CN104361353A - 一种感兴趣区域的定位方法在仪表监控识别中的应用 - Google Patents

一种感兴趣区域的定位方法在仪表监控识别中的应用 Download PDF

Info

Publication number
CN104361353A
CN104361353A CN201410655580.8A CN201410655580A CN104361353A CN 104361353 A CN104361353 A CN 104361353A CN 201410655580 A CN201410655580 A CN 201410655580A CN 104361353 A CN104361353 A CN 104361353A
Authority
CN
China
Prior art keywords
marker
mark
image
marker mark
interest
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
Application number
CN201410655580.8A
Other languages
English (en)
Other versions
CN104361353B (zh
Inventor
姜威
于向阳
李振宇
朱秀娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201410655580.8A priority Critical patent/CN104361353B/zh
Publication of CN104361353A publication Critical patent/CN104361353A/zh
Application granted granted Critical
Publication of CN104361353B publication Critical patent/CN104361353B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
    • G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
    • G06V30/1988—Graph matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Abstract

本发明涉及一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括：A、粘贴二维码；B、摄像头初始化；C、抓取图像；D、移动侦测；E、图像格式转换；F、检测所述Marker标记，定位到ROI感兴趣区域；G、分割感兴趣区域ROI；H、识别读数；I、读数显示；J、声音报警。本发明Marker标记只有黑、白两种颜色，图像二值化后很明显，能够快速而准确地定位感兴趣区域ROI，简化了图像预处理操作，能够适应光线变化的情况且鲁棒性很强。本发明使用移动侦测方法检测仪表的抖动，仅在仪表发生抖动时对字符进行定位，解决了仪表监控识别中的仪表抖动、仪表特征不明显及感兴趣区域ROI定位难度大的问题。

