CN103530653A - 一种浮选泡沫追踪方法及装置 - Google Patents
一种浮选泡沫追踪方法及装置 Download PDFInfo
- Publication number
- CN103530653A CN103530653A CN201310517076.7A CN201310517076A CN103530653A CN 103530653 A CN103530653 A CN 103530653A CN 201310517076 A CN201310517076 A CN 201310517076A CN 103530653 A CN103530653 A CN 103530653A
- Authority
- CN
- China
- Prior art keywords
- foam
- minimum circumscribed
- circumscribed circle
- froth
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005188 flotation Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims abstract description 114
- 238000006073 displacement reaction Methods 0.000 claims abstract description 51
- 239000006260 foam Substances 0.000 claims description 378
- 230000008878 coupling Effects 0.000 claims description 24
- 238000010168 coupling process Methods 0.000 claims description 24
- 238000005859 coupling reaction Methods 0.000 claims description 24
- 230000008929 regeneration Effects 0.000 claims description 12
- 238000011069 regeneration method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000003723 Smelting Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000005192 partition Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000009514 concussion Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000013011 mating Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种浮选泡沫追踪方法及装置。浮选泡沫追踪方法包括:确定当前帧以及上一帧泡沫图像中泡沫的特征信息,特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;对当前帧泡沫图像中泡沫编号并以编号为索引值建立索引图像;根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,其中,根据泡沫在上一帧泡沫图像中最小外接圆圆心与匹配泡沫最小外接圆圆心之间的位移量更新泡沫运动预测值。采用泡沫目标特征提取、位移预测及匹配,有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
Description
技术领域
本发明涉及图像处理以及选矿领域,尤其涉及一种浮选泡沫追踪方法及装置。
背景技术
随着选矿技术的发展,通过对浮选泡沫图像的处理来选矿占有越来越重要的地位。黄金浮选自动控制过程中,浮选泡沫的运动模式是浮选药剂添加量的一个重要依据,由于现场工艺的要求及浮选药液的腐蚀性,不能使用接触式检测手段,所以图像处理的手段是最好的选择。但是泡沫图像的测速是一件较困难的事情,泡沫图像中泡沫分布密集,运动速度快,而且往往存在局部震荡、泡沫破灭、回流等现象,泡沫面积、颜色、形态等属性相似程度高,这些因素造成泡沫图像运动测速的困难。
发明人所知道的现有技术中的运动检测方法一种是基于帧间特征匹配的方法,如光流算子、角点等,另一种是基于跟踪的方法,如mean shift、cam-shift、condensation算法等。但是,泡沫图像的密集性和相似性导致基于帧间特征匹配方法出现大量的误匹配,而跟踪方法算法复杂,难以适应泡沫高速运动和泡沫破裂的现象。
发明内容
本发明实施例的目的是提供一种浮选泡沫追踪方法及装置,提高泡沫追踪的效果。
本发明实施例的目的是通过以下技术方案实现的:
一种浮选泡沫追踪方法,包括:
确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;
对所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像;
根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
一种浮选泡沫追踪装置,包括确定单元、建立单元以及匹配单元:
