CN109242906A - 一种微积分累加的目标图像识别算法及方法 - Google Patents
一种微积分累加的目标图像识别算法及方法 Download PDFInfo
- Publication number
- CN109242906A CN109242906A CN201811074244.9A CN201811074244A CN109242906A CN 109242906 A CN109242906 A CN 109242906A CN 201811074244 A CN201811074244 A CN 201811074244A CN 109242906 A CN109242906 A CN 109242906A
- Authority
- CN
- China
- Prior art keywords
- image
- cumulative
- pixel
- target
- color
- 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.)
- Pending
Links
- 230000001186 cumulative effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011282 treatment Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 239000011521 glass Substances 0.000 description 16
- 239000007788 liquid Substances 0.000 description 11
- 239000000428 dust Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本发明公开了一种微积分累加的目标图像识别算法,首先对图像以像素点的分布进行两轴坐标系建立,其中一轴与图像中目标物体的长度方向平行并作为累加轴,另一轴作为移动计算轴,然后根据移动计算轴计算每个累加轴方向上匹配的像素点之和,选取像素点之和的最大值,该最大值对应的位置即为目标物体所在位置;以及一种采用上述算法进行识别以及读数的方法。本发明识别精度高,能够适应各种干扰情况,提高了人工智能的精确度。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种微积分累加的目标图像识别算法及方法。
背景技术
随着人工智能理念越来越普及,许多老式仪器仪表、不能仪表化的工作场合、有人值守场景,难于自动化的问题日益凸显,当对这些场景进行智能升级时,对于各式各样的老仪表和复杂的现场,如何进行仪器仪表和场景的识别读取,以实现对现有系统的人工智能升级改造和对新建系统人工智能化,并通过仪器仪表和场景的识别读取使人工智能领域得到越来越广泛的应用。
目前的仪器仪表识别读取系统识别指针方法,包括以下两种:
1.直线法:通过霍夫变换,对边缘的每一个像素点(x0,y0),把可能经过它的所有直线y=kx+b,映射到k-b空间(即hough space),然后进行筛选,得到直线。
2.扫描法:以中心为圆心,适当的半径进行扫描,得到两个圆弧交点,通过两个圆弧交点求出两中心点所对应的圆心角,进而求出两个指针示数。
对于扫描法,该方法关键是得到扫描的交点,但是针对以下造成仪表指针定位不准的问题,就会使交点不准确,进而得到错误读数。详细描述如下:
仪表玻璃罩有灰尘:该情况会使仪表玻璃罩模糊不清,而可能导致扫描不到仪表指针,因此无法读取仪表指针读数。
仪表玻璃罩存在异物遮挡:如果仪表玻璃罩被其他物体遮挡,则可能将异物错以为扫描到的仪表指针,进而得到错误读数。
仪表玻璃罩光影干扰:光影是光源照射物体表面形成的影像,它使仪表表盘出现明暗变化,可能把光影当成指针或把光影当成指针的一部分,进而造成仪表指针定位不准,读取错误读数。
仪表玻璃罩液滴干扰:如果仪表玻璃罩存在液滴,则可能会使仪表指针发生形变或截断,这就会使扫描到的仪表指针与实际应该扫描到的仪表指针存在一定的误差或找不到正确指针,进而得到错误的读数。
仪表玻璃罩液面干扰:有些仪表玻璃罩内存在液体,液面可能会截断指针,也可能错误的把液面当成指针,进而得到错误的读数。
对于直线法,该方法关键是得到霍夫直线,但是针对以下造成找不到正确的指针直线,进而得到错误读数。详细描述如下:
仪表玻璃罩灰尘,会使表盘模糊不清,造成直线法会识别出许多直线,使读数不准确。
异物遮挡,当用直线法搜寻直线的时候,会因为表盘上有异物,使异物与表盘上的其它物体形成直线,造成识别错误。
光影干扰,当用直线法的时候,会把光影识别成指针,造成识别错误。
液滴干扰,当指针上有液滴的时候,会使指针变形,而无法识别出直线。
液面干扰,当液面与指针想重叠交叉的时候,会使指针变形或断开,造成无法识别出直线。
综上所述,上述的两种识别方法无法准确的运用到无人化值守中。
发明内容
本发明要解决的技术问题是提供一种微积分累加的目标图像识别算法及方法,识别精度高,能够适应各种干扰情况,提高了人工智能的精确度。
为了解决上述技术问题,本发明提供了一种微积分累加的目标图像识别算法,首先对图像以像素点的分布进行两轴坐标系建立,其中一轴与图像中目标物体的长度方向平行并作为累加轴,另一轴作为移动计算轴,然后根据移动计算轴计算每个累加轴方向上匹配的像素点之和,选取像素点之和的最大值,该最大值对应的位置即为目标物体所在位置。
进一步的,对累加轴方向上的像素点进行颜色比对,当累加轴方向上的像素点颜色与目标物体的像素点颜色一致时,将该累加轴方向上的像素点记录为累加轴方向上匹配的像素点。
进一步的,将移动计算轴的0点与目标物体所在图像中的起始位置重叠。
一种图像识别方法,包括以下步骤:
步骤1)配置模板,将检测物体在检测前图像进行存档,作为标准图像模板,在标准图像模板中确定目标物体像素的颜色;
步骤2)采集识别图像,将识别图像与标准图像模板进行匹配,在识别图像中找寻与标准图像模板一致的目标区位置,通过裁剪得到目标区;
步骤3)通过在目标区内进行去噪音,通过裁剪得到目标区内目标物体的移动区域图像;
步骤4)根据标准图像模板中确定的目标物体像素的颜色对移动区域图像进行颜色处理,得到颜色区分图像,通过在颜色区分图像中进行像素点的颜色筛选,查找颜色区分图像中目标物体的位置,根据移动区域图像与目标物体的位置配合识别读数或状态。
进一步的,在颜色区分图像中进行像素点的颜色筛选时,采用权利要求1-3中任意一项所述的微积分累加的目标图像识别算法。
进一步的,所述步骤4)中对移动区域图像进行颜色处理的方法为二值化处理。
进一步的,所述标准图像模板与采集识别图像的拍摄角度一致。
本发明的有益效果:
本发明巧妙地通过数学的积分原理,解决了仪表玻璃罩划痕灰尘污垢异物遮挡,光影干扰,液滴液面干扰,不规则形状仪表指针等一系列造成仪表指针定位不准的问题;因此使用适应范围广。
并且本发明还可以对于无人值守自动识别系统针对物体位移场景变化定位不准的问题提高准确率,如刀闸开合中刀闸的识别,车位锁开关中的车位锁杆的识别,大门的开关中大门位置识别,大门横杆的开关中横杆位置识别等。
附图说明
图1是本发明的算法原理示意图;
图2是本发明的像素比对累加流程图;
图3是本发明的目标区图像;
图4是本发明移动区域图像;
图5是本发明二值化处理的图像;
图6是本发明通过算法得出的像素点累加示意图;
图7是本发明仪表识别流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本发明的微积分累加的目标图像识别算法的一实施例,主要是对于仪表指针和大门横杆等目标物体位置识别采用微积分累加的目标图像识别算法,在目标图像中,先求出图像的积分变上限函数曲线,设目标物体形状函数是y=f(x),如图1中的a所示;那么积分变上限函数是如图1中的b所示。再在目标图像中求出积分变上限函数曲线的微分函数曲线利用积分变限性质定理二,如果函数f(x)在区间[a,b]上连续,则积分变上限函数在[a,b]上具有导数,并且导数为:
得到φ'(x)=f(x),如图1中C所示。目标物体形状是闭合曲线,所以要分成上下两部分处理,设上部分是f1(x)下部分是f2(x),所以φ'(x)=f1(x)-f2(x),由此式可以得出φ'(x)在某点函数值就是这点纵坐标方向的目标物体的像素点之和的倍数。函数值最后即为纵坐标方向的目标物体的像素累加之和。
在实际的图像处理中进行代数化简和优化,首先对图像以像素点的分布进行两轴坐标系建立,其中一轴与图像中目标物体的长度方向平行并作为累加轴,另一轴作为移动计算轴,然后根据移动计算轴计算每个累加轴方向上匹配的像素点之和,选取像素点之和的最大值,该最大值对应的位置即为目标物体所在位置。
其中,参照图2所示,像素点的累加过程具体步骤如下:
1、图片的横坐标x初始化为0;
2、图片的纵坐标y初始化为0;
3、获取这个像素点的颜色;
4、判断这个点的素点的颜色是否与目标物体一致;
5、如果相同,则这个点的函数值加1;
6、如果不同,则这个点的函数值加0;
7、纵坐标y加1;
8、判断坐标y是否到达边界;
9、如果未到达返回第3步,累加下一个像素;
10、如果到达边界,那么横坐标x加1,计算下一个点的累加值;
11、判断横坐标x是否到达边界;
12、如果未到达边界返回第2步,重新累加;
13、如果到达边界则计算完所以函数值完成。
通过上述步骤可以计算出像素点之和的最大值,从而便于判断。
在上述对累加轴方向上的像素点进行颜色比对,当累加轴方向上的像素点颜色与目标物体的像素点颜色一致时,将该累加轴方向上的像素点记录为累加轴方向上匹配的像素点,可以参照上述步骤记录为1,则不匹配的像素点就记录为0。
当计算得到目标物体所在位置后,为了便于计算读数或者当前状态,将移动计算轴的0点与目标物体所在图像中的起始位置重叠,重叠后目标物体位于两轴坐标系中的位置便于快速的换算,从而能够快速得出结果。
以下根据仪表需要读数为例,如图7所示,提供一种图像识别方法:
先配置模板,将检测物体在检测前图像进行存档,作为标准图像模板,在标准图像模板中确定目标物体(即指针)的像素的颜色,起到基础对比的效果,该标准图像模板即为仪表单独图像;
然后采集识别图像,将识别图像与仪表单独图像进行匹配,在识别图像中找寻与仪表单独图像的位置在何处,即为目标区位置,找寻到后通过裁剪得到目标区,如图3所示;
通过在目标区内进行去噪音,将仪表的边框等去除,通过裁剪得到目标区内目标物体的移动区域图像,即表盘部分图像,如图4所示;
根据仪表单独图像中确定的指针的像素的颜色对移动区域图像进行颜色处理,此处采用二值化处理,如图5所示,当然也可以采用其他处理手段,得到颜色区分图像;通过在颜色区分图像中进行像素点的颜色筛选,采用上述微积分累加的目标图像识别算法来查找颜色区分图像中指针的位置,如图6所示,累加最多的即为指针,为了便于观看,附图被旋转示意,根据移动区域图像与目标物体的位置配合,即指针所处的位置即为读数,移动区域图像中的数值可以通过图像的比例等换算得出,因此能够得到准确的读数;
为了提高识别精度,可以将标准图像模板与采集识别图像的拍摄角度一致,这样在识别后的读数精准度大大提高。
上述操作方法还可以针对,门闩类结构判断,通过识别可以得到门闩的位置,根据位置状态的不同可以判断门的开关,因此适用范围较广。
使用微积分累加的目标图像识别算法运用后,对仪表玻璃罩存在异物遮挡的情况,通过对图像按指针颜色二值化可以减弱过轴心的阴影,通过径积分累加可以使不过轴心的阴影的峰值降低,可以有效的避免识别错误;对仪表玻璃罩有灰尘的情况,虽然表盘图像比较模糊,但也可以通过指针上的颜色点进行累加,得到一个峰值,进而得到指针;对于仪表玻璃罩液面干扰的情况,液面割断了指针,使指针弯曲,在进行微积分累加的目标图像识别算法时,虽然液面也会进行像素的累计,但是指针上的累计点更多,所以液面也不会造成影响;对于仪表玻璃罩液滴干扰或者仪表玻璃罩存在异物遮挡的情况,液滴使指针截断,但是得到的峰值还是指针的最高。综上所述,本发明提高了自动识别系统中的识别目标的准确率,如电力巡检仪器仪表识别读取、工业仪器仪表识别读取、民用水电煤气表识别读取、无人值守自动识别系统等系统。对于仪表自动读数主要针对仪表指针定位不准的问题提高准确率,对于无人值守自动识别系统针对物体位移场景变化定位不准的问题提高准确率,如刀闸开合中刀闸的识别,车位锁开关中的车位锁杆的识别,大门的开关中大门位置识别,大门横杆的开关中横杆位置识别等。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (7)
1.一种微积分累加的目标图像识别算法,其特征在于,首先对图像以像素点的分布进行两轴坐标系建立,其中一轴与图像中目标物体的长度方向平行并作为累加轴,另一轴作为移动计算轴,然后根据移动计算轴计算每个累加轴方向上匹配的像素点之和,选取像素点之和的最大值,该最大值对应的位置即为目标物体所在位置。
2.如权利要求1所述的微积分累加的目标图像识别算法,其特征在于,对累加轴方向上的像素点进行颜色比对,当累加轴方向上的像素点颜色与目标物体的像素点颜色一致时,将该累加轴方向上的像素点记录为累加轴方向上匹配的像素点。
3.如权利要求1所述的微积分累加的目标图像识别算法,其特征在于,将移动计算轴的0点与目标物体所在图像中的起始位置重叠。
4.一种图像识别方法,其特征在于,包括以下步骤:
步骤1)配置模板,将检测物体在检测前图像进行存档,作为标准图像模板,在标准图像模板中确定目标物体像素的颜色;
步骤2)采集识别图像,将识别图像与标准图像模板进行匹配,在识别图像中找寻与标准图像模板一致的目标区位置,通过裁剪得到目标区;
步骤3)通过在目标区内进行去噪音,通过裁剪得到目标区内目标物体的移动区域图像;
步骤4)根据标准图像模板中确定的目标物体像素的颜色对移动区域图像进行颜色处理,得到颜色区分图像,通过在颜色区分图像中进行像素点的颜色筛选,查找颜色区分图像中目标物体的位置,根据移动区域图像与目标物体的位置配合识别读数或状态。
5.如权利要求4所述的微积分累加的目标图像识别算法,其特征在于,在颜色区分图像中进行像素点的颜色筛选时,采用权利要求1-3中任意一项所述的微积分累加的目标图像识别算法。
6.如权利要求4所述的微积分累加的目标图像识别算法,其特征在于,所述步骤4)中对移动区域图像进行颜色处理的方法为二值化处理。
7.如权利要求4所述的微积分累加的目标图像识别算法,其特征在于,所述标准图像模板与采集识别图像的拍摄角度一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074244.9A CN109242906A (zh) | 2018-09-14 | 2018-09-14 | 一种微积分累加的目标图像识别算法及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811074244.9A CN109242906A (zh) | 2018-09-14 | 2018-09-14 | 一种微积分累加的目标图像识别算法及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242906A true CN109242906A (zh) | 2019-01-18 |
Family
ID=65058122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811074244.9A Pending CN109242906A (zh) | 2018-09-14 | 2018-09-14 | 一种微积分累加的目标图像识别算法及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242906A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083794A (zh) * | 2019-04-29 | 2019-08-02 | 武汉轻工大学 | 三重积分信息的模式变换方法、设备、存储介质及装置 |
CN112464949A (zh) * | 2020-11-16 | 2021-03-09 | 广东电网有限责任公司 | 一种消除液位线对仪表指针识别影响的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097920A1 (en) * | 1997-11-03 | 2002-07-25 | Blake R. Bender | Method and apparatus for correcting correlation errors in a composite image |
CN102521560A (zh) * | 2011-11-14 | 2012-06-27 | 上海交通大学 | 高鲁棒仪表指针图像识别方法 |
CN102799867A (zh) * | 2012-07-09 | 2012-11-28 | 哈尔滨工业大学 | 基于图像处理的仪表指针转角识别方法 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN108121985A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的双指针仪表读数方法 |
-
2018
- 2018-09-14 CN CN201811074244.9A patent/CN109242906A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097920A1 (en) * | 1997-11-03 | 2002-07-25 | Blake R. Bender | Method and apparatus for correcting correlation errors in a composite image |
CN102521560A (zh) * | 2011-11-14 | 2012-06-27 | 上海交通大学 | 高鲁棒仪表指针图像识别方法 |
CN102799867A (zh) * | 2012-07-09 | 2012-11-28 | 哈尔滨工业大学 | 基于图像处理的仪表指针转角识别方法 |
CN104751187A (zh) * | 2015-04-14 | 2015-07-01 | 山西科达自控股份有限公司 | 抄表图像自动识别方法 |
CN108121985A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的双指针仪表读数方法 |
Non-Patent Citations (1)
Title |
---|
胡金梅 等: "《高等数学》", 30 June 2018, 西安交通大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083794A (zh) * | 2019-04-29 | 2019-08-02 | 武汉轻工大学 | 三重积分信息的模式变换方法、设备、存储介质及装置 |
CN112464949A (zh) * | 2020-11-16 | 2021-03-09 | 广东电网有限责任公司 | 一种消除液位线对仪表指针识别影响的方法 |
CN112464949B (zh) * | 2020-11-16 | 2024-03-29 | 广东电网有限责任公司 | 一种消除液位线对仪表指针识别影响的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN111414934A (zh) | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 | |
CN104899609B (zh) | 一种基于图像配准的机械式表计识别方法 | |
Jiale et al. | Reading recognition method of analog measuring instruments based on improved hough transform | |
CN107909047B (zh) | 一种汽车及其应用的车道检测方法及系统 | |
CN107702663A (zh) | 一种基于具有标志点的旋转平台的点云配准方法 | |
CN103425988A (zh) | 一种具有圆弧几何基元的实时定位与匹配方法 | |
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN109242906A (zh) | 一种微积分累加的目标图像识别算法及方法 | |
CN111062940A (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN109447062A (zh) | 基于巡检机器人的指针型仪表识别方法 | |
CN116168028B (zh) | 低可见度下基于边缘滤波的高铁原始图像处理方法和系统 | |
CN104715491A (zh) | 一种基于一维灰度矩的亚像素边缘检测方法 | |
CN111563896A (zh) | 一种用于接触网异常检测的图像处理方法 | |
CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
CN102096826B (zh) | 基于真实似然特征的多分辨率遥感图像复合分类方法 | |
Zhao et al. | Research and implementation of license plate recognition technology | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
CN114022441A (zh) | 一种不规则五金件的缺陷检测方法 | |
CN113674218A (zh) | 焊缝特征点提取方法、装置、电子设备与存储介质 | |
Zhang et al. | Automobile instrument detection using prior information and fuzzy sets | |
Wan et al. | IPCS: An improved corner detector with intensity, pattern, curvature, and scale | |
CN111508022B (zh) | 一种基于随机采样一致性的线激光条纹定位方法 | |
CN110991233B (zh) | 指针式压力表的自动读数方法 | |
Deshmukh et al. | Analysis of distance measurement system of leading vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |