CN114972218B - 指针表读数识别方法和系统 - Google Patents
指针表读数识别方法和系统 Download PDFInfo
- Publication number
- CN114972218B CN114972218B CN202210517242.2A CN202210517242A CN114972218B CN 114972218 B CN114972218 B CN 114972218B CN 202210517242 A CN202210517242 A CN 202210517242A CN 114972218 B CN114972218 B CN 114972218B
- Authority
- CN
- China
- Prior art keywords
- image
- pointer
- average value
- pointer table
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000005286 illumination Methods 0.000 claims abstract description 28
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003825 pressing Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 206010000117 Abnormal behaviour Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及图像识别领域，公开了一种指针表读数识别方法和系统。该方法包括：获取待识别指针表图像；对该待识别指针表图像进行灰度处理得到灰度图像；对该灰度图像进行全局光照均衡化处理和亮度进行标准化处理；并对亮度标准化后的图像进行二值化处理得到二值化图像；统计该二值化中像素值为255的像素点坐标；基于所统计的像素点坐标，拟合得到该指针表的指针斜率和确定该指针表的指针方向；根据指针表的指针斜率和指针方向确定指针表读数。本申请的实施方式不受光线干扰和外物遮挡干扰的影响，识别准确率高。
Description
技术领域
本申请涉及图像识别领域，特别涉及指针表读数识别技术。
背景技术
在工厂的安全生产中有很多指针仪表用来检测各种安全指标，如：气压，液压等等。然而在绝大多数工厂中仍然使用的是机械指针表，因此工厂中的各项指标是否正常需要工厂安排工人按时逐个巡查。
现有技术中，通常采用三种方法进行指针表读数识别和预警。方法一：在施工地雇佣大量的人力，在需要监控的地点实时监测，发现有该异常行为，则记录下产生的地点和时间，并对该异常行为产生预警和干预。方法二：在视频监控技术发达的今天，工地可以购买大量的网络摄像头和录像系统，并雇佣少量人力在录像系统中查看视频录像，人眼翻阅视频流，一旦发现视频中有异常行为，则人手动产生告警记录，事后根据告警记录进行干预。方法三：目前市面上也有采用图像自动识别技术，但是大都没有考虑光线干扰，也没有考虑到外物遮挡干扰，识别准确率不高。
发明内容
本申请的目的在于提供一种指针表读数识别方法和系统，不受光线干扰和外物遮挡干扰的影响，识别准确率高。
本申请公开了一种指针表读数识别方法，包括以下步骤
A获取待识别指针表图像；
B对所述待识别指针表图像进行灰度处理得到灰度图像；
C对所述灰度图像进行全局光照均衡化处理，得到全局光照均衡图像；
D利用公式
对所述全局光照均衡图像的亮度进行标准化处理，其中/>
px的累积分布函数，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，Mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像；
F统计所述二值化中像素值为255的像素点坐标；
G基于所统计的像素点坐标，拟合得到所述指针表的指针斜率和确定所述指针表的指针方向；
H根据所述指针表的指针斜率和指针方向确定指针表读数。
在一个优选例中，所述步骤G进一步包括以下子步骤：
基于所统计的像素点坐标根据直线拟合算法得到所述指针表的指针斜率；
基于所统计的像素点坐标，计算所有所述像素点坐标的平均值坐标，所述像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过所述针尖坐标位于该平面直角坐标系的象限来确定所述指针表的指针方向。
在一个优选例中，所述方法还包括以下步骤：
创建长度为K的队列，K为大于1的整数；
周期性的采集目标指针表的图像，并执行以下操作：
S1：按照所述步骤A至H确定当前图像的指针表读数，并统计当前图像的所述二值化图像中像素值为255的像素点数量；
S2：判断当前队列是否未满，若当前队列未满，则将当前图像的所述指针表读数和所述像素点数量放入队列中，并返回步骤S1执行下一张图像的处理；
S3：若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于所述平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间，将当前图像的所述指针表读数和所述像素点数量压入队列，并返回步骤S1执行下一张图像的处理。
在一个优选例中，所述方法还包括以下步骤：
如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且所述指标表读数达到报警阈值，则进行读数报警。
在一个优选例中，所述方法还包括以下步骤：
如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且小于第一预定值以及所述当前图像与前一图像的所述像素点数量的差值大于第二预定值，则清空当前队列，再执行所述步骤S1至S3。
在一个优选例中，所述步骤E进一步实现为：对亮度标准化后的图像中的每个像素进行操作，设定第一阈值，将大于该第一阈值的像素值的像素点改成255，小于等于该第一阈值的像素点改成0。
在一个优选例中，所述方法还包括以下步骤：
如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且小于第一预定值以及所述当前图像与前一图像的所述像素点数量的差值大于第二预定值，则将所述第一阈值切换为第二阈值，所述第二阈值大于所述第一阈值。
在一个优选例中，所述步骤E之前，还包括以下步骤：
对所述亮度标准化后的图像进行腐蚀膨胀处理，以去除图像中的噪声点。
本申请还公开了一种指针表读数识别系统包括：
图像采集模块，被配置为获取待识别指针表图像；
图像标准化模块，被配置为对所述待识别指针表图像进行灰度处理得到灰度图像，对所述灰度图像进行全局光照均衡化处理，得到全局光照均衡图像，利用公式
对所述全局光照均衡图像的亮度进行标准化处理，其中/>
px的累积分布函数，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，Mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像；
指针表读数计算模块，被配置为统计所述二值化图像中像素值为255的像素点坐标，基于统计的所述像素点坐标，基于所统计的像素点坐标，拟合得到所述指针表的指针斜率和确定所述指针表的指针方向，以及根据所述指针的斜率和所述指针的方向确定指针表读数。
在一个优选例中，所述指针表读数计算模块还被配置为基于所统计的像素点坐标根据直线拟合算法得到所述指针表的指针斜率，基于所统计的像素点坐标，计算所有所述像素点坐标的平均值坐标，所述像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过所述针尖坐标位于该平面直角坐标系的象限来确定所述指针表的指针方向。
在一个优选例中，所述系统还包括存储模块和异常警报模块，所述存储模块存储有长度为K的队列；
所述异常警报模块被配置为针对所述图像采集模块周期性采集的图像，确定当前图像的指针表读数，并统计当前图像的所述二值化图像中像素值为255的像素点数量，判断当前队列是否未满，若当前队列未满，则将当前图像的所述指针表读数和所述像素点数量放入队列中，并执行下一张图像的处理，若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于所述平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间，将当前图像的所述指针表读数和所述像素点数量压入队列，并返回执行下一张图像的处理。
在一个优选例中，所述异常警报模块还被配置为如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且所述指标表读数达到报警阈值，则进行读数报警。
本申请实施方式中，至少包括以下优点和有益效果：
本发明提出亮度标准化算法，通过把图像原来整体的亮度信息加入公式中并进行调试处理，进而得到统一亮度范围内的图像，使得在不同光线下的图像通过一套参数就可通过二值化分割出比较好的效果，对光线的抗干扰能力极强，使用提出的亮度标准化算法进行亮度标准化后的图像使得指针表读数的识别准确率达到97％。
进一步，考虑到指针表上的光斑和局部阴影可能持续较长时间，常规做法是直接删除此类图像，而直接删除不满足指针表读数的实时性要求，本申请在亮度标准化前，对灰度图像进行全局光照均衡化处理，实时优化存在光斑和局部阴影的图像以满足指针表读数的实时性要求。
并且，创建实时队列，将当前队列中图像的像素点数量平均值作为基准，如果当前图像的像素点数量低于该平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并实时遮挡报警；同时，如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且该指标表读数达到报警阈值，则进行读数报警；进而实现实时误报排除，并且极大地节省人力，报警及时，并且能迅速定位报警位置。
本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的指针表读数识别方法流程示意图。
图2(a)、图2(b)分别是根据本申请一个实施例的全局光照均衡化处理前、后效果图。
图3(a)、图3(b)分别是根据本申请一个实施例的亮度标准化处理前、后效果图。
图4(a)、图4(b)分别是根据本申请另一个实施例的亮度标准化处理前、后效果图。
图5是根据本申请一个实施例的指针表读数识别方法流程示意图。