所述确定单元,用于确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;
所述建立单元,用于对所述确定单元得到的所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像,
所述匹配单元,用于根据所述确定单元得到的泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在所述建立单元得到的索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
由上述本发明实施例提供的技术方案可以看出,采用泡沫特征信息提取、位移预测及匹配,有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的浮选泡沫追踪方法的示意图。
图2为本发明实施例提供的浮选泡沫追踪方法中索引图像示意图。
图3为本发明实施例提供的浮选泡沫追踪方法中预测匹配示意图。
图4为本发明实施例提供的浮选泡沫追踪方法中泡沫图像分区示意图。
图5为本发明实施例提供的浮选泡沫追踪装置的构成示意图一。
图6为本发明实施例提供的浮选泡沫追踪装置的构成示意图二。
图7为本发明实施例提供的浮选泡沫追踪方法流程框图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明实施例浮选泡沫追踪方法,由于浮选现场的工艺现状及浮选药液的腐蚀性,不能采用接触式检测手段,因而可以通过摄像头现场采集视频信息,视频信息发送到服务器处进行处理。
具体的,安装高速相机,其摄像头位于浮选池上方,并配置光源,浮选泡沫在光照条件下,凸起的泡沫顶端发亮。其中,对高速相机、配置光源没有严格的品牌和型号限制。
如图1所示,本发明实施例提供一种浮选泡沫追踪方法,包括:
步骤11、确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径。
步骤12、对所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像。
步骤13、根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
本发明实施例浮选泡沫追踪方法,由于浮选泡沫具有移动快、局部震荡、泡沫破灭、回流等现象,本发明实施例浮选泡沫追踪方法,采用泡沫特征信息提取、位移预测及匹配,有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
具体而言,确定泡沫图像中泡沫的特征信息,可以包括:
扫描泡沫图像得到各像素点的灰度值;
将各像素点的灰度值与灰度阈值相比较获得泡沫高亮区域;
确定泡沫高亮区域的面积、最小外接圆圆心位置以及最小外接圆半径;
将泡沫高亮区域的面积与面积阈值相比较排除小于面积阈值的泡沫高亮区域,以及将泡沫高亮区域的面积与最小外接圆面积之比与比值阈值相比较排除小于比值阈值的泡沫高亮区域,将未被排除的泡沫高亮区域作为目标泡沫并获得所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径。
如,灰度阈值可以为128。还需要保存所有的目标泡沫,如保存在如图2所示意的泡沫列表中。
示例性的,泡沫在光源的照射下,泡沫顶端和部分泡沫边缘反射的光线被摄像头采集,扫描泡沫图像得灰度图像。
采用阈值分割法得到二值图像,灰度阈值为128,灰度图像中大于128的像素是高亮目标,小于128的像素为背景,从而分割出泡沫顶端和部分泡沫边缘,得到泡沫高亮区域。
对二值图像使用链码技术识别每一个泡沫高亮区域,计算高亮区域面积S(面积值以像素为单位)以及其最小外接圆的面积S外(面积值以像素为单位)、最小外接圆的半径和圆心。泡沫顶一般呈现圆形,而泡沫边缘一般为条形状,对识别出来的泡沫高亮区域可用圆形充满度去除泡沫边缘,此处的圆形充满度E的计算方法为面积S和最小外接圆面积S外(其由最小外接圆的半径计算得到)之比,如下:
比值阈值可以为0.5,圆形充满度E大于等于0.5,为目标泡沫,圆形充满度E小于0.5的泡沫高亮区域为无用的边缘,需要排除掉无用的边缘。
面积阈值可以为20(像素),对于面积S小于20的泡沫高亮区域判定为泡沫边缘或噪声,直接排除,保留面积S大于等于20的泡沫高亮区域。
可见,摄像头采集到泡沫图像后,首先对泡沫图像进行灰度化,然后用阈值对泡沫图像进行二值化分割,再查找二值图像中所有的目标轮廓,计算每个目标的面积和最小外接圆及其圆心,圆形充满度大的轮廓才是泡沫的顶端,最后去掉小面积和圆形充满度低的目标,以便于更精准的对泡沫进行追踪。
具体而言,建立索引图像,可以包括:
对所述目标泡沫编号;
以所述编号为索引值逐像素填充所述目标泡沫建立索引图像,所述编号与所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径之间对应。
示例性的,如图2所示,目标泡沫从0开始编号,在索引图像上对应的泡沫位置上绘制索引值,该索引值与图2所示泡沫列表中的序号相对应,泡沫列表还包括面积(高亮区域面积)、最小外接圆半径和圆心。索引图像可以为32位整形数据图像,至1代表该位置无效,从0开始的数字为索引值,索引值可以对应得到泡沫列表中序号,从而得到面积、最小外接圆半径和圆心。
具体而言,根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,可以包括:
将泡沫在上一帧泡沫图像中最小外接圆圆心位置加上泡沫运动预测值,得到预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置;
在索引图像上,以预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置为中心发射多条射线,当遇到索引值则获得对应的目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径;
将所述泡沫在上一帧泡沫图像中的面积与获得的目标泡沫的面积比较,当目标泡沫的面积与所述泡沫在上一帧泡沫图像中的面积的比值属于第一比值区间时,确定目标泡沫为匹配泡沫;
获得所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量。
如,第一比值区间为85%至115%。
示例性的,如图3所示,根据泡沫在上一帧泡沫图像中所在位置从全局位移分区表中取出泡沫运动预测值,作为本次的泡沫运动预测值,全局位移分区表以及泡沫运动预测值具体在下文说明。泡沫运动预测值和泡沫在上一帧泡沫图像中最小外接圆圆心位置相加,得到泡沫的预测位置,称为种子点,该位置的泡沫称为种子泡。
种子点在索引图像中向四周发射(通常可以对称发射)多条(如8条)射线,射线最大长度可以为50(像素)的射线,遇到有索引值的区域停下,按照索引值从泡沫列表中直接读取泡沫特征信息。
根据得到的泡沫特征信息,如果面积大小是种子泡的85%至115%,则成功找到匹配泡沫,并计算种子泡与匹配泡沫圆心之间的位移量。
下面说明全局位移分区表、泡沫运动预测值。
本发明实施例浮选泡沫追踪方法还包括,按照速度的连续性和整体性对所述泡沫运动预测值进行修正:
将泡沫图像划分为多个分区,其中,以泡沫的最小外接圆圆心所属的分区确定泡沫所属的分区;
将分区内所有泡沫在上一帧泡沫图像中的最小外接圆圆心与匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量的平均值作为该分区的泡沫运动预测值,将各分区的泡沫运动预测值的平均值作为全局的泡沫运动预测值,记录并更新分区的泡沫运动预测值以及全局的泡沫运动预测值;
其中,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第二比值区间时,依据全局的泡沫运动预测值更新分区的泡沫运动预测值,或者,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第三比值区间时,不更新分区的泡沫运动预测值。
如,第二比值区间为50%至150%,第三比值区间为50%至150%。
可见,将泡沫图像划分为多个分区,则步骤13也可以按照分区,存储每一帧每个分区内所有泡沫运动预测值的均值,作为下一帧计算时的泡沫运动预测值。
具体而言,将图像分成多个分区,如4×6个分区。示例性的,如图4所示,泡沫图像划分为6个分区,左上角第一个分区的4个泡沫根据其最小外接圆圆心所属的分区,而确定属于同一个分区。其他分区类似,不再赘述。
建立全局位移分区表,存储每一帧每个分区内所有泡沫运动预测值的均值,作为下一帧计算时的泡沫运动预测值。例如,初始化每个分区泡沫运动预测值;根据上一步骤计算出的泡沫运动预测值按所在位置统计到对应的分区中;计算每个分区泡沫运动预测值的平均值;计算所有分区在内的全局泡沫运动预测值。
根据速度的整体性,每个分区的泡沫运动预测值相对全局的泡沫运动预测值在数值上不能浮动过大,如二者比值要符合50%至150%,否则用全局泡沫运动预测值代替。根据速度的连续性,此次分区的泡沫运动预测值相对上次的泡沫运动预测值在数值上不能浮动过大,如二者比值要符合50%至150%,否则用上次的泡沫运动预测值代替。
可见,对浮选视频进行全局目标匹配并计算运动模式,运算结果分区域统计,便于更精准的按照区域对目标进行预测,按照整体性对分区速度进行修正,绘制索引图像加快目标搜索速度,此发明有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
如图5所示,本发明实施例提供一种浮选泡沫追踪装置,包括确定单元51、建立单元52以及匹配单元53:
确定单元51,用于确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;
建立单元52,用于对确定单元51得到的所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像,
匹配单元53,用于根据确定单元51得到的泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在建立单元52得到的索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
本发明实施例浮选泡沫追踪装置可以设置在服务器侧,单独设置或者与服务器设置于一体,由于浮选现场的工艺现状及浮选药液的腐蚀性,不能采用接触式检测手段,通过摄像头现场采集视频信息发送到本发明实施例浮选泡沫追踪装置进行处理。
具体的,安装高速相机,其摄像头位于浮选池上方,并配置光源,浮选泡沫在光照条件下,凸起的泡沫顶端发亮。其中,对高速相机、配置光源没有严格的品牌和型号限制。
浮选泡沫具有移动快、局部震荡、泡沫破灭、回流等现象,本发明实施例浮选泡沫追踪方法,采用泡沫特征信息提取、位移预测及匹配,有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
确定单元51,具体可以用于:
扫描泡沫图像得到各像素点的灰度值;
将各像素点的灰度值与灰度阈值相比较获得泡沫高亮区域;
确定泡沫高亮区域的面积、最小外接圆圆心位置以及最小外接圆半径;
将泡沫高亮区域的面积与面积阈值相比较排除小于面积阈值的泡沫高亮区域,以及将泡沫高亮区域的面积与最小外接圆面积之比与比值阈值相比较排除小于比值阈值的泡沫高亮区域,将未被排除的泡沫高亮区域作为目标泡沫并获得所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径。
如,灰度阈值可以为128。还需要保存所有的目标泡沫,如保存在泡沫列表中。
示例性的,泡沫在光源的照射下,泡沫顶端和部分泡沫边缘反射的光线被摄像头采集,扫描泡沫图像得灰度图像。
采用阈值分割法得到二值图像,灰度阈值为128,灰度图像中大于128的像素是高亮目标,小于128的像素为背景,从而分割出泡沫顶端和部分泡沫边缘,得到泡沫高亮区域。
对二值图像使用链码技术识别每一个泡沫高亮区域,计算高亮区域面积S(面积值以像素为单位)以及其最小外接圆的面积S外(面积值以像素为单位)、最小外接圆半径和圆心。泡沫顶一般呈现圆形,而泡沫边缘一般为条形状,对识别出来的泡沫高亮区域可用圆形充满度去除泡沫边缘,此处的圆形充满度E的计算方法为面积S和最小外接圆面积S外(其由最小外接圆的半径计算得到)之比,如下:
比值阈值可以为0.5,圆形充满度E大于等于0.5,为目标泡沫,圆形充满度E小于0.5的泡沫高亮区域为无用的边缘,需要排除掉无用的边缘。
面积阈值可以为20(像素),对于面积S小于20的泡沫高亮区域判定为泡沫边缘或噪声,直接排除,保留于面积S大于等于20的泡沫高亮区域。
可见,摄像头采集到泡沫图像后,首先对泡沫图像进行灰度化,然后用阈值对泡沫图像进行二值化分割,再查找二值图像中所有的目标轮廓,计算每个目标的面积和最小外接圆及其圆心,圆形充满度大的轮廓才是泡沫的顶端,最后去掉小面积和圆形充满度低的目标,以便于更精准的对泡沫进行追踪。
建立单元52,具体用于:
对所述目标泡沫编号;
以所述编号为索引值逐像素填充所述目标泡沫建立索引图像,所述编号与所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径之间对应。
示例性的,如图2所示,目标泡沫从0开始编号,在索引图像上对应的泡沫位置上绘制索引值,该索引值和泡沫列表中的序号相对应,泡沫列表还包括面积(高亮区域面积)、最小外接圆半径和圆心。索引图像可以为32位整形数据图像,至1代表该位置无效,从0开始的数字为索引值,索引值可以对应得到泡沫列表中序号,从而得到面积、最小外接圆半径和圆心。
匹配单元53,具体用于:
将泡沫在上一帧泡沫图像中最小外接圆圆心位置加上泡沫运动预测值,得到预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置;
在索引图像上,以预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置为中心发射多条射线,当遇到索引值则获得对应的目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径;
将所述泡沫在上一帧泡沫图像中的面积与获得的目标泡沫的面积比较,当目标泡沫的面积与所述泡沫在上一帧泡沫图像中的面积的比值属于第一比值区间时,确定目标泡沫为匹配泡沫;
获得所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量。
如第一比值区间为85%至115%。
示例性的,如图3所示,根据泡沫在上一帧泡沫图像中所在位置从全局位移分区表中取出泡沫运动预测值,作为本次的泡沫运动预测值,全局位移分区表以及泡沫运动预测值具体在下文说明。泡沫运动预测值和泡沫在上一帧泡沫图像中最小外接圆圆心位置相加,得到泡沫的预测位置,称为种子点,该位置的泡沫称为种子泡。
种子点在索引图像中向四周发射(通常可以对称发射)多条(如8条)射线,射线最大长度可以为50(像素)的射线,遇到有索引值的区域停下,按照索引值从泡沫列表中直接读取泡沫特征信息。
根据得到的泡沫特征信息,如果面积大小是种子泡的85%至115%,则成功找到匹配泡沫,并计算种子泡与匹配泡沫圆心之间的位移量。
下面说明全局位移分区表、泡沫运动预测值,如图6所示,浮选泡沫追踪装置还包括修正单元61,用于对所述匹配单元53得到的泡沫运动预测值按照速度的连续性和整体性进行修正:
将泡沫图像划分为多个分区,其中,以泡沫的最小外接圆圆心所属的分区确定泡沫所属的分区;
将分区内所有泡沫在上一帧泡沫图像中的最小外接圆圆心与匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量的平均值作为该分区的泡沫运动预测值,将各分区的泡沫运动预测值的平均值作为全局的泡沫运动预测值,记录并更新分区的泡沫运动预测值以及全局的泡沫运动预测值;
其中,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第二比值区间时,依据全局的泡沫运动预测值更新分区的泡沫运动预测值,或者,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第三比值区间时,不更新分区的泡沫运动预测值。
如,第二比值区间为50%至150%,第三比值区间为50%至150%。
具体而言,将图像分成多个分区,如4×6个分区。示例性的,如图4所示,泡沫图像划分为6个分区,左上角第一个分区的4个泡沫根据其最小外接圆圆心所属的分区,而确定属于同一个分区。其他分区类似,不再赘述。
建立全局位移分区表,存储每一帧每个分区内所有泡沫运动预测值的均值,作为下一帧计算时的泡沫运动预测值。例如,初始化每个分区泡沫运动预测值;根据上一步骤计算出的泡沫运动预测值按所在位置统计到对应的分区中;计算每个分区泡沫运动预测值的平均值;计算所有分区在内的全局泡沫运动预测值。
根据速度的整体性,每个分区的泡沫运动预测值相对全局的泡沫运动预测值在数值上不能浮动过大,如二者比值要符合50%至150%,否则用全局泡沫运动预测值代替。根据速度的连续性,此次分区的泡沫运动预测值相对上次的泡沫运动预测值在数值上不能浮动过大,如二者比值要符合50%至150%,否则用上次的泡沫运动预测值代替。
可见,对浮选视频进行全局目标匹配并计算运动模式,运算结果分区域统计,便于更精准的按照区域对目标进行预测,按照整体性对分区速度进行修正,绘制索引图像加快目标搜索速度,此发明有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
本发明实施例浮选泡沫追踪装置,还包括存储单元,用于存储每一帧的泡沫列表,以及每一帧的全局位移分区表。全局位移分区表包括每个分区泡沫运动预测值以及全局泡沫运动预测值。
下面,如图7所示,说明本发明实施例提供的浮选泡沫追踪方法流程框图:
步骤71、开始。
步骤72、输入一帧图像。
摄像头采集的视频图像,逐帧输入。
步骤73、提取泡沫特征信息。
提取泡沫特征信息包括泡沫顶端的位置、大小、最小外接圆和圆心,保存所有的泡沫信息在泡沫列表中。
具体的,首先对泡沫图像进行灰度化;
其次用阈值对泡沫图像进行二值化分割,泡沫顶端和部分泡沫边缘被提取出来;
然后查找二值图像中所有的轮廓,计算每个轮廓的面积和最小外接圆及其圆心,面积和外接圆的比例用来描述轮廓的圆形充满度,圆形充满度大的轮廓才是泡沫的顶端,面积小和圆形充满度低的将被去掉。
步骤74、生成当前帧的索引图像。
生成索引图像,在索引图像中绘出各个泡沫。
步骤75、保存当前帧的泡沫信息。
对当前帧的全部泡沫信息进行编号并保存,信息包括泡沫顶端的位置、大小、最小外接圆和圆心,供下一帧的处理时使用。
步骤74和步骤75没有严格的顺序要求。
步骤76、提取上一帧种子信息。
从上一帧保存的泡沫列表中取出一条信息,包括泡沫顶端的位置、大小、最小外接圆和圆心,为上一帧种子信息。
步骤75和步骤76在时间上是前后的关系,步骤75保存的泡沫信息在当前帧处理时保存起来,在下一帧处理时步骤76中被提取,步骤76提取的种子信息是从上一帧处理时步骤75中保存的泡沫信息中获取而来。
步骤77、得到上一帧分区位移量。
从保存的分区位移量中得到上一帧分区位移量。
步骤78、上一帧预测后在索引图像上搜索匹配的泡沫。
上一帧分区位移量和上一帧泡沫最小外接圆圆心相加,得到泡沫在当前时刻的预测位置,以该位置在索引图像中向四周发射8条射线,遇到有索引值的区域停下,按照索引值从泡沫列表中直接读取泡沫信息,判断泡沫和找到的泡沫的面积大小值是否接近;
如果接近,则找到匹配的泡沫,计算两个泡沫的圆心的位移量,否则继续生长射线寻找。
步骤79、得到位移量。
找到匹配的泡沫,计算泡沫和找到的泡沫的最小外接圆圆心的位移量。
步骤710、得到分区位移量。
将匹配结果进行分区,统计每个分区中匹配泡沫的平均位移量,保存起来作为下一帧的分区位移量。
每个分区的位移量相对全局的位移量数值上不能浮动过大,否则用全局位移量代替。
此次分区的位移量相对上次的位移量数值上不能浮动过大,否则用上次的位移量代替。
步骤711、得到全局位移量。
根据所有分区中匹配泡沫的平均位移量得到全局位移量。
步骤712、停止运算。
如果停止运算,进入713,否则返回到72,继续运算。
步骤713、结束。
本发明实施例提供的浮选泡沫追踪方法实现时接受并处理海量数据。
本发明实施例针对地采用泡沫目标特征提取、位移预测及匹配、分区处理、修正等快速跟踪策略。对浮选视频进行全局目标匹配并计算运动模式,运算结果分区域统计,便于更精准的按照区域对目标进行预测,按照整体性对分区速度进行修正,绘制索引图像加快目标搜索速度,此发明有效提高实时追踪速度、降低目标追踪的错误率,对冶炼生产过程具有指导意义。
本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台安装有图像采集设备的计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。前述的图像采集设备包括:数据传输介质(USB或千兆双绞线)、相机、设备驱动。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种浮选泡沫追踪方法,其特征在于,包括:
确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;
对所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像;
根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
2.根据权利要求1所述的浮选泡沫追踪方法,其特征在于,确定泡沫图像中泡沫的特征信息,包括:
扫描泡沫图像得到各像素点的灰度值;
将各像素点的灰度值与灰度阈值相比较获得泡沫高亮区域;
确定泡沫高亮区域的面积、最小外接圆圆心位置以及最小外接圆半径;
将泡沫高亮区域的面积与面积阈值相比较排除小于面积阈值的泡沫高亮区域,以及将泡沫高亮区域的面积与最小外接圆面积之比与比值阈值相比较排除小于比值阈值的泡沫高亮区域,将未被排除的泡沫高亮区域作为目标泡沫并获得所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径。
3.根据权利要求2所述的浮选泡沫追踪方法,其特征在于,建立索引图像,包括:
对所述目标泡沫编号;
以所述编号为索引值逐像素填充所述目标泡沫建立索引图像,所述编号与所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径之间对应。
4.根据权利要求3所述的浮选泡沫追踪方法,其特征在于,根据泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在索引图像上查找预定范围内的匹配泡沫,包括:
将泡沫在上一帧泡沫图像中最小外接圆圆心位置加上泡沫运动预测值,得到预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置;
在索引图像上,以预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置为中心发射多条射线,当遇到索引值则获得对应的目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径;
将所述泡沫在上一帧泡沫图像中的面积与获得的目标泡沫的面积比较,当目标泡沫的面积与所述泡沫在上一帧泡沫图像中的面积的比值属于第一比值区间时,确定目标泡沫为匹配泡沫;
获得所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量。
5.根据权利要求4所述的浮选泡沫追踪方法,其特征在于,所述方法还包括按照速度的连续性和整体性对所述泡沫运动预测值进行修正:
将泡沫图像划分为多个分区,其中,以泡沫的最小外接圆圆心所属的分区确定泡沫所属的分区;
将分区内所有泡沫在上一帧泡沫图像中的最小外接圆圆心与匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量的平均值作为该分区的泡沫运动预测值,将各分区的泡沫运动预测值的平均值作为全局的泡沫运动预测值,记录并更新分区的泡沫运动预测值以及全局的泡沫运动预测值;
其中,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第二比值区间时,依据全局的泡沫运动预测值更新分区的泡沫运动预测值,或者,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第三比值区间时,不更新分区的泡沫运动预测值。
6.一种浮选泡沫追踪装置,其特征在于,包括确定单元、建立单元以及匹配单元:
所述确定单元,用于确定当前帧以及上一帧泡沫图像中泡沫的特征信息,所述特征信息包括面积、最小外接圆圆心位置以及最小外接圆半径;
所述建立单元,用于对所述确定单元得到的所述当前帧泡沫图像中泡沫进行编号并以所述编号为索引值建立索引图像;
所述匹配单元,用于根据所述确定单元得到的泡沫在上一帧泡沫图像中最小外接圆圆心位置以及泡沫运动预测值,预测所述泡沫在当前帧泡沫图像中最小外接圆圆心位置并以此在所述建立单元得到的索引图像上查找预定范围内的匹配泡沫,其中,根据所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量更新所述泡沫运动预测值。
7.根据权利要求6所述的浮选泡沫追踪装置,其特征在于,所述确定单元,具体用于:
扫描泡沫图像得到各像素点的灰度值;
将各像素点的灰度值与灰度阈值相比较获得泡沫高亮区域;
确定泡沫高亮区域的面积、最小外接圆圆心位置以及最小外接圆半径;
将泡沫高亮区域的面积与面积阈值相比较排除小于面积阈值的泡沫高亮区域,以及将泡沫高亮区域的面积与最小外接圆面积之比与比值阈值相比较排除小于比值阈值的泡沫高亮区域,将未被排除的泡沫高亮区域作为目标泡沫并获得所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径。
8.根据权利要求7所述的浮选泡沫追踪装置,其特征在于,所述建立单元,具体用于:
对所述目标泡沫编号;
以所述编号为索引值逐像素填充所述目标泡沫建立索引图像,所述编号与所述目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径之间对应。
9.根据权利要求8所述的浮选泡沫追踪装置,其特征在于,所述匹配单元,具体用于:
将泡沫在上一帧泡沫图像中最小外接圆圆心位置加上泡沫运动预测值,得到预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置;
在索引图像上,以预测的所述泡沫在当前帧泡沫图像中最小外接圆圆心位置为中心发射多条射线,当遇到索引值则获得对应的目标泡沫的面积、最小外接圆圆心位置以及最小外接圆半径;
将所述泡沫在上一帧泡沫图像中的面积与获得的目标泡沫的面积比较,当目标泡沫的面积与所述泡沫在上一帧泡沫图像中的面积的比值属于第一比值区间时,确定目标泡沫为匹配泡沫;
获得所述泡沫在上一帧泡沫图像中最小外接圆圆心与所述匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量。
10.根据权利要求9所述的浮选泡沫追踪装置,其特征在于,所述浮选泡沫追踪装置还包括修正单元,用于对所述匹配单元得到的泡沫运动预测值按照速度的连续性和整体性进行修正:
将泡沫图像划分为多个分区,其中,以泡沫的最小外接圆圆心所属的分区确定泡沫所属的分区;
将分区内所有泡沫在上一帧泡沫图像中的最小外接圆圆心与匹配泡沫在当前帧泡沫图像中最小外接圆圆心之间的位移量的平均值作为该分区的泡沫运动预测值,将各分区的泡沫运动预测值的平均值作为全局的泡沫运动预测值,记录并更新分区的泡沫运动预测值以及全局的泡沫运动预测值;
其中,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第二比值区间时,依据全局的泡沫运动预测值更新分区的泡沫运动预测值,或者,当分区的泡沫运动预测值与全局的泡沫运动预测值的比值不属于第三比值区间时,不更新分区的泡沫运动预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310517076.7A CN103530653B (zh) | 2013-10-28 | 2013-10-28 | 一种浮选泡沫追踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310517076.7A CN103530653B (zh) | 2013-10-28 | 2013-10-28 | 一种浮选泡沫追踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103530653A true CN103530653A (zh) | 2014-01-22 |
CN103530653B CN103530653B (zh) | 2017-05-03 |
Family
ID=49932649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310517076.7A Expired - Fee Related CN103530653B (zh) | 2013-10-28 | 2013-10-28 | 一种浮选泡沫追踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103530653B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844232A (zh) * | 2016-03-21 | 2016-08-10 | 联想(北京)有限公司 | 一种图像识别方法及装置 |
CN109272548A (zh) * | 2018-09-28 | 2019-01-25 | 北京拓金科技有限公司 | 一种浮选过程气泡直径的测量方法 |
CN109410248A (zh) * | 2018-10-23 | 2019-03-01 | 湖南科技大学 | 一种基于r-K算法的浮选泡沫运动特征提取方法 |
CN109685733A (zh) * | 2018-12-20 | 2019-04-26 | 湖南师范大学 | 一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法 |
CN110362044A (zh) * | 2019-06-03 | 2019-10-22 | 齐鲁工业大学 | 一种铜矿浮选装置的石灰石添加量预测控制系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315669A (zh) * | 2008-07-15 | 2008-12-03 | 北京石油化工学院 | 一种浮选泡沫图像的处理方法及装置 |
CN101334844A (zh) * | 2008-07-18 | 2008-12-31 | 中南大学 | 用于浮选泡沫图像分析的关键特征提取方法 |
-
2013
- 2013-10-28 CN CN201310517076.7A patent/CN103530653B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101315669A (zh) * | 2008-07-15 | 2008-12-03 | 北京石油化工学院 | 一种浮选泡沫图像的处理方法及装置 |
CN101334844A (zh) * | 2008-07-18 | 2008-12-31 | 中南大学 | 用于浮选泡沫图像分析的关键特征提取方法 |
Non-Patent Citations (5)
Title |
---|
LIU JINPING ET AL.: "An Unsupervised Method for Flotation Froth Image Segmentation Evaluation Base on Image Gray-level Distribution", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》, 28 July 2013 (2013-07-28) * |
ZHOU KAIJUN ET AL.: "Select flotation froth image structure element utilizing highlighting information", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》, 28 July 2013 (2013-07-28) * |
何桂春等: "《浮选泡沫图像处理技术研究现状与进展》", 《有色金属科学与工程》, vol. 2, no. 2, 30 April 2011 (2011-04-30) * |
周开军: "矿物浮选泡沫图像形态特征提取方法与应用", 《中国博士学位论文全文数据库 信息科技辑》, no. 11, 15 November 2010 (2010-11-15) * |
唐朝晖等: "《基于数字图像处理的浮选泡沫速度特征提取及分析》", 《中南大学学报(自然科学版)》, vol. 40, no. 6, 31 December 2009 (2009-12-31) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844232A (zh) * | 2016-03-21 | 2016-08-10 | 联想(北京)有限公司 | 一种图像识别方法及装置 |
CN105844232B (zh) * | 2016-03-21 | 2019-09-24 | 联想(北京)有限公司 | 一种图像识别方法及装置 |
CN109272548A (zh) * | 2018-09-28 | 2019-01-25 | 北京拓金科技有限公司 | 一种浮选过程气泡直径的测量方法 |
CN109272548B (zh) * | 2018-09-28 | 2021-09-28 | 北京拓金科技有限公司 | 一种浮选过程气泡直径的测量方法 |
CN109410248A (zh) * | 2018-10-23 | 2019-03-01 | 湖南科技大学 | 一种基于r-K算法的浮选泡沫运动特征提取方法 |
CN109410248B (zh) * | 2018-10-23 | 2021-07-20 | 湖南科技大学 | 一种基于r-K算法的浮选泡沫运动特征提取方法 |
CN109685733A (zh) * | 2018-12-20 | 2019-04-26 | 湖南师范大学 | 一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法 |
CN109685733B (zh) * | 2018-12-20 | 2023-06-23 | 湖南师范大学 | 一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法 |
CN110362044A (zh) * | 2019-06-03 | 2019-10-22 | 齐鲁工业大学 | 一种铜矿浮选装置的石灰石添加量预测控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103530653B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230077355A1 (en) | Tracker assisted image capture | |
US10782688B2 (en) | Method, control apparatus, and system for tracking and shooting target | |
JP6972756B2 (ja) | 制御プログラム、制御方法、及び情報処理装置 | |
JP2019036009A (ja) | 制御プログラム、制御方法、及び情報処理装置 | |
CN103530653A (zh) | 一种浮选泡沫追踪方法及装置 | |
US9852511B2 (en) | Systems and methods for tracking and detecting a target object | |
CN111080673B (zh) | 一种抗遮挡目标跟踪方法 | |
CN107678551B (zh) | 手势识别方法和装置、电子设备 | |
CN105303153A (zh) | 一种车辆车牌识别方法及装置 | |
CN109785356B (zh) | 一种视频图像的背景建模方法 | |
CN111783722B (zh) | 一种激光点云的车道线提取方法和电子设备 | |
CN111753693B (zh) | 一种静态场景下目标检测方法 | |
CN104168444A (zh) | 一种跟踪球机的目标跟踪方法及跟踪球机 | |
CN112580438A (zh) | 一种三维场景下的点云识别方法 | |
CN115984762A (zh) | 一种基于计算机视觉算法的井下支护工序识别方法及系统 | |
CN113963204A (zh) | 一种孪生网络目标跟踪系统及方法 | |
CN114298992A (zh) | 一种视频帧去重方法、装置、电子设备及存储介质 | |
CN114187195A (zh) | 一种2d前视声呐图像去噪方法 | |
CN113570575A (zh) | 一种基于目标检测的钻探深度统计方法及系统 | |
CN111860289A (zh) | 一种时序动作检测方法、装置及计算机设备 | |
CN114372994B (zh) | 视频浓缩中背景图像的生成方法 | |
CN116403170A (zh) | 一种用于运砂船及采砂船的多目标跟踪方法及系统 | |
CN117612105A (zh) | 一种基于运动和场景感知的视频轨迹预测方法及系统 | |
CN116363761A (zh) | 基于图像的行为识别方法、装置及电子设备 | |
CN116934854A (zh) | 一种晶圆缺口定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170503 Termination date: 20171028 |