二值化，獲得二值化圖像；

目標物體無粘連和有粘連區域的區分：對二值化圖像進行形態學操作，采用邊緣檢測算法，識別出連續的圖像邊緣；根據目標物體的面積參數，設定面積閾值，根據面積閾值對圖像進行劃分，小于面積閾值即認為是獨立的目標物體，大于面積閾值即認為是可能的有粘連的目標物體，從而實現無粘連和有粘連區域的區分；

對無粘連區域獨立目標物體進行統計；

對粘連區域粘連目標物體的處理：在對于無粘連區域進行標記和統計后，在原二值化圖像中進行填充，得到只含有粘連區域目標物體和填充縫隙的二值化圖像；再用邊緣檢測算法，識別圖像的邊緣，并計算連通區域的面積，得到粘連目標物體的面積序列；采用k均值聚類算法，對面積序列進行分類，通過判斷聚類中心是否滿足等差數列來進行最優化選擇，實現有粘連區域的目標物體個數自動統計和計數。

2.根據權利要求1所述的一種基于圖像識別技術的多目標計數方法，其特征在于：原始圖像的獲取采用彩色相機或者單色相機對目標圖像進采集。

3.根據權利要求1所述的一種基于圖像識別技術的多目標計數方法，其特征在于：所述形態學操作包括一次或多次的腐蝕和/或膨脹操作。

4.根據權利要求3所述的一種基于圖像識別技術的多目標計數方法，其特征在于：形態學操作的腐蝕操作中，根據實際目標物體大小選擇合適的算子。

5.根據權利要求1所述的一種基于圖像識別技術的多目標計數方法，其特征在于，所述邊緣檢測算法為利用canny算子、sobel算子或Laplacian算子進行邊緣檢測。

6.根據權利要求5所述的一種基于圖像識別技術的多目標計數方法，其特征在于，所述邊緣檢測為改進的Canny算子邊緣檢測方法，步驟包括：

步驟1-1、用均值濾波對處理的二值化圖像進行濾波；

步驟1-2、用sobel算子模板的一階微分提取邊緣，計算出梯度和梯度幅值；

步驟1-3、根據計算的梯度和梯度幅值進行非極大值抑制；

步驟1-4、自適應選取最高和最低閾值，對圖像進行閾值化；

步驟1-5、根據高低閾值處理后，進行邊緣連接，得到圖像中所有閉區域的邊界以及最小外接矩形的四個角點。

7.根據權利要求1所述的一種基于圖像識別技術的多目標計數方法，其特征在于，采用改進的k均值聚類算法，對面積序列進行分類，通過判斷聚類中心是否滿足等差數列來進行最優化選擇，實現有粘連區域的目標物體個數自動統計和計數，包括以下步驟：

步驟2-1、選擇初始聚類中心點，包括：

②輸入面積序列集合{x_i}，在{x_i}中找出最大值x_max和最小值x_min；

②為了減小k值的搜索范圍，確定可能的最大聚類數目式中，A_it為最小面積閾值，ceil代表向上取整；

③確定k_max個初始聚類中心的備選集合(k_max≥2)；

由此給出的初始聚類中心是等間隔的，不同面積序列的聚類之間滿足等差數列的關系；

步驟2-2、從這k_max個備選聚類中心中選擇k個值(從k＝2開始)，作為理論聚類中心，遍歷所有可能的取法，共有種；針對每種選取方法，運行標準的K-MEANS算法，并計算Eval(k)的值；

其中，k為聚類個數，C_i為實際聚類中心，I_i為理論聚類中心，d_i＝|C_i-I_i|為實際聚類中心與理論聚類中心之間的距離，是聚類個數為k時d_i的平均值；

步驟2-3、聚類劃分個數k增加1，重復2-2～2-3步驟，直到達到k_max為止；

步驟2-4、比較k_max個Eval(k)的值，取Eval(k)最小值時，對應的k即是最合理的聚類劃分個數；

步驟2-5、根據聚類劃分個數統計獲得各粘連目標的聚類個數后，進而計算出粘連目標的物體數目。