图6是根据本申请第二实施方式的指针表读数识别系统结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种指针表读数识别方法，其流程如图1所示，该方法包括以下步骤：
步骤101：获取待识别指针表图像；
步骤102：对该待识别指针表图像进行灰度处理得到灰度图像；
步骤103：对该灰度图像进行全局光照均衡化处理，得到全局光照均衡图像；
步骤104：利用公式
对该全局光照均衡图像的亮度进行标准化处理，其中/>
px的累积分布函数，cdfmin为累积分布函数最小值，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，Mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像；
步骤105：对亮度标准化后的图像进行二值化处理得到二值化图像；
步骤106：统计该二值化中像素值为255的像素点坐标；
步骤107：基于所统计的像素点坐标，拟合得到该指针表的指针斜率和确定该指针表的指针方向；
步骤108：根据该指针表的指针斜率和指针方向确定指针表读数。
具体的，在步骤101中，获取待识别指针表图像。
可选地，通过在指针表上方设置摄像头实时采集指针表图像。考虑到摄像头采集到的高清图像(或图片)数据量比较大，摄像头采集图片的帧率也相对高，每秒能采集25-60帧高清图像，每天需要传输的数据量就会很大。所以网络摄像头都会对视频帧进行编码后再传输，在服务器端就需要收到视频帧编码码流后解码得到单张图像，本发明例如但不限于可以采用标准的rtsp协议对码流进行解析得到视频帧图像。
可选地，在步骤101之前，还可以预先存储每个摄像头或对应的指针表的位置，并实时将摄像头采集的指针表图像与该位置关联，可以用于后续报警位置提示。
可选地，在步骤101之前，还可以预先框选出指针表区域，例如本申请采用固定摄像头架设，无需对指针表进行检测，仅仅在视频中框出指针标的位置即可。
之后，进入步骤102，对该待识别指针表图像进行灰度处理得到灰度图像。例如将视频解码的图像转化为黑白图像(灰度图像)，即三通道转化为单通道图像可以减少三分之二的计算量。
之后，进入步骤103，对该灰度图像进行全局光照均衡化处理，得到全局光照均衡图像。
可选地，该步骤103进一步实现为以下子步骤103a至步骤103d：
103a，求取该灰度图像I的平均灰度，并记录rows和cols；
103b，按照一定大小，分为P*Q个方块(block)，求出每块的平均值，得到子块的亮度矩阵D，经过试验验证，本申请中blocksize＝200，即P＝Q＝200；
103c，用矩阵D的每个元素减去该灰度图像的平均灰度，得到子块的亮度差值矩阵E；
103d，用双立方差值法，将矩阵E差值成与该灰度图像一样大小的亮度分布矩阵R，得到矫正后的图像result＝I-R。
在实际应用中，由于光照条件影响，指针表上的光斑和局部阴影可能持续较长时间，常规做法是直接删除此类图像，而直接删除不满足指针表读数的实时性要求，本申请中的步骤103避免此类情况，通过实时优化存在光斑和局部阴影的图像以满足指针表读数的实时性要求。如图2(a)和图2(b)为本申请一个实施例的应用步骤103前后效果图。
之后，进入步骤104：利用公式
对该全局光照均衡图像的亮度进行标准化处理，其中/>
px的累积分布函数，cdfmin为累积分布函数最小值，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，Mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像。公式中，a，b是超参数，是基于大量的不同亮度样本图像中调试出来的常数，a，b的确认方式可以通过网格搜索，在0.01至1中搜索，搜索步长为0.01。在实际应用不同场景的指针表图像中进行搜索，选择效果最佳的两个参数。例如，可以采用500张不同场景下样本图像中，最终a＝0.36，b＝0.11时效果最好。
考虑到指针表周边环境(场景)无法预知，特别是处于室外环境的指针表，阴雨天和晴天的亮度差异较大，仅仅通过上述步骤102和步骤103的处理后的图像根本无法获得亮度统一的图像，而亮度统一的图像是后续二值化处理和指针表读数识别的关键。因此，步骤104中通过把图像原来整体的亮度信息加入公式中并进行调试处理，进而得到统一亮度范围内的图像，使得在不同光线下的图像通过一套参数就可通过二值化分割出比较好的效果。如图3(a)、图3(b)和图4(a)、图4(b)分别为使用本申请的公式进行亮度标准化前后的图像，最终得到的图3(b)和图4(b)的亮度在统一标准范围内，使得识别准确率达到97％。
之后，进入步骤105：对亮度标准化后的图像进行二值化处理得到二值化图像。
可选地，该步骤105进一步实现为：对亮度标准化后的图像中的每个像素进行操作，设定第一阈值，将大于该第一阈值的像素值的像素点改成255，小于等于该第一阈值的像素点改成0。正如前文提到的，通过步骤104的亮度标准化后的图像只要设置固定的第一阈值就可以分割出较佳的效果。
可选地，该105之前，还包括以下步骤：对该亮度标准化后的图像进行腐蚀膨胀处理，以去除图像中的噪声点。
之后，进入步骤106，统计该二值化中像素值为255的像素点坐标。
之后，进入步骤107，基于所统计的像素点坐标，拟合得到该指针表的指针斜率和确定该指针表的指针方向。
可选地，该步骤107进一步可以实现为子步骤107a和107b：
