[發明專利]一種基于機器視覺的河流漂浮物實時檢測方法

有效

• 申請號: 201910255206.1
• 申請日: 2019-04-01
• 公開（公告）號: CN110084129B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 王劍平;李善超;楊曉洪;張果;車國霖;歐陽鑫
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/26;G06V10/764
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于機器視覺的河流漂浮物實時檢測方法，其特征在于：輸入現場視頻流，利用視頻流前三幀圖像建立背景模型，并采用三幀法檢測Ghost區域，建立Ghost更新模板；采用固定閾值與動態閾值相結合的方法來設定像素分類閾值，進行像素分類操作；同時，根據像素分類結果，建立前景二值化圖像mask和匹配值更新模板；進行噪聲消除和填充空洞操作；最后標記漂浮物，輸出mask圖像及標記幀，并根據mask圖像修正匹配值更新模板，結合匹配值更新模板和Ghost區域更新模板進行背景模型更新；

包括以下步驟：

步驟1、首先設定監控攝像機視野范圍，監控攝像機開始工作，實時采集天然河道的現場視頻；對視頻流進行切幀與灰度化處理，并設定方法相關參數；

步驟2、讀入視頻流前三幀圖像，利用前三幀圖像進行背景建模，同時采用三幀法檢測前三幀中的Ghost區域，建立Ghost更新模板；

步驟3、采用固定閾值與動態閾值相結合的方法來設定像素分類閾值，進行像素分類操作；像素分類錯做包括：將當前幀像素與背景模型中的樣本進行比較，以分類閾值為標準判定像素屬于背景還是前景，并得出像素在分類閾值內的匹配值；

步驟4、根據像素分類結果，建立前景二值化圖像mask和匹配值更新模板；

步驟5、檢測mask圖像中的噪聲與空洞，消除面積小于10的噪聲，填充面積小于50的空洞；

步驟6、檢測mask圖像中各連通區域，并用方框標記輸入幀上對應的連通區域，輸出mask圖像和標記后的輸入幀；同時，根據mask圖像修正匹配值更新模板，結合匹配值更新模板和Ghost更新模板進行更新背景模型；

針對步驟5丟棄處理的位置，設定匹配值更新模板對應位置的值為k，各像素匹配值為n；針對步驟5填充空洞的位置，則匹配值更新模板對應位置的值為0，如公式(1)所示：

根據更新模板update(x)中值的大小設定更新因子，并進行背景模型的更新；這樣增加背景模型的復雜度，加速舊樣本值地淘汰，引入更多不同的新背景像素，如公式(2)所示：

其中，更新因子φ越大，其更新概率越小，更新概率P(x)與更新因子φ的關系是：P(x)＝1/φ；更新模板update(x)值為0時，不進行背景模型更新；update(x)值小于9時，必進行背景模型更新；update(x)值小于15時，以50％的概率更新背景模型；其他情況，以25％的概率更新背景模型；

通過計算像素的背景模型的標準偏差來確定像素的動態閾值，如公式(3)和(4)所示：

得到像素x的動態閾值后，需要將固定閾值與動態閾值結合起來設定像素分類閾值；像素分類閾值是在動態閾值σ(x)的基礎上加上固定閾值R，從而得出自適應距離閾值R(x)；為確保檢測的精度，需要對每個像素點背景樣本值距離閾值R(x)范圍進行限定，選取多個河流漂浮物檢測視頻流實驗后發現，R(x)范圍在[40,80]區間內具有理想的效果，如公式(5)所示：

R(x)＝R+σ(x)·γ R(x)∈[40,80] (5)

其中，R取40，γ取3。

2.根據權利要求1所述的基于機器視覺的河流漂浮物實時檢測方法，其特征在于：所述步驟2中，讀入視頻流前三幀圖像，將每幀圖像的像素x及其8鄰域N_G(x)如公式(7)的像素值作為初始背景模型M⁰(x)的背景樣本，則初始背景模型M⁰(x)將由N＝27個背景樣本組成；三幀初始化背景模型具體公式如下：

x_i＝{y|y∈{x,N_G(x)}} (6)

其中，x_i表示索引為i的像素，M¹(x)，M²(x)，M³(x)分別為視頻流第一、二、三幀像素x及其8鄰域N_G(x)的像素值集合；M⁰(x)為像素x的初始背景模型的樣本集，其是由三幀的像素值集M¹(x)，M²(x)，M³(x)組成。