CN112990309A - 检测仪表设备是否存在异物遮挡的方法及系统 - Google Patents
检测仪表设备是否存在异物遮挡的方法及系统 Download PDFInfo
- Publication number
- CN112990309A CN112990309A CN202110271173.7A CN202110271173A CN112990309A CN 112990309 A CN112990309 A CN 112990309A CN 202110271173 A CN202110271173 A CN 202110271173A CN 112990309 A CN112990309 A CN 112990309A
- Authority
- CN
- China
- Prior art keywords
- key area
- value
- standard deviation
- brightness
- threshold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种检测仪表设备是否存在异物遮挡的方法及系统,其包括:在仪表设备模板图像中标注出关键区域,从待测仪表设备的图像中提取出相应的关键区域;确定待测仪表设备的关键区域的标准差以及所述仪表设备模板图像的关键区域的标准差;将待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像的标准差的值相关;若待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。根据本发明的检测仪表设备是否存在异物遮挡的方法及系统,其处理速度更快、识别效果更好且使用场景更为广泛。
Description
技术领域
本发明是关于仪器仪表智能识别技术领域,特别是关于一种检测仪表设备是否存在异物遮挡的方法及系统。
背景技术
随着仪器仪表智能识别技术的发展,在电力、金融、化工、机械和电子等领域,越来越多的仪表设备状态通过相机获取图像或视频信息来进行识别监控,这就需要对智能识别系统的工作状态进行自动检测并对出现的异常情况进行报警。若要识别的仪表设备被人为操作或意外出现的异物进行了遮挡,自动识别系统则无法有效地进行仪表设备状态的检测,从而对生产工作产生不利影响。因而,研究基于图像处理和机器视觉的仪表设备异物遮挡的自动检测方法,具有重要的实用意义。
发明人在实现本发明的过程中发现,现有的仪表设备异物遮挡自动检测的方法中大多都是针对某种或者某几种特定遮挡物的识别,这种方法需要采集大量固定类别遮挡物的图像作为样本数据,并选择合适的深度学习网络,进行训练和参数调节,然后通过调节好参数的深度学习网络来检测和识别遮挡物。这种方法需要预先获取大量的样本数据才能取得良好的识别效果,但实现中可能无法获取到大量数据;另外只能针对预先设定好的特定目标遮挡物进行识别,对出现的其他类别的遮挡物无法进行识别,导致适用的场景非常有限。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种检测仪表设备是否存在异物遮挡的方法及系统,其处理速度更快、识别效果更好且使用场景更为广泛。
为实现上述目的,本发明提供了一种检测仪表设备是否存在异物遮挡的方法,其包括:在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域;根据标准差算法分别确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像中的关键区域的标准差;将所述待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关;若所述待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
在本发明的一实施方式中,若所述关键区域为单通道图像,则根据标准差算法确定所述关键区域的标准差包括:获取所述关键区域的单通道c的亮度信息,根据所述单通道c的亮度信息、第一式子以及第二式子确定出所述标准差的值,其中,所述第一式子为:所述第二式子为:其中,Vc为所述关键区域的标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fc(x,y)为所述关键区域中的像素点的单通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μc为所述关键区域的单通道亮度平均值。
在本发明的一实施方式中,若所述关键区域为红绿蓝三通道图像,则根据标准差算法确定所述关键区域的标准差包括:获取所述关键区域的红色通道r的亮度信息,根据所述红色通道r的亮度信息、第三式子以及第四式子确定出第一标准差的值;获取所述关键区域的绿色通道g的亮度信息,根据所述绿色通道g的亮度信息、第五式子以及第六式子确定出第二标准差的值;获取所述关键区域的蓝色通道b的亮度信息,根据所述蓝色通道b的亮度信息、第七式子以及第八式子确定出第三标准差的值;确定所述第一标准差、所述第二标准差以及所述第三标准差的平均值,其中,所述平均值为所述关键区域的标准差。
其中,所述第三式子为:所述第四式子为:其中,Vr为所述第一标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fr(x,y)为所述关键区域中的像素点的红色通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μr为所述关键区域的红色通道亮度平均值。所述第五式子为:所述第六式子为: 其中,Vg为所述第二标准差,fg(x,y)为所述关键区域中的像素点的绿色通道亮度值,μg为所述关键区域的绿色通道亮度平均值。所述第七式子为:所述第八式子为: 其中,Vb为所述第三标准差,fb(x,y)为所述关键区域中的像素点的蓝色通道亮度值,μb为所述关键区域的蓝色通道亮度平均值。
