[發明專利]面向多領域的高適應性識別計數方法

有效

• 申請號: 202010424473.X
• 申請日: 2020-05-19
• 公開（公告）號: CN111583255B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 郭凌宇;楊小冬;鄧詩語;鄭樹奎
• 申請（專利權）人: 東莞市瑞圖新智科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/25;G06V10/75
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李寧

1.一種面向多領域的高適應性識別計數方法，適于對目標進行計數，其特征在于，包括如下步驟：

輸入待測圖像；

對所述待測圖像的待測區域進行基于灰度信息及形狀信息分析，得到目標區域ROI；

提取所述目標區域ROI的陣列特征；

提取所述目標區域ROI的形狀特征；

若所述目標呈規則陣列分布，則依據規則陣列對所述目標進行計數；

若所述目標呈非規則陣列分布，則依據所述形狀特征判斷所述目標是否呈規則形狀設置，依據判斷結果對所述目標進行計數；

其中，所述提取所述目標區域ROI的陣列特征，進一步包括如下步驟：

對所述目標區域ROI進行Blob分析，提取所述目標區域ROI的邊界；

將所述邊界進行直線擬合，得到若干線段，并篩選前40%長度的長線段；

計算所有長線段的角度，得出概率分布曲線；

若所述概率分布曲線為正態分布，則所述目標區域ROI為陣列特征，若所述概率分布曲線為均勻分布，則所述目標區域ROI為非陣列特征。

2.如權利要求1所述的面向多領域的高適應性識別計數方法，其特征在于，所述依據所述形狀特征判斷所述目標是否呈規則形狀設置，依據判斷結果對所述目標進行計數，具體包括如下步驟：

若所述目標呈規則形狀設置，則依據所述形狀特征對所述目標進行計數；

若所述目標呈非規則形狀設置，則對所述目標區域ROI進行差分法處理，得到初步目標區域；

判斷所述初步目標區域是否存在粘連，依據判斷結果對所述目標進行計數。

3.如權利要求2所述的面向多領域的高適應性識別計數方法，其特征在于，所述判斷所述初步目標區域是否存在粘連，依據判斷結果對所述目標進行計數，具體包括如下步驟：

若所述初步目標區域存在粘連，則消除所述初步目標區域的粘連，以得到不存在粘連的所述目標，并對所述目標進行計數；

若所述初步目標區域不存在粘連，則直接對所述目標進行計數。

4.如權利要求1所述的面向多領域的高適應性識別計數方法，其特征在于，所述若所述概率分布曲線為正態分布，則所述目標區域ROI為陣列特征，若所述概率分布曲線為均勻分布，則所述目標區域ROI為非陣列特征，進一步包括如下步驟：

若所述概率分布曲線為正態分布且具有多個波峰，則分別提取角度在-π/4～π/4的長線段和π/4～3π/4的長線段；

構建仿射變換矩陣，將所述目標區域ROI進行仿射變換，使其中的長線段水平；

變換后的所述目標區域ROI進行水平灰度投影，得到投影數組；

構建投影數組函數，并平滑所述投影數組函數；

求出所述投影數組函數的一階和二階導數；

求出所述投影數組函數的一階導數的零點所對應的坐標值，標記為灰度均質區域所在的坐標；

求出所述投影數組函數的一階導數值為零時對應的二階導數的值，并與預設閾值比較，得出所述灰度均質區域的中點坐標；

將得到的中點坐標數組進行錯位相減，得到均質區域間距值；

求平均后得到均質區域間距均值，并與均質區域間距值比較，剔除離群坐標，得到目標區域坐標；

若所述概率分布曲線為正態分布且具有一個波峰，則目標區域坐標數為所述目標的計數值；

若所述概率分布曲線為正態分布且具有多個波峰，構造目標區域坐標線段，并將線段逆仿射變換，則線段圍成的區域數量為所述目標的計數值。

5.如權利要求1所述的面向多領域的高適應性識別計數方法，其特征在于，所述提取所述目標區域ROI的形狀特征，進一步包括如下步驟：

建立多形狀特征模板庫；

對所述目標區域ROI進行多類型模板匹配，以確定最佳匹配方式；

計算多類型模板匹配，得到多結果數量；

若所述多結果數量均低于預設閾值，則判斷所述目標區域ROI為不規則形狀特征；

若多結果數量中至少一個的數量高于預設閾值，則判斷所述目標區域ROI為標準形狀特征，并通過對比數量得出最佳匹配方式；

依據所述最佳匹配方式得到匹配結果數量，所述匹配結果數量記為所述目標的計數值。