Description

一种感兴趣区域的定位方法在仪表监控识别中的应用
技术领域
本发明涉及一种感兴趣区域的定位方法在仪表监控识别中的应用，属于图像处理与模式识别技术领域。
背景技术
目前某些测量仪表不具备数据传送接口，不能实现数据的自动采集，人工读取数据不仅效率低、易出错，而且不适合长时间连续工作。
在仪表监控识别系统中，有时会因为某些原因，如机械设备工作时的震动或监控摄像头的摇晃，导致采集到计算机的图像中仪表的位置发生轻微的变化，称之为仪表抖动。当仪表发生抖动时，仪表上的字符位置也随之移动，需要重新确定字符区域的位置才能进行字符识别。处理抖动的一般方法是，在对每一帧图像的识别中都要对仪表的字符区域进行定位。在对识别速度要求不高的情况下，这种方法能够有效消除仪表抖动的影响，是被广泛应用的一种方法。然而这种方法不能满足高速识别的要求，因为在连续的识别过程中，当仪表没有发生抖动时，字符的位置也没有移动，这时的字符定位是没有必要的。
在仪表外部特征不明显、易受光线影响的情况下，实现仪表特征提取必然需要不断的进行滤波、去噪等预处理操作，不仅增加了程序的复杂度，而且识别准确率低。
发明内容
针对现有技术的不足，本发明公开了一种感兴趣区域的定位方法在仪表监控识别中的应用；
术语解释
移动侦测，一般也称运动检测，是指通过摄像头连续采集得到的图像被CPU按照一定算法进行计算和比较，当画面有变化时，如有人走过，镜头被移动，若得出的结果超过阈值，系统能够自动作出相应的处理；
计算机视觉，是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像；
本发明的技术方案为：
一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括：
A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、摄像头初始化，包括：设置图像尺寸范围为800×600-1624×1234，设置图像格式Mono8，设置增益为自动增益，设置单次最大采集帧数范围为6-12；
C、抓取图像，即采用摄像头SDK中的StartGrabbing()和GetRetrieveResult()方法抓取前后两帧CPylonImage格式的图像A1、A2；
D、移动侦测，使用移动侦测方法判定从A1到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留A1或A2作为下一步要处理的图像；
E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像；
Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量；
F、检测所述Marker标记，定位到ROI感兴趣区域，具体步骤如下：
(1)图像灰度化，得到灰度化图像；
(2)对灰度化图像进行直方图均衡化处理；
(3)图像二值化；
(4)检测图像轮廓；
(5)搜索图像中可能的Marker标记；
(6)检测并解码步骤(5)得到的可能的Marker标记；
(7)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(8)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界；
G、分割感兴趣区域ROI，具体是指，采用Mat类的构造函数Mat(Rect1,Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rect1为所述图像，所述Rect2为所述感兴趣区域ROI；
H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别；
I、读数显示，将步骤G识别出的字符显示在屏幕上；
J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声音。
根据所述Marker标记的特点，非常容易将图像中的所述Marker标记提取出来，所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性，对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来区分仪表的类型；检测到所述Marker标记后，即可根据步骤A所述确定位置定位感兴趣区域ROI。
本发明通过计算机视觉进行自动化识别。
根据本发明优选的，所述图像灰度化，具体是指，使用OpenCV的cvCvtColor()函数将Mat格式的图像转化生成灰度图。
根据本发明优选的，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHist()函数对所述灰度化图像进行直方图均衡化。
根据本发明优选的，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
根据本发明优选的，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从步骤(3)得到的图像中得到一系列多边形轮廓。
根据本发明优选的，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
只有顶点数目为4的凸多边形且才有可能是Marker标记。
根据本发明优选的，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
针对每种所述校验码，最多有1024种不同的编码方式。
所述正方形Marker标记中心5×5的栅格旋转不变性才能得到唯一的编码。
根据本发明优选的，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
本发明的有益效果为：
1、本发明使用移动侦测方法检测仪表的抖动，仅在仪表发生抖动时对字符进行定位，省略了未抖动时的字符定位，提高了识别速度，提高了仪表监控识别中的实时性；并且解决了仪表监控识别中的仪表抖动、仪表特征不明显及感兴趣区域ROI定位难度大的问题；
2、本发明使用Marker标记检测的方法代替对仪表的原始特征提取，降低了程序复杂度，使用marker标志检测方法来定位感兴趣区域ROI，提高了定位的准确性，提升了识别准确度；
3、本发明通过计算机视觉进行自动化识别，避免了人工读取的不足，是一种非常理想的解放人力、提高效率的途径；
4、本发明对不同类型的仪表粘贴不同的Marker标记，根据识别出的Marker标记来区分仪表的类型；
5、本发明摄像头开闭、切换仪表界面、存储数据等操作，能够识别5种不同的仪表，有自动跟踪字符功能，在光线合适的情况下，识别准确率能达到95％以上，识别速度达到4帧/秒。
附图说明
图1是本发明所述Marker标记的示例图；
图2是本发明流程图；
图3是本发明Marker标记的编码图，图3中，Marker标记为7×7的栅格周围一圈为黑色边界，Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，第二列和第四列作为id关键词，第二列和第四列中，黑色栅格编码为0，白色栅格编码为1，编码为00001010；
图4为感兴趣区域ROI与Marker标记所述确定位置示例图，图4中，已知Marker标记的边长为a，左上角坐标为(a1,a2),感兴趣区域ROI位于Marker标记正上方，感兴趣区域ROI长2.5a，宽1.5a；据此，确定感兴趣区域ROI的左上角坐标(m,n)为(a1,a2+1.5a),感兴趣区域ROI长2.5a，宽1.5a；
图5a为一种Marker标记的示例图；
图5b为图5a所述Marker标记顺时针旋转90°的示例图；
图5c为图5a所述Marker标记顺时针旋转180°的示例图；
图5d为图5a所述Marker标记顺时针旋转270°的示例图；
图5a、图5b、图5c、图5d为四种不同的Marker标记，反应了Marker标记的方向属性。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。
实施例1
一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括：
A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、摄像头初始化，包括：设置图像尺寸范围为800×600，设置图像格式Mono8，设置增益为自动增益，设置单次最大采集帧数6；
C、抓取图像，即采用摄像头SDK中的StartGrabbing()和GetRetrieveResult()方法抓取前后两帧CPylonImage格式的图像A1、A2；
D、移动侦测，使用移动侦测方法判定从A1到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留A1或A2作为下一步要处理的图像；
E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像；
Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量；
F、检测所述Marker标记，定位到ROI感兴趣区域，具体步骤如下：
(1)图像灰度化，得到灰度化图像；
(2)对灰度化图像进行直方图均衡化处理；
(3)图像二值化；
(4)检测图像轮廓；
(5)搜索图像中可能的Marker标记；
(6)检测并解码可能的Marker标记；
(7)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(8)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界；
G、分割感兴趣区域ROI，具体是指，采用Mat类的构造函数Mat(Rect1,Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rect1为所述图像，所述Rect2为所述感兴趣区域ROI；
H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别；
I、读数显示，将步骤G识别出的字符显示在屏幕上；
J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声音。
根据所述Marker标记的特点，非常容易将图像中的所述Marker标记提取出来，所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性，对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来区分仪表的类型；检测到所述Marker标记后，即可根据步骤A所述确定位置定位感兴趣区域ROI。
本发明通过计算机视觉进行自动化识别。
实施例2
根据实施例1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，设置图像尺寸范围为1624×1234，设置图像格式Mono8，设置增益为自动增益，设置单次最大采集帧数12；
实施例3
根据实施例1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，设置单次最大采集帧数10；
实施例4
根据实施例1-3任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述图像灰度化，具体是指，使用OpenCV的cvCvtColor()函数将Mat格式的图像转化生成灰度图。
实施例5
根据实施例4所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHist()函数对所述灰度化图像进行直方图均衡化。
实施例6
根据实施例5任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
实施例7
根据实施例6所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从步骤(3)得到的图像中得到一系列多边形轮廓。
实施例8
根据实施例7所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
只有顶点数目为4的凸多边形且才有可能是Marker标记。
实施例9
根据实施例8所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
针对每种所述校验码，最多有1024种不同的编码方式。
所述正方形Marker标记中心5×5的栅格旋转不变性才能得到唯一的编码。
实施例10
根据实施例9任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。

Claims (8)

1.一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，具体步骤包括：
A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位置能够定位所述感兴趣区域ROI；
B、摄像头初始化，包括：设置图像尺寸范围为800×600-1624×1234，设置图像格式Mono8，设置增益为自动增益，设置单次最大采集帧数6-12；
C、抓取图像，即采用摄像头SDK中的StartGrabbing()和GetRetrieveResult()方法抓取前后两帧CPylonImage格式的图像A1、A2；
D、移动侦测，使用移动侦测方法判定从A1到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留A1或A2作为下一步要处理的图像；
E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像；
Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量；
F、检测所述Marker标记，定位到ROI感兴趣区域，具体步骤如下：
(1)图像灰度化，得到灰度化图像；
(2)对灰度化图像进行直方图均衡化处理；
(3)图像二值化；
(4)检测图像轮廓；
(5)搜索图像中可能的Marker标记；
(6)检测并解码步骤(5)得到的可能的Marker标记；
(7)筛选解码后的可能的Marker标记，找出正确的Marker标记；
(8)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点：
①所述白色块为白色，所述黑色块为黑色；
②所述Marker标记为规则的矩形；
③所述Marker标记有方向属性，所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的四种图像各不相同；
④所述Marker标记为7×7的栅格，所述Marker标记中心5×5的栅格为识别编码，所述Marker标记周围一圈为黑色边界；
G、分割感兴趣区域ROI，具体是指，采用Mat类的构造函数Mat(Rect1,Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rect1为所述图像，所述Rect2为所述感兴趣区域ROI；
H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别；
I、读数显示，将步骤G识别出的字符显示在屏幕上；
J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声音。
2.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述图像灰度化，具体是指，使用OpenCV的cvCvtColor()函数将Mat格式的图像转化生成灰度图。
3.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHist()函数对所述灰度化图像进行直方图均衡化。
4.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
5.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours()函数从步骤(3)得到的图像中得到一系列多边形轮廓。
6.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates()方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP()函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于10pixel，则不认为是可能的Marker标记，否则，认为是可能的Marker标记。
7.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括：
a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序；
b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2，取所述周长S1、S2中的较小值S，计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)＜S，则认为所述任意两个Marker标记重复，去掉所述任意两个Marker标记中那个周长较短的Marker标记，保留所述任意两个Marker标记中周长较长的Marker标记，否则，保留所述任意两个Marker标记，接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
c、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
d、识别步骤c得到的所述正方形Marker标记，所述正方形Marker标记为7×7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是，接着对所述正方形Marker标记中心5×5的栅格解码，所述正方形Marker标记中心5×5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
8.根据权利要求1-7任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记，对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
CN201410655580.8A 2014-11-17 2014-11-17 一种感兴趣区域的定位方法在仪表监控识别中的应用 Expired - Fee Related CN104361353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410655580.8A CN104361353B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法在仪表监控识别中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410655580.8A CN104361353B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法在仪表监控识别中的应用