步骤107a，基于所统计的像素点坐标根据直线拟合算法得到该指针表的指针斜率；步骤107b，基于所统计的像素点坐标，计算所有该像素点坐标的平均值坐标，该像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过该针尖坐标位于该平面直角坐标系的象限来确定该指针表的指针方向。
可选地，步骤107a中，可以但不限于通过ransac直线拟合的方式计算出直线的斜率，根据斜率的反正切值求出其角度。Hough变换可以提取图像中的直线。但是提取的直线的精度不高，而很多场合下，我们需要精确的估计直线的参数，这时就需要进行直线拟合，在二值化的过程中很有可能造成分割不干净有噪声的影响，导致识别不够准确，Ransac算法是一种很有鲁棒性的直线拟合算法。需要指出，步骤107b是根据工业指针表的指针针尖较细，针尾较粗的特性，因此针尖距离指针的重心点位置会更远，以重心为原点建立直角坐标系，通过针尖的坐标象限可以判断指针的方向从而判断具体的刻度值。
之后，进入步骤108：根据该指针表的指针斜率和指针方向确定指针表读数。
可选地，该方法还包括以下步骤：
创建长度为K的队列，K为大于1的整数；
周期性的采集目标指针表的图像，并执行以下操作：
S1：按照该步骤A至H确定当前图像的指针表读数，并统计当前图像的该二值化图像中像素值为255的像素点数量；
S2：判断当前队列是否未满，若当前队列未满，则将当前图像的该指针表读数和该像素点数量放入队列中，并返回步骤S1执行下一张图像的处理；
S3：若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于该平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间，将当前图像的该指针表读数和该像素点数量压入队列(当当前图像的该指针表读数和该像素点数量压入队列队尾，队首的数据自动压出)，并返回步骤S1执行下一张图像的处理。
在一个实施例中，m％为70％，n％为130％。
可选地，该方法还包括以下步骤：如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且该指标表读数达到报警阈值，则进行读数报警。
可选地，该方法还可以包括以下步骤：如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且小于第一预定值以及该当前图像与前一图像的该像素点数量的差值大于第二预定值，则清空当前队列，再执行该步骤S1至S3。
可选地，该方法还包括以下步骤：如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且小于第一预定值以及该当前图像与前一图像的该像素点数量的差值大于第二预定值，则将该第一阈值切换为第二阈值，该第二阈值大于该第一阈值。本申请中，第一阈值是用于白天的参数设置，而夜晚期间，所用摄像头存在夜晚开灯的特性，实际环境中不会24小时一直开灯，因此采购摄像头中有时候自带灯，在环境很暗的时候自动打开，会导致此时的光照与白天光照存在较大差异。如图5所示，夜晚摄像头灯光下的图像近似于黑白，原来二值化，膨胀腐蚀的参数会失效，需要进行重新配置。本可选方案中，以二值化的像素数量可以作为切换参数的依据，当通过白天参数二值化导致保留像素低于阈值时，自动启用第二套参数(即自动识别晚上并自动切换到第二阈值)。
图5为本申请一个实施例的指针表读数识别方法流程示意图。
本申请的第二实施方式涉及一种指针表读数识别系统，其结构如图6所示，该指针表读数识别系统包括图像采集模块、图像标准化模块和指针表读数计算模块。具体，该图像采集模块被配置为获取待识别指针表图像；该图像标准化模块被配置为对该待识别指针表图像进行灰度处理得到灰度图像，对该灰度图像进行全局光照均衡化处理，得到全局光照均衡图像，利用公式
对该全局光照均衡图像的亮度进行标准化处理，其中/>
px的累积分布函数，cdfmin为累积分布函数最小值，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，Mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像；该指针表读数计算模块被配置为统计该二值化图像中像素值为255的像素点坐标，基于统计的该像素点坐标，基于所统计的像素点坐标，拟合得到该指针表的指针斜率和确定该指针表的指针方向，以及根据该指针的斜率和该指针的方向确定指针表读数。
可选地，该指针表读数计算模块还被配置为基于所统计的像素点坐标根据直线拟合算法得到该指针表的指针斜率，基于所统计的像素点坐标，计算所有该像素点坐标的平均值坐标，该像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过该针尖坐标位于该平面直角坐标系的象限来确定该指针表的指针方向。
可选地，该系统还包括存储模块和异常警报模块，该存储模块存储有长度为N的队列。其中，该异常警报模块被配置为针对该图像采集模块周期性采集的图像，确定当前图像的指针表读数，并统计当前图像的该二值化图像中像素值为255的像素点数量，判断当前队列是否未满，若当前队列未满，则将当前图像的该指针表读数和该像素点数量放入队列中，并执行下一张图像的处理，若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于该平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间，将当前图像的该指针表读数和该像素点数量压入队列，并返回执行下一张图像的处理。
可选地，该异常警报模块还被配置为如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且该指标表读数达到报警阈值，则进行读数报警。
可选地，该异常警报模块还被配置为如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且小于第一预定值以及该当前图像与前一图像的该像素点数量的差值大于第二预定值，则清空当前队列，再执行该步骤S1至S3。
可选地，该异常警报模块还被配置为如果当前图像的像素点数量介于该平均值的m％和该平均值的n％之间且小于第一预定值以及该当前图像与前一图像的该像素点数量的差值大于第二预定值，则将该第一阈值切换为第二阈值，该第二阈值大于该第一阈值。本申请中，第一阈值是用于白天的参数设置，而夜晚期间，所用摄像头存在夜晚开灯的特性，实际环境中不会24小时一直开灯，因此采购摄像头中有时候自带灯，在环境很暗的时候自动打开，会导致此时的光照与白天光照存在较大差异。如图5所示，夜晚摄像头灯光下的图像近似于黑白，原来二值化，膨胀腐蚀的参数会失效，需要进行重新配置。本可选方案中，以二值化的像素数量可以作为切换参数的依据，当通过白天参数二值化导致保留像素低于阈值时，自动启用第二套参数(即自动识别晚上并自动切换到第二阈值)。
第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是，本领域技术人员应当理解，上述指针表读数识别系统的实施方式中所示的各模块的实现功能可参照前述指针表读数识别方法的相关描述而理解。上述指针表读数识别系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述指针表读数识别系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例该方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。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、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上该仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
Claims (10)
1.一种指针表读数识别方法，其特征在于，包括以下步骤
A获取待识别指针表图像；
B对所述待识别指针表图像进行灰度处理得到灰度图像；
C对所述灰度图像进行全局光照均衡化处理，得到全局光照均衡图像；
D利用公式
对所述全局光照均衡图像的亮度进行标准化处理，其中
px为累积分布函数，cdfmin为累积分布函数最小值，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，mean为图像所有灰度的平均值；
E对亮度标准化后的图像进行二值化处理得到二值化图像；
F统计所述二值化中像素值为255的像素点坐标；
G基于所统计的像素点坐标，拟合得到所述指针表的指针斜率和确定所述指针表的指针方向；
H根据所述指针表的指针斜率和指针方向确定指针表读数。
2.如权利要求1所述的指针表读数识别方法，其特征在于，所述步骤G进一步包括以下子步骤：
基于所统计的像素点坐标根据直线拟合算法得到所述指针表的指针斜率；
基于所统计的像素点坐标，计算所有所述像素点坐标的平均值坐标，所述像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过所述针尖坐标位于该直角坐标系的象限来确定所述指针表的指针方向。
3.如权利要求1所述的指针表读数识别方法，其特征在于，所述方法还包括以下步骤：
创建长度为K的队列，K为大于1的整数；
周期性的采集目标指针表的图像，并执行以下操作：
S1：按照所述步骤A至H确定当前图像的指针表读数，并统计当前图像的所述二值化图像中像素值为255的像素点数量；
S2：判断当前队列是否未满，若当前队列未满，则将当前图像的所述指针表读数和所述像素点数量放入队列中，并返回步骤S1执行下一张图像的处理；
S3：若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于所述平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间，将当前图像的所述指针表读数和所述像素点数量压入队列，并返回步骤S1执行下一张图像的处理。
4.如权利要求3所述的指针表读数识别方法，其特征在于，所述方法还包括以下步骤：
如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且所述指针 表读数达到报警阈值，则进行读数报警。
5.如权利要求3所述的指针表读数识别方法，其特征在于，所述方法还包括以下步骤：
如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且小于第一预定值以及所述当前图像与前一图像的所述像素点数量的差值大于第二预定值，则清空当前队列，再执行所述步骤S1至S3。
6.如权利要求3所述的指针表读数识别方法，其特征在于，所述步骤E进一步实现为：对亮度标准化后的图像中的每个像素进行操作，设定第一阈值，将大于该第一阈值的像素值的像素点改成255，小于等于该第一阈值的像素点改成0；并且，
所述方法还包括以下步骤：如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且小于第一预定值以及所述当前图像与前一图像的所述像素点数量的差值大于第二预定值，则将所述第一阈值切换为第二阈值，所述第二阈值大于所述第一阈值。
7.如权利要求1-6中任一项所述的指针表读数识别方法，其特征在于，所述步骤E之前，还包括以下步骤：
对所述亮度标准化后的图像进行腐蚀膨胀处理，以去除图像中的噪声点。
8.一种指针表读数识别系统，其特征在于，包括：
图像采集模块，被配置为获取待识别指针表图像；
图像标准化模块，被配置为对所述待识别指针表图像进行灰度处理得到灰度图像，对所述灰度图像进行全局光照均衡化处理，得到全局光照均衡图像，利用公式
对所述全局光照均衡图像的亮度进行标准化处理，其中
px为累积分布函数，cdfmin为累积分布函数最小值，M、N分别表示为图像的长、宽像素个数，L为灰度级数，v为图像中为v的像素值，a、b分别为超参数，mean为图像所有灰度的平均值，对亮度标准化后的图像进行二值化处理得到二值化图像；
指针表读数计算模块，被配置为统计所述二值化图像中像素值为255的像素点坐标，基于所统计的像素点坐标，拟合得到所述指针表的指针斜率和确定所述指针表的指针方向，以及根据所述指针的斜率和所述指针的方向确定指针表读数。
9.如权利要求8所述的指针表读数识别系统，其特征在于，所述指针表读数计算模块还被配置为基于所统计的像素点坐标根据直线拟合算法得到所述指针表的指针斜率，并且基于所统计的像素点坐标，计算所有所述像素点坐标的平均值坐标，所述像素点坐标中距离该平均值坐标最远的像素点坐标确定为针尖坐标，以该平均值坐标为原点建立直角坐标系，并通过所述针尖坐标位于该直角坐标系的象限来确定所述指针表的指针方向。
10.如权利要求8所述的指针表读数识别系统，其特征在于，所述系统还包括存储模块和异常警报模块，所述存储模块存储有长度为K的队列，K为大于1的整数；
所述异常警报模块被配置为针对所述图像采集模块周期性采集的图像，确定当前图像的指针表读数，并统计当前图像的所述二值化图像中像素值为255的像素点数量，判断当前队列是否未满，若当前队列未满，则将当前图像的所述指针表读数和所述像素点数量放入队列中，并执行下一张图像的处理，若当前队列已满，则计算当前队列中图像的像素点数量平均值，如果当前图像的像素点数量低于所述平均值的m％或者高于平均值的n％，则判定当前指针表有遮挡干扰，并进行遮挡报警；如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间，将当前图像的所述指针表读数和所述像素点数量压入队列，并返回执行下一张图像的处理；
所述异常警报模块还被配置为如果当前图像的像素点数量介于所述平均值的m％和所述平均值的n％之间且所述指针 表读数达到报警阈值，则进行读数报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517242.2A CN114972218B (zh) | 2022-05-12 | 2022-05-12 | 指针表读数识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517242.2A CN114972218B (zh) | 2022-05-12 | 2022-05-12 | 指针表读数识别方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114972218A CN114972218A (zh) | 2022-08-30 |
| CN114972218B true CN114972218B (zh) | 2023-03-24 |
Family
ID=82981922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210517242.2A Active CN114972218B (zh) | 2022-05-12 | 2022-05-12 | 指针表读数识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972218B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955907A (zh) * | 2014-04-17 | 2014-07-30 | 国家电网公司 | 指针式sf6气体密度表的遥测方法 |
| CN108564633A (zh) * | 2018-01-05 | 2018-09-21 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
| CN112183233A (zh) * | 2020-09-09 | 2021-01-05 | 上海鹰觉科技有限公司 | 基于深度学习的船牌识别方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6650774B1 (en) * | 1999-10-01 | 2003-11-18 | Microsoft Corporation | Locally adapted histogram equalization |
| US7321699B2 (en) * | 2002-09-06 | 2008-01-22 | Rytec Corporation | Signal intensity range transformation apparatus and method |
| CN103440635B (zh) * | 2013-09-17 | 2016-06-22 | 厦门美图网科技有限公司 | 一种基于学习的对比度受限自适应直方图均衡方法 |
| CN203859826U (zh) * | 2014-03-13 | 2014-10-01 | 中海油信息科技有限公司 | 视频统一集成平台 |
| CN113610041A (zh) * | 2021-08-18 | 2021-11-05 | 山东信通电子股份有限公司 | 一种用于指针式仪表的读数识别方法及设备 |
-
2022
- 2022-05-12 CN CN202210517242.2A patent/CN114972218B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955907A (zh) * | 2014-04-17 | 2014-07-30 | 国家电网公司 | 指针式sf6气体密度表的遥测方法 |
| CN108564633A (zh) * | 2018-01-05 | 2018-09-21 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
| CN112183233A (zh) * | 2020-09-09 | 2021-01-05 | 上海鹰觉科技有限公司 | 基于深度学习的船牌识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114972218A (zh) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021042816A1 (zh) | 一种检测监控设备故障的方法、装置 | |
| CN110689054B (zh) | 一种工人违规行为监测方法 | |
| CN109726620B (zh) | 一种视频火焰检测方法及装置 | |
| CN111163285A (zh) | 高空抛坠物监测方法及其系统、计算机可读存储介质 | |
| CN105678730A (zh) | 一种基于图像识别的相机移动自检测方法 | |
| CN111383429A (zh) | 建筑工地工人着装检测方法、系统、装置、存储介质 | |
| CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
| CN112163572A (zh) | 识别对象的方法和装置 | |
| CN113205692B (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
| CN111461078A (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
| CN112784738A (zh) | 运动目标检测告警方法、装置以及计算机可读存储介质 | |
| CN113792578A (zh) | 用于变电站异常的检测方法、设备及系统 | |
| CN111680610A (zh) | 一种施工场景异常监测方法和装置 | |
| CN114898261A (zh) | 一种基于视频和生理数据融合的睡眠质量评估方法及系统 | |
| CN114494695A (zh) | 一种智慧水利城乡积涝水位监测预警方法及装置 | |
| CN114972218B (zh) | 指针表读数识别方法和系统 | |
| JP2007206843A (ja) | 水中または水面における移動体の計数方法、移動体の計数装置及び移動体の計数プログラム | |
| CN116645329A (zh) | 一种仪器仪表柜的异常监测方法 | |
| CN115661475A (zh) | 一种图像异物识别方法、装置、设备及存储介质 | |
| CN110309838B (zh) | 基于指数变换的视频检测区物体轮廓检测预处理方法 | |
| CN112784914B (zh) | 一种基于云端处理的管廊视频智能属性检测方法及系统 | |
| CN115049684A (zh) | 一种基于水域分割的水尺识别方法及系统 | |
| CN113627388A (zh) | 针对裸土覆盖情况的确定方法及装置 | |
| CN113938673A (zh) | 一种智慧城市监控管理系统及方法 | |
| CN115619801A (zh) | 一种基于深度学习的监控视频图像遮挡检测方法 |
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 |