CN108765396A - 一种基于计算机视觉的出光设备的出光检测方法 - Google Patents

Abstract

本发明提供了一种基于计算机视觉的出光设备的出光检测方法，包括：采集图像数据，将图像数据转换为格式图像，解析出对应的时间戳，并对格式图像的每个像素点进行识别，以得到灰度分布直方图；根据灰度分布直方图和像素点判断所述出光设备在该帧的格式图像中是否属于出光状态；若出光设备在该帧的格式图像中属于出光状态，则根据该帧的格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数。本发明提高了检测结果的精确度，降低了检测误差，为产品研发、生产、品控等过程中对出光设备的质量评价工作带来了巨大的方便，确保了每一个检测产品的质量的可靠性，杜绝了质量隐患。

Description

一种基于计算机视觉的出光设备的出光检测方法

技术领域

本发明涉及图像识别技术领域，更具体地说，涉及一种基于计算机视觉的出光设备的出光检测方法、装置和用户终端。

背景技术

出光设备，为可实时、定时的通过自动或手动进行出光的闪光设备，例如，光子脱毛仪、光子美容设备、光子治疗设备、光子烧结设备等等。其中，光子脱毛仪，其核心技术为光子脱毛，又称为IPL光子脱毛，其中IPL(Intense Pulsed Light)被称为强脉冲光，也称为彩光、复合光、强光，是一种有特殊波长的宽谱可视光，有较柔和的光热效应。

出光设备的产品研发和生产过程中，需要检测和统计出光间隔，保证产品出光间隔的一致性和可靠性。现有的检测方法包括两种，分别是通过示波器检测或者人工秒表记录。示波器检测和记录相邻两次的放电间隔，此法放电间隔不能准确反映出光间隔，而且记录的次数少，不足以作统计，而人工用秒表记录相邻两次出光间隔，此方法计时不够精确，所记录数据不能作精确分析。

总之，现有的出光设备的出光检测方法，统计结果不准确，记录次数不够统计，误差较大，无法应用于产品的批量生产测试中，为产品研发、生产、品控等过程中对出光设备的质量评价工作带来了巨大的不便，误差较大的检测结果对所检测产品的带来了质量隐患。

发明内容

有鉴于此，本发明提供一种基于计算机视觉的出光设备的出光检测方法、装置和用户终端以解决现有技术的不足。

为解决上述问题，本发明提供一种基于计算机视觉的出光设备的出光检测方法，包括：

采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数。

优选地，所述“根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态”包括：

识别每一帧的所述格式图像对应的分布直方图中的像素值，并得到所述像素值对应的像素点个数；

根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态。

优选地，所述“根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态”包括：

若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数；

若所述暗点总个数小于所述格式图像中的像素点总个数的99％，则计算所述格式图像中的亮点的所述亮点总个数，并根据每个亮点对应的像素值计算得到所述亮点像素值均值；

若所述亮点像素值均值大于预设亮点值，则判定所述出光设备在该帧的所述格式图像中属于出光状态；

若所述亮点像素值均值不大于所述预设亮点值，则判定所述出光设备在该帧的所述跨平台计算机图像视觉库的格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

优选地，所述“若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数”之后，还包括：

若所述暗点总个数不小于所述格式图像中的像素点总个数的99％，则计算所述格式图像的纵坐标对应的每行像素值总和；

根据所述每行像素值总和以及每行的像素值个数，计算得到每行像素值均值；

若所述每行像素值均值大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中属于出光状态。

优选地，所述“根据所述每行像素值总和以及每行的像素值个数，计算得到每行像素值均值”之后，还包括：

若所述每行像素值均值不大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

优选地，所述“采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”包括：

采集所述出光设备在暗室内工作时的图像数据；

将所述图像数据转换为H.264数据流，并获取所述H.264数据流对应的时间戳，生成包含所述H.264数据流和与所述H.264数据流对应的时间戳的数据流包；

解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图。

优选地，所述“解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图”包括：

解码得到所述数据流包中的每一帧图像和与每一帧图像对应的时间戳，转换为跨平台计算机图像视觉库EmguCV的Image<Gray,byte>格式图像；

基于EmguCV，对所述Image<Gray,byte>格式图像进行高斯滤波算法处理，获取所述Image<Gray,byte>格式图像的像素值，得到带有时间戳的灰度分布直方图。

此外，为解决上述问题，本发明还提供一种基于计算机视觉的出光设备的出光检测装置，包括：采集模块、识别模块和计算模块；

所述采集模块，用于采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

所述识别模块，用于根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

所述计算模块，用于若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”直至检测完成。

此外，为解决上述问题，本发明还提供一种用户终端，包括存储器以及处理器，所述存储器用于存储基于计算机视觉的出光设备的出光检测程序，所述处理器运行所述基于计算机视觉的出光设备的出光检测程序以使所述用户终端执行如上述所述基于计算机视觉的出光设备的出光检测方法。

此外，为解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于计算机视觉的出光设备的出光检测程序，所述基于计算机视觉的出光设备的出光检测程序被处理器执行时实现如上述所述基于计算机视觉的出光设备的出光检测方法。

本发明提供的一种基于计算机视觉的出光设备的出光检测方法、装置和用户终端。其中，所述方法通过对出光设备在暗室内工作时的图像数据进行识别，并根据每一帧的像素点和像素值判断该帧灰度分布直方图是否属于出光状态，进而计算测出前后相邻两次达到出光状态的时间间隔和总出光次数直到检测结束，从而实现了利用图像识别的方法对出光设备进行出光检测。本发明所提供的检测方法可完整记录每次检测过程中的所有出光次数、出光间隔时间等数据，大大提高了检测结果的精确度，降低了检测误差，为产品研发、生产、品控等过程中对出光设备的质量评价工作带来了巨大的方便，确保了每一个检测产品的质量的可靠性，杜绝了质量隐患。

附图说明

图1为本发明基于计算机视觉的出光设备的出光检测方法实施例方案涉及的硬件运行环境的结构示意图；

图2为本发明基于计算机视觉的出光设备的出光检测方法第一实施例的流程示意图；

图3为本发明基于计算机视觉的出光设备的出光检测方法第二实施例的流程示意图；

图4为本发明基于计算机视觉的出光设备的出光检测方法第三实施例的流程示意图；

图5为本发明基于计算机视觉的出光设备的出光检测方法第四实施例的步骤S221之后，若暗点总个数不小于所述Image<Gray,byte>图像中的像素点总个数的99％的步骤的流程示意图；

图6为本发明基于计算机视觉的出光设备的出光检测方法第五实施例的流程示意图；

图7为本发明基于计算机视觉的出光设备的出光检测方法第五实施例的步骤S100的细化流程示意图；

图8为本发明第六实施例所提供的一种基于计算机视觉的出光设备的出光检测系统的结构意图；

图9为本发明第六实施例所提供的基于计算机视觉的出光设备的出光检测方法的步骤S8的细化流程示意图；

图10为本发明基于计算机视觉的出光设备的出光检测装置的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面详细描述本发明的实施例，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的终端的硬件运行环境的结构示意图。

本发明实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3播放器、MP4播放器、便携计算机等具有图像获取功能的终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单元比如键盘、遥控器，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

此外，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。此外，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据接口控制程序、网络连接程序以及基于计算机视觉的出光设备的出光检测程序。

本发明提供的一种基于计算机视觉的出光设备的出光检测方法、装置和用户终端。其中，所述检测方法可完整记录每次检测过程中的所有出光次数、出光间隔时间等数据，大大提高了检测结果的精确度，降低了检测误差，为产品研发、生产、品控等过程中对出光设备的质量评价工作带来了巨大的方便，确保了每一个检测产品的质量的可靠性，杜绝了质量隐患。

实施例1：

参照图2，本发明第一实施例提供一种基于计算机视觉的出光设备的出光检测方法，包括：

步骤S100，采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

上述，出光设备，为可实时、定时的通过自动或手动进行出光的闪光设备，例如，光子脱毛仪、光子美容设备、光子治疗设备、光子烧结设备等等。

上述，在本实施中，对于出光设备的检测可以为多设备组装的光子脱毛仪系统，例如，可以包括图像获取设备、平台控制端、暗室，还包括光子脱毛仪，将光子脱毛仪和图像获取设备置于暗室中，即可以形成暗室。

其中，图像获取设备可以为带有图像获取装置的终端，在本实施例中，所使用的图像获取设备为皮肤检测仪，此外，也可以为网络摄像机类设备、智能手机终端、平板电脑等可实时采集视频并通过有线或无线网络传输至平台控制端的设备。

其中，平台控制端可以为计算机端，例如可以为与图像获取设备通过有线或无线网络连接的本地服务器，或云端服务器，在平台控制端中包含有计算机视觉分析软件，用于图像的识别、判断和统计，以记录并输出检测结果。

其中，计算机视觉分析软件，可以为基于C#语言和/或EmguCV库的视频图像分析程序。

其中，暗室，为保证无环境光影响，准确识别出光设备(例如光子脱毛仪)的出光的暗室。也可以为其他实现暗室效果的装置或空间。

在本实施例中，将出光设备和图像获取设备(皮肤检测仪)放置于暗室内，平台控制端通过有线或无线方式与图像获取设备连接。

出光设备设置成自动出光的模式；图像获取设备设置曝光时间使得曝光时间乘以帧率大于1，保证捕获到每一次出光；平台控制端开始接收视频图像。出光设备出光瞬间强脉冲光会以直射或漫反射方式进入皮肤检测仪的光线传感器。

上述，图像数据可以为采集出光设备(例如光子脱毛仪)在工作期间的视频数据流，进而再通过识别或拆分，将视频数据流中的数据进行进一步的识别和统计。

上述，需要说明的是，灰度分布直方图也称为灰度直方图。灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。

上述，时间戳即为图像数据中的每一帧跨平台计算机图像视觉库的格式图像所对应的时间，即为每一帧图像在视频流中的时间。

对于格式图像的识别，可通过不同的跨平台计算机视觉库进行识别，比如OpenCV或者EmguCV，在本实施例中，所基于的跨平台计算机视觉库可以为EmguCV。进而通过EmguCV从灰度分布直方图中识别暗点和亮点，根据亮点和暗点数据判断出光设备(例如光子脱毛仪)在本帧图像里是否属于出光状态。

对于跨平台计算机图像视觉库的格式图像的识别需要将数据流转换为对应的格式图像。

步骤S200，根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

上述，对跨平台计算机图像视觉库的格式图像进行图像识别，可得到该跨平台计算机图像视觉库的格式图像中的所有的像素点，以及每个像素点对应的一个像素值，通过像素点的像素值可进行对是否为出光状态，是否为非出光状态进行判断。

步骤S300，若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数。

上述，如果当前帧的跨平台计算机图像视觉库的格式图像为出光状态，则进一步计算得出前后两次的间隔时间，并对总出光次数进行统计和累加。如果当前的出光状态为该次检测中的首次出现，则可进行将当前出光状态的时间戳进行保存，以便于下一次出现出光状态时，基于前后两次的时间戳进行计算，从而得出时间间隔。

上述，在出现出光状态后，计算得到时间间隔并统计总出光次数后，返回前面步骤，进行重新的图像数据的继续获取，进行对于下一次出光状态的检测。在对出光设备(例如光子脱毛仪)进行出光检测时，每次检测需要将该出光设备设置成为自动出光模式，检测的时间可以为通过对于出光设备的工作时间或检测装置的检测时间的人工设置，也可以为在达到一定的检测结束条件后结束检测，例如，出光次数达到一定次数，出光频率达到一定值范围等等。

本实施例提供的一种基于计算机视觉的出光设备的出光检测方法，通过对出光设备在暗室内工作时的图像数据进行识别，并根据每一帧的像素点和像素值判断该帧灰度分布直方图是否属于出光状态，进而计算测出前后相邻两次达到出光状态的时间间隔和总出光次数直到检测结束，从而实现了利用图像识别的方法对出光设备进行出光检测。本发明所提供的检测方法可完整记录每次检测过程中的所有出光次数、出光间隔时间等数据，大大提高了检测结果的精确度，降低了检测误差，为产品研发、生产、品控等过程中对出光设备的质量评价工作带来了巨大的方便，确保了每一个检测产品的质量的可靠性，杜绝了质量隐患。

实施例2：

参照图3，本发明第二实施例提供一种基于计算机视觉的出光设备的出光检测方法，基于上述图2所示的第一实施例，所述步骤S200“根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态”包括：

步骤S210，识别每一帧的所述格式图像对应的分布直方图中的像素值，并得到所述像素值对应的像素点个数；

上述，需要说明的是，像素是指由图像的小方格即所谓的像素(pixel)组成的，这些小方块都有一个明确的位置和被分配的色彩数值，而这些一小方格的颜色和位置就决定该图像所呈现出来的样子。可以将像素视为整个图像中不可分割的单位或者是元素，不可分割的意思是它不能够再切割成更小单位抑或是元素，它是以一个单一颜色的小格存在。每一个点阵图像包含了一定量的像素，这些像素决定图像在屏幕上所呈现的大小。

上述，需要说明的是，数字图像将图像分割成非常细小的点，称为像素点，像素点的值表示该点图像的亮度。

上述，通过识别，可以得到每一帧图像的像素点和像素点对应的像素值。

步骤S220，根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态。

上述，像素点总个数为每一帧灰度分布直方图中的所有的像素点的总的个数。

上述，暗点和亮点分别可以根据像素值来确定，例如，通过预设评价标准，当像素值达到5，则判定为亮点，否则为暗点。暗点总个数为每一帧格式图像中的所有的被判定为暗点的个数；而亮点总个数为每一帧格式图像中的所有的被判定为亮点的个数；暗点像素均值为在每一帧格式图像中的所有暗点的像素值除以暗点的总个数；亮点像素均值为在每一帧格式图像中的所有亮点的像素值除以亮点的总个数。根据上述数据，判断出光设备在该帧的格式图像中是否属于出光状态，实现了通过亮点和暗点的判断，从而达到当前帧的格式图像是否为出光状态的判断，大大提高了判断的准确性。

实施例3：

参照图4，本发明第三实施例提供一种基于计算机视觉的出光设备的出光检测方法，基于上述图3所示的第二实施例，所述步骤S220“根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态”包括：

步骤S221，若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数。

对于跨平台计算机图像视觉库的格式图像的识别，可通过不同的跨平台计算机视觉库进行识别，比如OpenCV或者EmguCV，在本实施例中，所基于的跨平台计算机视觉库可以为EmguCV。通过EmguCV从灰度分布直方图中识别暗点和亮点，根据亮点和暗点数据判断出光设备(例如光子脱毛仪)在本帧图像里是否属于出光状态。

上述，预设暗点值为用于评价像素值是否为暗点的评价标准，在本实施例中设置为5。即为，当直方图中的像素点的像素值小于5，则判定为暗点。预设暗点值为预设的评价标准，本实施例中为5，也可以为其他的数据，例如8、10等。其中，Histogram[256]表示像素值[0，255]对应的像素点个数。像素值小于5认为是暗点，直方图前5项[0，4]相加即得暗点总个数DarkCount。

步骤S222，若所述暗点总个数小于所述格式图像中的像素点总个数的99％，则计算所述格式图像中的亮点的所述亮点总个数，并根据每个亮点对应的像素值计算得到所述亮点像素值均值；

上述，如果暗点总个数小于像素点总个数的99％，则进一步的计算亮点总个数和亮点像素均值。其中，亮点为通过每个像素点的像素值进行判断，像素值小于5为暗点，如果像素值大于等于5则判定为亮点。如果暗点总数小于像素点总个数的99％，则像素值大于等于5的像素点即为亮点进行统计，得到亮点总个数，并根据亮点总个数计算得出亮点像素均值，以便于进行进一步的判断。

上述，像素点总个数的99％为预设的百分比个数，在本实施例中设置为99％，可选的，可以为其他百分比，例如80％、70％等，通过调整百分比，在一定程度上提高判断的精确度。

步骤S223，若所述亮点像素值均值大于预设亮点值，则判定所述出光设备在该帧的所述格式图像中属于出光状态。

步骤S224，若所述亮点像素值均值不大于所述预设亮点值，则判定所述出光设备在该帧的所述跨平台计算机图像视觉库的格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

上述，预设亮点值为进行判断是否为亮点的评价标准，在本实施例中为5，可选的，也可以根据实际精度需要调整为其他数值，例如8、10等。上述，如果亮点像素值均值大于预设亮点值(5)，则进一步判定该帧为出光状态，否则为非出光状态。

在本实施例中，通过判定像素点为暗点，且暗点总个数小于整帧的像素点总个数的99％，证明跨平台计算机图像视觉库的格式图像中存在亮点，则统计该格式图像中的亮点总个数和亮点像素值均值，并对其进行与预设亮点值的比较，如果均值大于预设亮点值，则判定该帧的图像数据对应的格式图像属于出光状态，反之则不属于出光状态。通过对于格式图像中进行暗点个数的统计，并与像素点总个数进行比对，从而确定该格式图像中是否存在亮点，大大提高了算法的工作效率。此外，在确定该帧格式图像中存在亮点后，直接统计亮点的总个数，并计算亮点像素值均值，进而与预设亮点值比较，判断亮点值是否达到出光状态的程度，从而使该步骤中对于出光状态的判断更加准确。

实施例4：

参照图5，本发明第四实施例提供一种基于计算机视觉的出光设备的出光检测方法，基于上述图4所示的第三实施例，所述步骤S221“若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数”之后，还包括：

步骤S225，若所述暗点总个数不小于所述格式图像中的像素点总个数的99％，则计算所述格式图像的纵坐标对应的每行像素值总和；

步骤S226，根据所述每行像素值总和以及每行的像素值个数，计算得到每行像素值均值；

上述，需要说明的是，视频采集设备的传感器是按像素行进行光电转换，可能只捕获到数行像素的光线。y是从上到下的纵坐标，表示第y行；x是从左到右的横坐标，表示第x列。rows是总行数，cols是总列数。

上述，如果出现暗点总个数不小于跨平台计算机图像视觉库的格式图像中的像素点总个数的99％，即为，大于等于格式图像中的像素点总个数的99％，则计算每行像素值总和得LineSum[y]，y∈[0,rows)。

上述，每行像素值总和为在该帧的跨平台计算机图像视觉库的格式图像中，按照横向获取的每一行的像素点对应的像素值的总和。并根据该每行像素值总和可进一步计算得出每行像素值均值，即为每一行的像素值的均值，将每行像素值总和除以每行像素点的总个数，即可得到每行像素值均值。

步骤S227，若所述每行像素值均值大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中属于出光状态。

步骤S228，若所述每行像素值均值不大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

上述，预设出光像素均值为预设的对每一行的像素是否为出光状态时像素点的像素值的评价标准。在本实施例中，为5，也可以根据实际精确度的需要调整为其他数值，例如8、10等等。

上述，在本实施例中，如果LineAver[y]中存在某一行的平均值大于5，则认为出光设备(例如光子脱毛仪)在本帧图像里属于出光状态，否则属于非出光状态。本帧格式图像判断完成，开始下一帧格式图像的判断。对于视频采集设备中，基于传感器对图像采集获取的性质，本实施例提出的方法中，在对于像素点的像素值进行判断为暗点后，如果暗点个数大于等于像素点总个数的99％，则进行通过图像中是否存在横向像素光线进行判断，如果存在则判断为出光状态，若不存在则判定为非出光状态，本实施例所提供的方法，增加了对于视频采集设备的传感器是按像素行进行光电转换的特性的考量，对于图像中的横向像素光线进行捕捉，从而提高对于格式图像中存在出光状态时的像素点的判断的准确性和精确度。

实施例5：

参照图6和图7，本发明第四实施例提供一种基于计算机视觉的出光设备的出光检测方法，基于上述图2所示的第一实施例，所述步骤S100“采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”包括：

步骤S110，采集所述出光设备在暗室内工作时的图像数据；

上述图像数据为可以为数据流，即为视频数据。

步骤S120，将所述图像数据转换为H.264数据流，并获取所述H.264数据流对应的时间戳，生成包含所述H.264数据流和与所述H.264数据流对应的时间戳的数据流包；

上述，需要说明的是，H.264，同时也是MPEG-4第十部分，是由ITU-T视频编码专家组(VCEG)和ISO/IEC动态图像专家组(MPEG)联合组成的联合视频组(JVT，Joint VideoTeam)提出的高度压缩数字视频编解码器标准。这个标准通常被称之为H.264/AVC(或者AVC/H.264或者H.264/MPEG-4AVC或MPEG-4/H.264AVC)而明确的说明它两方面的开发者。

上述，将图像数据转换为H.264数据流，其中数据流带有对应的时间戳，并生成带有时间戳的数据流包。

步骤S130，解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图。

所述步骤S130“解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图”包括：

步骤S131，解码得到所述数据流包中的每一帧图像和与每一帧图像对应的时间戳，转换为跨平台计算机图像视觉库EmguCV的Image<Gray,byte>格式图像；

上述，在本实施例中，基于EmguCV对图像进行进一步的识别，需要转换为EmguCV图像格式的图像数据，即为将每一帧图像转换为Image<Gray,byte>格式图像。

上述，在进行皮肤检测仪捕获到影像并编码成H.264数据流，数据流附加成像时间戳后通过wifi传输到计算机视觉分析软件。

步骤S132，基于EmguCV，对所述Image<Gray,byte>格式图像进行高斯滤波算法处理，获取所述Image<Gray,byte>格式图像的像素值，得到带有时间戳的灰度分布直方图。

上述，需要说明的是，高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

上述，对EmguCV图像格式的Image<Gray,byte>格式图像进行高斯滤波算法，从而获取到该EmguCV图像格式的Image<Gray,byte>格式图像中的像素值，进而得到该帧Image<Gray,byte>格式图像的时间戳和灰度分布直方图。

实施例7：

为了更好的说明和理解本发明，参考图8，本实施例提供一种基于计算机视觉的出光设备的出光检测系统，包括：

10出光设备(光子脱毛仪)、20图像获取设备、30平台控制端(装有计算机视觉分析软件)、40暗室(黑箱)；

出光设备10，工作时会周期闪烁强脉冲光；

图像获取设备20，可以为皮肤检测仪，网络摄像机类设备，可以实时采集视频并无线传输到手机或电脑；

平台控制端30，装有计算机视觉分析软件，软件为基于C#语言和EmguCV库的视频图像分析程序；

暗室40，保证无环境光影响，准确识别出光设备(光子脱毛仪)的出光的暗室。

基于上述出光检测系统，参考图9，本实施例提供的一种基于计算机视觉的出光设备的出光检测方法，包括如下：

S1，出光设备、皮肤检测仪放置在暗室内，计算机视觉分析软件通过WIFI连接图像获取设备；

S2，出光设备设置成自动出光的模式；皮肤检测仪设置曝光时间使得曝光时间乘以帧率大于1，保证捕获到每一次出光；计算机视觉分析软件开始接收视频图像；

S3，出光设备出光瞬间强脉冲光会以直射或漫反射方式进入图像获取设备的光线传感器；

S4，图像获取设备捕获到影像并编码成H.264数据流，数据流附加成像时间戳后通过wifi传输到计算机视觉分析软件；

S5，计算机视觉分析软件解码H.264数据流得到每一帧图像和成像时间戳，转换成EmguCV的Image<Gray,byte>格式图像；

S6，EmguCV对Image<Gray,byte>格式图像执行高斯滤波，根据像素值[0，255]共256级统计Image<Gray,byte>格式图像的全部像素，得到全图的灰度分布直方图；

S7，因为暗室内只有出光设备(光子脱毛仪)一个发光源，在非出光状态，像素值在0值的分布将达100％；在出光状态，像素值在0值的分布将小于100％；

S8，EmguCV从灰度分布直方图识别暗点和亮点，根据亮点和暗点数据判断出光设备在本帧图像里是否属于出光状态；

S81，Histogram[256]表示像素值[0,255]对应的像素点个数；

S82，像素值小于5认为是暗点，直方图前5项[0，4]相加即得暗点总个数DarkCount；

S83，暗点个数DarkCount与全图总像素个数FullCount比较。如果暗点个数小于99％的总像素，则执行S84，否则执行S87；

S84，计算亮点像素值总和，BrightSum+＝Histogram[i]*i，i∈[5，255]；

S85，总像素减去暗点个数得亮点个数BrightCount，计算亮点平均值BrightAver＝BrightSum/BrightCount；

S86，如果亮点平均值BrightAver大于5，则认为出光设备在本帧图像里属于出光状态，否则属于非出光状态。本帧图像判断完成，开始下一帧图像判断；

S87，视频采集设备的传感器是按像素行进行光电转换，可能只捕获到数行像素的光线；y是从上到下的纵坐标，表示第y行；x是从左到右的横坐标，表示第x列。rows是总行数，cols是总列数。计算每行像素值总和得LineSum[y]，y∈[0,rows)；

S88，计算每行像素值平均值得LineAver[y]，y∈[0,rows)；

S89，如果LineAver[y]中存在某一行的平均值大于5，则认为出光设备在本帧图像里属于出光状态，否则属于非出光状态。本帧图像判断完成，开始下一帧图像判断；

S9，若出光设备属于出光状态，根据成像时间戳计算与上次出光的间隔时间，并记录出光次数和间隔时间。

S10，重复第三至第九步，直至检测完成。

S11，计算机视觉分析软件计算并显示出光设备的出光次数、出光间隔时间均值和方差，完成对出光设备出光的检测和统计。

此外，参考图10，本发明还提供一种基于计算机视觉的出光设备的出光检测装置，包括：采集模块50、识别模块60和计算模块70；

所述采集模块50，用于采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

所述识别模块60，用于根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

所述计算模块70，用于若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”直至检测完成。

此外，本发明还提供一种用户终端，包括存储器以及处理器，所述存储器用于存储基于计算机视觉的出光设备的出光检测程序，所述处理器运行所述基于计算机视觉的出光设备的出光检测程序以使所述用户终端执行如上述所述基于计算机视觉的出光设备的出光检测方法。

此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于计算机视觉的出光设备的出光检测程序，所述基于计算机视觉的出光设备的出光检测程序被处理器执行时实现如上述所述基于计算机视觉的出光设备的出光检测方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于计算机视觉的出光设备的出光检测方法，其特征在于，包括：

采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数。

2.如权利要求1所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态”包括：

识别每一帧的所述格式图像对应的分布直方图中的像素值，并得到所述像素值对应的像素点个数；

根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态。

3.如权利要求2所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“根据像素值和所述像素值对应的像素点个数计算得到像素点总个数、暗点总个数、暗点像素值均值、亮点总个数和亮点像素值均值，并根据所述像素点总个数、所述暗点总个数、所述暗点像素值均值、所述亮点总个数和所述亮点像素值均值判断所述出光设备在该帧的所述图像数据中是否属于出光状态”包括：

若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数；

若所述暗点总个数小于所述格式图像中的像素点总个数的99％，则计算所述格式图像中的亮点的所述亮点总个数，并根据每个亮点对应的像素值计算得到所述亮点像素值均值；

若所述亮点像素值均值大于预设亮点值，则判定所述出光设备在该帧的所述格式图像中属于出光状态；

若所述亮点像素值均值不大于所述预设亮点值，则判定所述出光设备在该帧的所述跨平台计算机图像视觉库的格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

4.如权利要求3所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“若所述像素点对应的所述像素值小于预设暗点值，则判定所述像素值对应的像素点为暗点，并获取所述格式图像中的所述暗点总个数”之后，还包括：

若所述暗点总个数不小于所述格式图像中的像素点总个数的99％，则计算所述格式图像的纵坐标对应的每行像素值总和；

根据所述每行像素值总和以及每行的像素值个数，计算得到每行像素值均值；

若所述每行像素值均值大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中属于出光状态。

5.如权利要求4所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“根据所述每行像素值总和以及每行的像素值个数，计算得到每行像素值均值”之后，还包括：

若所述每行像素值均值不大于预设出光像素均值，则判定所述出光设备在该帧的所述格式图像中不属于出光状态，并返回所述“采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”。

6.如权利要求1所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图”包括：

采集所述出光设备在暗室内工作时的图像数据；

将所述图像数据转换为H.264数据流，并获取所述H.264数据流对应的时间戳，生成包含所述H.264数据流和与所述H.264数据流对应的时间戳的数据流包；

解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图。

7.如权利要求6所述基于计算机视觉的出光设备的出光检测方法，其特征在于，所述“解码并转换所述数据流包至所述格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，得到带有时间戳的灰度分布直方图”包括：

解码得到所述数据流包中的每一帧图像和与每一帧图像对应的时间戳，转换为跨平台计算机图像视觉库EmguCV的Image<Gray,byte>格式图像；

基于EmguCV，对所述Image<Gray,byte>格式图像进行高斯滤波算法处理，获取所述Image<Gray,byte>格式图像的像素值，得到带有时间戳的灰度分布直方图。

8.一种基于计算机视觉的出光设备的出光检测装置，其特征在于，包括：采集模块、识别模块和计算模块；

所述采集模块，用于采集所述出光设备在暗室内工作时的图像数据采集出光设备在暗室内工作时的图像数据，将每一帧所述图像数据转换为跨平台计算机图像视觉库的格式图像，解析出对应的时间戳，并对所述格式图像的每个像素点进行识别，以得到灰度分布直方图；

所述识别模块，用于根据所述灰度分布直方图和所述像素点判断所述出光设备在该帧的所述格式图像中是否属于出光状态；

所述计算模块，用于若所述出光设备在该帧的所述格式图像中属于出光状态，则根据该帧的所述格式图像对应的时间戳计算得到与前一次达到出光状态的间隔时间，统计总出光次数。

9.一种用户终端，其特征在于，包括存储器以及处理器，所述存储器用于存储基于计算机视觉的出光设备的出光检测程序，所述处理器运行所述基于计算机视觉的出光设备的出光检测程序以使所述用户终端执行如权利要求1-7中任一项所述基于计算机视觉的出光设备的出光检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于计算机视觉的出光设备的出光检测程序，所述基于计算机视觉的出光设备的出光检测程序被处理器执行时实现如权利要求1-7中任一项所述基于计算机视觉的出光设备的出光检测方法。