在本发明的一实施方式中,所述第一阈值为所述仪表设备模板图像中的关键区域的标准差的值与第一预设值的差,所述第二阈值为所述仪表设备模板图像中的关键区域的标准差与第二预设值的和,其中,所述第一预设值以及所述第二预设值均是根据人工经验而设置的。
在本发明的一实施方式中,所述方法还包括:若所述待测仪表设备的关键区域的标准差的值大于等于所述第一阈值且小于等于所述第二阈值,则根据第九式子和第十式子分别确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量;将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关;若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值或者大于所述第四阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
其中,所述第九式子为所述第十式子为G=∑lp(l),其中,Hth为预设的有效亮度像素数阈值,可以根据人工经验而设置,p(l)为有效亮度函数,当亮度值l的像素数量h(l)超过Hth时,其值为1,表示l为有效的亮度,当亮度值l的像素数量h(l)不超过Hth时,其值为0,表示l为无效的亮度,G为所述有效亮度等级数量。
在本发明的一实施方式中,所述方法还包括:所述第三阈值为所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值与第三预设值的差,所述第四阈值为所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值与第四预设值的和,其中,所述第三预设值以及所述第四预设值均是根据人工经验而设置的。
在本发明的一实施方式中,所述方法还包括:若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值大于等于所述第三阈值且小于等于所述第四阈值,则判定所述待测仪表设备的关键区域不存在异物遮挡。
基于同样的发明构思,本发明还提供了一种检测仪表设备是否存在异物遮挡的系统,其包括:关键区域提取模块、标准差确定模块、比较模块、判定模块。关键区域提取模块用于在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域;标准差确定模块与所述关键区域提取模块相耦合,用于根据标准差算法分别确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像中的关键区域的标准差;比较模块与所述标准差确定模块相耦合,用于将所述待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关;判定模块与所述比较模块相耦合,用于若所述待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
在本发明的一实施方式中,所述系统还包括:有效亮度等级数量确定模块,其与所述比较模块相耦合,用于若所述待测仪表设备的关键区域的标准差的值大于等于所述第一阈值且小于等于所述第二阈值,则根据第九式子和第十式子分别确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量。所述比较模块还用于将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关。所述判定模块还用于若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值或者大于所述第四阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
其中,所述第九式子为所述第十式子为G=∑lp(l),其中,Hth为预设的有效亮度像素数阈值,可以根据人工经验而设置,p(l)为有效亮度函数,当亮度值l的像素数量h(l)超过Hth时,其值为1,表示l为有效的亮度,当亮度值l的像素数量h(l)不超过Hth时,其值为0,表示l为无效的亮度,G为所述有效亮度等级数量。
基于同样的发明构思,本发明还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一项实施方式所述的检测仪表设备是否存在异物遮挡的方法的步骤。
与现有技术相比,根据本发明的检测仪表设备是否存在异物遮挡的方法及系统,通过图像处理的方式比较无遮挡物图像和实际图像的相关特征来判断有无遮挡物,无须提前预知遮挡物种类,能够更为快速地得到检测结果,且检测结果更为准确,适用场景更为广泛,有效协助相机智能监控系统获取更准确的设备状态信息。
附图说明
图1是根据本发明一实施方式的检测仪表设备是否存在异物遮挡的方法的步骤组成;
图2是根据本发明一实施方式的检测仪表设备是否存在异物遮挡的方法的步骤组成;
图3是根据本发明一实施方式的检测仪表设备是否存在异物遮挡的系统的结构组成;
图4是根据本发明一实施方式的检测仪表设备是否存在异物遮挡的系统的结构组成。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
针对现有仪表设备异物遮挡自动检测方法中的不足,本发明公开了一种具有更快处理速度、更好识别效果且具有更广泛使用场景的仪表设备遮挡自动检测方法。该方法无须提前预知遮挡物种类,且能高效准确地获取仪表设备遮挡情况,协助相机智能监控系统获取更准确的设备状态信息。
图1是根据本发明一实施方式的检测仪表设备是否存在异物遮挡的方法的步骤组成。该方法包括步骤S1~步骤S4。
在步骤S1中,在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域。其中,关键区域可以根据实际情况而标注,如可以是仪表中的指针或数字等所在的区域。
在步骤S2中,根据标准差算法分别确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像中的关键区域的标准差。
