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 PDFInfo
- 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
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
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。
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)
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)
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 |
-
2014
- 2014-11-17 CN CN201410655580.8A patent/CN104361353B/zh not_active Expired - Fee Related
Patent Citations (5)
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)
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)
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 |