Publications (2)

Publication Number Publication Date
CN104361353A true CN104361353A (zh) 2015-02-18
CN104361353B CN104361353B (zh) 2017-11-10

Family

ID=52528611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410655580.8A Expired - Fee Related CN104361353B (zh) 2014-11-17 2014-11-17 一种感兴趣区域的定位方法在仪表监控识别中的应用

Country Status (1)

Country Link
CN (1) CN104361353B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104935828A (zh) * 2015-05-20 2015-09-23 镇江东软信息技术有限公司 一种图像处理系统
CN105427315A (zh) * 2015-11-24 2016-03-23 上海伟世通汽车电子系统有限公司 数字仪表图像位置测试方法及装置
CN106500801A (zh) * 2016-11-02 2017-03-15 山东金米尔仪器科技有限公司 一种自收揽浮子式远程水位监测系统及其数据采集方法
CN106529450A (zh) * 2016-11-03 2017-03-22 珠海格力电器股份有限公司 一种表情图片生成方法及装置
CN107368767A (zh) * 2017-07-03 2017-11-21 东南大学 一种电子定向打点器及其控制方法
CN107818358A (zh) * 2017-07-12 2018-03-20 柳州康云互联科技有限公司 一种多级快速识别码
CN108960236A (zh) * 2018-06-27 2018-12-07 浙江理工大学 基于二维码匹配与图像识别的指针式仪表识别方法
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法
CN109284952A (zh) * 2017-07-21 2019-01-29 菜鸟智能物流控股有限公司 一种归属区域的定位方法和装置
CN109815758A (zh) * 2019-01-17 2019-05-28 柳州康云互联科技有限公司 一种基于二维码的图像特征采集方法
CN109858560A (zh) * 2019-02-18 2019-06-07 广东中粤电力科技有限公司 一种指针式仪表图像识别读数及安全预警方法
CN109993126A (zh) * 2019-04-03 2019-07-09 腾讯科技（深圳）有限公司 文件信息确定方法、装置、设备及可读存储介质
CN110008871A (zh) * 2019-03-25 2019-07-12 清华大学深圳研究生院 一种掌纹识别方法及系统
TWI667557B (zh) * 2017-01-19 2019-08-01 由田新技股份有限公司 影像分析儀表資訊之裝置、系統、方法及電腦可讀取記錄媒體
CN111061374A (zh) * 2019-12-20 2020-04-24 京东方科技集团股份有限公司 一种支持多人模式增强现实应用的方法及装置
CN111443211A (zh) * 2020-03-04 2020-07-24 重庆大学 一种多血型系统自动检测卡及检测方法
CN112488099A (zh) * 2020-11-25 2021-03-12 上海电力大学 一种基于视频的电力液晶仪表上数字的检测提取装置
CN113627400A (zh) * 2021-10-12 2021-11-09 成都川江信息技术有限公司 一种工业仪表视频识别系统
CN115314642A (zh) * 2021-05-08 2022-11-08 四川大学 一种基于多像素累积的相机光通信系统及实现方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6978037B1 (en) * 2000-11-01 2005-12-20 Daimlerchrysler Ag Process for recognition of lane markers using image data
CN101604388A (zh) * 2008-11-25 2009-12-16 无锡虹业自动化工程有限公司 条码扫描式直读抄表方法
CN101661275A (zh) * 2008-08-27 2010-03-03 深圳富泰宏精密工业有限公司 测量监控系统及方法
CN103927507A (zh) * 2013-01-12 2014-07-16 山东鲁能智能技术有限公司 一种改进的变电站巡检机器人的多仪表读数识别方法
CN104011734A (zh) * 2011-12-29 2014-08-27 英特尔公司 从附着到车辆的对象获得信息的系统、方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6978037B1 (en) * 2000-11-01 2005-12-20 Daimlerchrysler Ag Process for recognition of lane markers using image data
CN101661275A (zh) * 2008-08-27 2010-03-03 深圳富泰宏精密工业有限公司 测量监控系统及方法
CN101604388A (zh) * 2008-11-25 2009-12-16 无锡虹业自动化工程有限公司 条码扫描式直读抄表方法
CN104011734A (zh) * 2011-12-29 2014-08-27 英特尔公司 从附着到车辆的对象获得信息的系统、方法和装置
CN103927507A (zh) * 2013-01-12 2014-07-16 山东鲁能智能技术有限公司 一种改进的变电站巡检机器人的多仪表读数识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔行臣: ""数显与指针仪表值识别技术的研究与应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104935828A (zh) * 2015-05-20 2015-09-23 镇江东软信息技术有限公司 一种图像处理系统
CN105427315A (zh) * 2015-11-24 2016-03-23 上海伟世通汽车电子系统有限公司 数字仪表图像位置测试方法及装置
CN105427315B (zh) * 2015-11-24 2020-03-20 上海伟世通汽车电子系统有限公司 数字仪表图像位置测试方法及装置
CN106500801A (zh) * 2016-11-02 2017-03-15 山东金米尔仪器科技有限公司 一种自收揽浮子式远程水位监测系统及其数据采集方法
CN106500801B (zh) * 2016-11-02 2023-06-13 济南大学 一种自收揽浮子式远程水位监测系统及其数据采集方法
CN106529450A (zh) * 2016-11-03 2017-03-22 珠海格力电器股份有限公司 一种表情图片生成方法及装置
TWI667557B (zh) * 2017-01-19 2019-08-01 由田新技股份有限公司 影像分析儀表資訊之裝置、系統、方法及電腦可讀取記錄媒體
CN107368767A (zh) * 2017-07-03 2017-11-21 东南大学 一种电子定向打点器及其控制方法
CN107818358A (zh) * 2017-07-12 2018-03-20 柳州康云互联科技有限公司 一种多级快速识别码
CN109284952A (zh) * 2017-07-21 2019-01-29 菜鸟智能物流控股有限公司 一种归属区域的定位方法和装置
CN109284952B (zh) * 2017-07-21 2023-04-18 菜鸟智能物流控股有限公司 一种归属区域的定位方法和装置
CN108960236A (zh) * 2018-06-27 2018-12-07 浙江理工大学 基于二维码匹配与图像识别的指针式仪表识别方法
CN108960236B (zh) * 2018-06-27 2021-08-27 浙江理工大学 基于二维码匹配与图像识别的指针式仪表识别方法
CN109190616A (zh) * 2018-08-03 2019-01-11 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪算法
CN109190616B (zh) * 2018-08-03 2021-10-15 东北大学 一种基于特征识别的热轧钢板在线视觉跟踪方法
CN109815758A (zh) * 2019-01-17 2019-05-28 柳州康云互联科技有限公司 一种基于二维码的图像特征采集方法
CN109858560A (zh) * 2019-02-18 2019-06-07 广东中粤电力科技有限公司 一种指针式仪表图像识别读数及安全预警方法
CN110008871A (zh) * 2019-03-25 2019-07-12 清华大学深圳研究生院 一种掌纹识别方法及系统
CN109993126B (zh) * 2019-04-03 2023-10-24 腾讯科技（深圳）有限公司 文件信息确定方法、装置、设备及可读存储介质
CN109993126A (zh) * 2019-04-03 2019-07-09 腾讯科技（深圳）有限公司 文件信息确定方法、装置、设备及可读存储介质
CN111061374A (zh) * 2019-12-20 2020-04-24 京东方科技集团股份有限公司 一种支持多人模式增强现实应用的方法及装置
CN111061374B (zh) * 2019-12-20 2024-04-09 京东方科技集团股份有限公司 一种支持多人模式增强现实应用的方法及装置
CN111443211A (zh) * 2020-03-04 2020-07-24 重庆大学 一种多血型系统自动检测卡及检测方法
CN111443211B (zh) * 2020-03-04 2024-01-26 重庆大学 一种多血型系统自动检测卡及检测方法
CN112488099A (zh) * 2020-11-25 2021-03-12 上海电力大学 一种基于视频的电力液晶仪表上数字的检测提取装置
CN115314642A (zh) * 2021-05-08 2022-11-08 四川大学 一种基于多像素累积的相机光通信系统及实现方法
CN115314642B (zh) * 2021-05-08 2024-03-12 四川大学 一种基于多像素累积的相机光通信系统及实现方法
CN113627400A (zh) * 2021-10-12 2021-11-09 成都川江信息技术有限公司 一种工业仪表视频识别系统

Also Published As

Publication number Publication date
CN104361353B (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN104361353A (zh) 一种感兴趣区域的定位方法在仪表监控识别中的应用
CN103295016B (zh) 基于深度与rgb信息和多尺度多方向等级层次特征的行为识别方法
US8126264B2 (en) Device and method for identification of objects using color coding
CN103116896B (zh) 一种基于视觉显著性模型的自动检测跟踪方法
CN108920992A (zh) 一种基于深度学习的医药标签条码的定位与识别方法
CN108564120B (zh) 基于深度神经网络的特征点提取方法
CN104331697B (zh) 一种感兴趣区域的定位方法
CN104506838A (zh) 一种符号阵列面结构光的深度感知方法、装置及系统
CN104424457A (zh) 一种非线性扭曲情况下的二维码识别方法
CN108133216B (zh) 基于机器视觉的可实现小数点读取的数码管读数识别方法
CN106204633B (zh) 一种基于计算机视觉的学生跟踪方法和装置
CN110070557A (zh) 一种基于边缘特征检测的目标识别与定位方法
CN103218605A (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN104615972B (zh) 指针式仪表智能识别方法及其装置
CN105138990A (zh) 一种基于单目摄像头的手势凸包检测与掌心定位方法
CN110599516A (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN106709952B (zh) 一种显示屏幕的自动标定方法
Sun et al. A visual attention based approach to text extraction
CN106709487A (zh) 动物耳标矩阵码的识别方法以及装置
CN107480678A (zh) 一种棋盘识别方法和识别系统
CN111191535A (zh) 基于深度学习的行人检测模型构建方法及行人检测方法
CN104966302B (zh) 一种任意角度激光十字的检测定位方法
CN110502948B (zh) 折叠二维码图像的还原方法、还原装置与扫码设备
CN108961262A (zh) 一种复杂场景下的条码定位方法
CN104715250B (zh) 十字激光检测方法和装置

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: 20171110

Termination date: 20201117