具体而言,在步骤S2中,若本实施方式的关键区域的图像为单通道图像,确定所述关键区域的标准差包括:获取所述关键区域的单通道c的亮度信息,根据所述单通道c的亮度信息、第一式子以及第二式子确定出所述标准差的值。
其中,所述第一式子为:所述第二式子为:其中,Vc为所述标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fc(x,y)为所述关键区域中的像素点的单通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μc为所述关键区域的单通道亮度平均值。
在步骤S2中,若本实施方式的关键区域的图像为红绿蓝三通道图像,则所述确定所述关键区域的标准差包括:获取所述关键区域的红色通道r的亮度信息,根据所述红色通道r的亮度信息、第三式子以及第四式子确定出第一标准差的值;获取所述关键区域的绿色通道g的亮度信息,根据所述绿色通道g的亮度信息、第五式子以及第六式子确定出第二标准差的值;获取所述关键区域的蓝色通道b的亮度信息,根据所述蓝色通道b的亮度信息、第七式子以及第八式子确定出第三标准差的值;确定所述第一标准差、所述第二标准差以及所述第三标准差的平均值,其中,所述平均值为所述关键区域的标准差。
其中,所述第三式子为:所述第四式子为:其中,Vr为所述第一标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fr(x,y)为所述关键区域中的像素点的红色通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μr为所述关键区域的红色通道亮度平均值。
在步骤S3中,将所述待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关。具体而言,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值的关系如下式所示:Vmin=Vtemp-b;Vmax=Vtemp+a。其中,Vmin为第一阈值,b为第一预设值,Vtemp为所述仪表设备模板图像中的关键区域的标准差,Vmax为第二阈值,a为第二预设值。其中,所述第一预设值b以及所述第二预设值a均是根据人工经验而设置的。
在步骤S4中,若所述待测仪表设备的关键区域的标准差小于所述第一阈值Vmin或者大于所述第二阈值Vmax,即所述待测仪表设备的关键区域的标准差不在第一阈值Vmin和第二阈值Vmax之间,则判定所述待测仪表设备的关键区域存在异物遮挡。
由此,本实施方式中通过计算图像关键区域的标准差、第一阈值以及第二阈值,判断所述待测仪表设备的关键区域的标准差是否在第一阈值和第二阈值之间的允许范围内,若不在允许范围内,则判定所述待测仪表设备存在异物遮挡。该检测方法可以快速准确地检测出仪表设备是否存在异物遮挡,该检测方法非常简单有效。
为了进一步提高检测异物检测的准确性,在一优选的实施方式中,如图2所示,所述检测仪表设备是否存在异物遮挡的方法还包括:步骤S5~步骤S7。
在步骤S5中,若所述待测仪表设备的关键区域的标准差大于等于所述第一阈值Vmin且小于等于所述第二阈值Vmax,则根据第九式子和第十式子确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像的关键区域的亮度直方图的有效亮度等级数量。
其中,所述第九式子为所述第十式子为G=∑lp(l),其中,Hth为预设的有效亮度像素数阈值,可以根据人工经验而设置,p(l)为有效亮度函数,当亮度值l的像素数量h(l)超过Hth时,其值为1,表示l为有效的亮度,当亮度值l的像素数量h(l)不超过Hth时,其值为0,表示l为无效的亮度,G为所述有效亮度等级数量。
在步骤S6中,将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像的关键区域的亮度直方图的有效亮度等级数量的值相关。所述第三阈值、所述第四阈值与所述仪表设备模板图像的关键区域的亮度直方图的有效亮度等级数量的关系式如下:Gmin=Gtemp-f;Gmax=Gtemp+e。
其中,Gmin为第三阈值;Gtemp为所述仪表设备模板图像的关键区域的亮度直方图的有效亮度等级数量;f为第三预设值,Gmax为第四阈值,e为第四预设值,其中,所述第三预设值f以及所述第四预设值e均是根据人工经验而设置的。
在步骤S7中,若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值Gmin或者大于所述第四阈值Gmax,即所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值不介于所述第三阈值Gmin和所述第四阈值Gmax之间,则判定所述待测仪表设备的关键区域存在异物遮挡,否则判定所述待测仪表设备的关键区域不存在异物遮挡。
由此,本实施方式中通过计算图像关键区域的有效亮度等级数量,判断所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量是否在所述第三阈值Gmin和所述第四阈值Gmax之间的允许范围之内,若不在,则判定所述待测仪表设备的关键区域存在异物遮挡,进一步提高了异物遮挡情况的检测准确性,具有更好的检测效果。
基于同样的发明构思,一实施方式中还提供了一种检测仪表设备是否存在异物遮挡的系统,如图3所示,其包括:关键区域提取模块10、标准差确定模块11、比较模块12、判定模块13。
关键区域提取模块10用于在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域。
标准差确定模块11与所述关键区域提取模块10相耦合,用于确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像的关键区域的标准差。
具体而言,若本实施方式的所述关键区域为单通道图像,所述标准差确定模块11确定所述关键区域的标准差包括:获取所述关键区域的单通道c的亮度信息,根据所述单通道c的亮度信息、第一式子以及第二式子确定出所述关键区域的标准差的值。
其中,所述第一式子为:所述第二式子为:其中,Vc为所述标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fc(x,y)为所述关键区域中的像素点的单通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μc为所述关键区域的单通道亮度平均值。
若本实施方式的所述关键区域为红绿蓝三通道图像,则所述标准差确定模块11确定所述关键区域的标准差包括:获取所述关键区域的红色通道r的亮度信息,根据所述红色通道r的亮度信息、第三式子以及第四式子确定出第一标准差的值;获取所述关键区域的绿色通道g的亮度信息,根据所述绿色通道g的亮度信息、第五式子以及第六式子确定出第二标准差的值;获取所述关键区域的蓝色通道b的亮度信息,根据所述蓝色通道b的亮度信息、第七式子以及第八式子确定出第三标准差的值;确定所述第一标准差、所述第二标准差以及所述第三标准差的平均值,其中,所述平均值为所述关键区域的标准差。
其中,所述第三式子为:所述第四式子为:其中,Vr为所述第一标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fr(x,y)为所述关键区域中的像素点的红色通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μr为所述关键区域的红色通道亮度平均值。
比较模块12与所述标准差确定模块11相耦合,用于将所述待测仪表设备的关键区域的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关。所述第一阈值为所述仪表设备模板图像中的关键区域的标准差的值与第一预设值的差,所述第二阈值为所述仪表设备模板图像中的关键区域的标准差的值与第二预设值的和,其中,所述第一预设值以及所述第二预设值均是根据人工经验而设置的。
判定模块13与所述比较模块12相耦合,用于若所述待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
为了进一步提高检测异物检测的准确性,在一优选的实施方式中,如图4所示,所述检测仪表设备是否存在异物遮挡的系统还包括:有效亮度等级数量确定模块14。
有效亮度等级数量确定模块14与所述比较模块12相耦合,用于若所述待测仪表设备的关键区域的标准差的值大于等于所述第一阈值且小于等于所述第二阈值,则根据第九式子和第十式子确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量。
其中,所述第九式子为所述第十式子为G=∑lp(l),其中,Hth为预设的有效亮度像素数阈值,可以根据人工经验而设置,p(l)为有效亮度函数,当亮度值l的像素数量h(l)超过Hth时,其值为1,表示l为有效的亮度,当亮度值l的像素数量h(l)不超过Hth时,其值为0,表示l为无效的亮度,G为所述有效亮度等级数量。
本实施方式中,所述比较模块12还用于将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关。所述判定模块13还用于若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值或者大于所述第四阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
基于同样的发明构思,一实施方式中还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一项实施方式所述的检测仪表设备是否存在异物遮挡的方法的步骤。
综上,根据本实施方式的检测仪表设备是否存在异物遮挡的方法及系统,提出了一种通过图像处理的方式比较无遮挡物图像和实际图像的相关特征来判断有无遮挡物,无须提前预知遮挡物种类,能够更为快速地得到检测结果,且检测结果更为准确,适用场景更为广泛,有效协助相机智能监控系统获取更准确的设备状态信息。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (10)
1.一种检测仪表设备是否存在异物遮挡的方法,其特征在于,包括:
在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域;
根据标准差算法分别确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像中的关键区域的标准差;
将所述待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关;以及
若所述待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
2.如权利要求1所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,若所述关键区域为单通道图像,则根据标准差算法确定所述关键区域的标准差包括:
获取所述关键区域的单通道c的亮度信息,根据所述单通道c的亮度信息、第一式子以及第二式子确定出所述关键区域的标准差的值,
其中,Vc为所述关键区域的标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fc(x,y)为所述关键区域中的像素点的单通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μc为所述关键区域的单通道亮度平均值。
3.如权利要求1所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,若所述关键区域为红绿蓝三通道图像,则根据标准差算法确定所述关键区域的标准差包括:
获取所述关键区域的红色通道r的亮度信息,根据所述红色通道r的亮度信息、第三式子以及第四式子确定出第一标准差的值;
获取所述关键区域的绿色通道g的亮度信息,根据所述绿色通道g的亮度信息、第五式子以及第六式子确定出第二标准差的值;
获取所述关键区域的蓝色通道b的亮度信息,根据所述蓝色通道b的亮度信息、第七式子以及第八式子确定出第三标准差的值;以及
确定所述第一标准差、所述第二标准差以及所述第三标准差的平均值,其中,所述平均值为所述关键区域的标准差,
其中,所述第三式子为:所述第四式子为:其中,Vr为所述第一标准差,x为所述关键区域中的像素点在图像坐标系中的横坐标,y为所述关键区域中的像素点在图像坐标系中的纵坐标,fr(x,y)为所述关键区域中的像素点的红色通道亮度值,M为所述关键区域在图像坐标系的横轴方向的像素数,N为所述关键区域在图像坐标系的纵轴方向的像素数,μr为所述关键区域的红色通道亮度平均值,
4.如权利要求1所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,所述第一阈值为所述仪表设备模板图像中的关键区域的标准差的值与第一预设值的差,所述第二阈值为所述仪表设备模板图像中的关键区域的标准差与第二预设值的和。
5.如权利要求1所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,所述方法还包括:
若所述待测仪表设备的关键区域的标准差的值大于等于所述第一阈值且小于等于所述第二阈值,则根据第九式子和第十式子分别确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量;
将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关;以及
若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值或者大于所述第四阈值,则判定所述待测仪表设备的关键区域存在异物遮挡,
6.如权利要求5所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,所述方法还包括:
所述第三阈值为所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值与第三预设值的差,所述第四阈值为所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值与第四预设值的和。
7.如权利要求5所述的检测仪表设备是否存在异物遮挡的方法,其特征在于,所述方法还包括:
若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值大于等于所述第三阈值且小于等于所述第四阈值,则判定所述待测仪表设备的关键区域不存在异物遮挡。
8.一种检测仪表设备是否存在异物遮挡的系统,其特征在于,包括:
关键区域提取模块,用于在预先获取的仪表设备模板图像中标注出关键区域,采用模板匹配算法从待测仪表设备的图像中提取出相应的关键区域;
标准差确定模块,与所述关键区域提取模块相耦合,用于根据标准差算法分别确定所述待测仪表设备的关键区域的标准差以及确定所述仪表设备模板图像中的关键区域的标准差;
比较模块,与所述标准差确定模块相耦合,用于将所述待测仪表设备的关键区域的标准差的值与第一阈值以及第二阈值进行比较,其中,所述第一阈值、所述第二阈值均与所述仪表设备模板图像中的关键区域的标准差的值相关;以及
判定模块,与所述比较模块相耦合,用于若所述待测仪表设备的关键区域的标准差的值小于所述第一阈值或者大于所述第二阈值,则判定所述待测仪表设备的关键区域存在异物遮挡。
9.如权利要求8所述的检测仪表设备是否存在异物遮挡的系统,其特征在于,所述系统还包括:
有效亮度等级数量确定模块,与所述比较模块相耦合,用于若所述待测仪表设备的关键区域的标准差的值大于等于所述第一阈值且小于等于所述第二阈值,则根据第九式子和第十式子分别确定所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量以及确定所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量,
其中,所述比较模块还用于将所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值与第三阈值以及第四阈值进行比较,其中,所述第三阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关,所述第四阈值与所述仪表设备模板图像中的关键区域的亮度直方图的有效亮度等级数量的值相关;
所述判定模块还用于若所述待测仪表设备的关键区域的亮度直方图的有效亮度等级数量的值小于所述第三阈值或者大于所述第四阈值,则判定所述待测仪表设备的关键区域存在异物遮挡,
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的检测仪表设备是否存在异物遮挡的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271173.7A CN112990309B (zh) | 2021-03-12 | 2021-03-12 | 检测仪表设备是否存在异物遮挡的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271173.7A CN112990309B (zh) | 2021-03-12 | 2021-03-12 | 检测仪表设备是否存在异物遮挡的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990309A true CN112990309A (zh) | 2021-06-18 |
CN112990309B CN112990309B (zh) | 2023-11-28 |
Family
ID=76336452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110271173.7A Active CN112990309B (zh) | 2021-03-12 | 2021-03-12 | 检测仪表设备是否存在异物遮挡的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990309B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN104240235A (zh) * | 2014-08-26 | 2014-12-24 | 北京君正集成电路股份有限公司 | 一种检测摄像头被遮挡的方法及系统 |
CN105828068A (zh) * | 2016-05-06 | 2016-08-03 | 北京奇虎科技有限公司 | 一种对摄像头进行遮挡检测的方法、装置及终端设备 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN106934922A (zh) * | 2017-03-15 | 2017-07-07 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法及装置 |
CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
CN111862228A (zh) * | 2020-06-04 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 遮挡检测的方法、系统、计算机设备和可读存储介质 |
-
2021
- 2021-03-12 CN CN202110271173.7A patent/CN112990309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN104240235A (zh) * | 2014-08-26 | 2014-12-24 | 北京君正集成电路股份有限公司 | 一种检测摄像头被遮挡的方法及系统 |
CN105828068A (zh) * | 2016-05-06 | 2016-08-03 | 北京奇虎科技有限公司 | 一种对摄像头进行遮挡检测的方法、装置及终端设备 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN106934922A (zh) * | 2017-03-15 | 2017-07-07 | 深圳怡化电脑股份有限公司 | 一种纸币检测方法及装置 |
CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
CN111862228A (zh) * | 2020-06-04 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 遮挡检测的方法、系统、计算机设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112990309B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3270134B1 (en) | Gas leak location estimating device, gas leak location estimating system, gas leak location estimating method and gas leak location estimating program | |
CN111047568B (zh) | 一种漏汽缺陷检测识别方法及系统 | |
US20170278234A1 (en) | Method for detecting a defect on a surface of a tire | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
CN105139384B (zh) | 缺陷胶囊检测的方法和装置 | |
CN105469380A (zh) | 对于对象的遮挡进行检测的方法和装置 | |
CN104079798B (zh) | 图像检测方法、装置及一种视频监控系统 | |
CN111967345A (zh) | 一种实时判定摄像头遮挡状态的方法 | |
CN115239661A (zh) | 基于图像处理的机械零件毛刺检测方法及系统 | |
CN103607558A (zh) | 一种视频监控系统及其目标匹配方法和装置 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
Lin et al. | A new prediction method for edge detection based on human visual feature | |
CN112990309B (zh) | 检测仪表设备是否存在异物遮挡的方法及系统 | |
JP2010008159A (ja) | 外観検査処理方法 | |
CN111062415B (zh) | 基于对比差异的目标对象图像提取方法、系统及存储介质 | |
JPH06308256A (ja) | 雲霧検出方法 | |
CN114627079B (zh) | 基于人工智能的安防监控设备异常检测方法及系统 | |
CN112508925B (zh) | 电子锁面板质量检测方法、系统、计算机装置和存储介质 | |
CN112614154B (zh) | 目标跟踪轨迹的获取方法、装置及计算机设备 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN109359646A (zh) | 基于巡检机器人的液位型仪表识别方法 | |
CN112991251B (zh) | 一种表面缺陷检测的方法、装置及设备 | |
CN108776146B (zh) | 丝印线条的检测方法及装置 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |