CN115424189B - 一种可对象状态识别防漏检的图像识别系统及方法 - Google Patents
一种可对象状态识别防漏检的图像识别系统及方法 Download PDFInfo
- Publication number
- CN115424189B CN115424189B CN202210984584.5A CN202210984584A CN115424189B CN 115424189 B CN115424189 B CN 115424189B CN 202210984584 A CN202210984584 A CN 202210984584A CN 115424189 B CN115424189 B CN 115424189B
- Authority
- CN
- China
- Prior art keywords
- module
- image
- detection
- electrically connected
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000605 extraction Methods 0.000 claims description 55
- 238000013075 data extraction Methods 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000013500 data storage Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- 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
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种可对象状态识别防漏检的图像识别系统及方法,涉及图像识别系统技术领域,包括图像采集模块、初步判定模块和对象识别模块,所述图像采集模块的输入端电性连接有成像装置,且图像采集模块的输出端电性连接有数据传输模块,所述数据传输模块的输出端电性连接有数据储存模块。该可对象状态识别防漏检的图像识别系统及方法,能够通过初步判定模块能够初步判定是否为检测对象,并通过图像处理模块进行处理并提取待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别,并且通过对象识别模块便于对检测对象进行识别,并能够根据所匹配的三维模型状态,输出该检测对象的当前状态。
Description
技术领域
本发明涉及分屏显示器技术领域,具体为一种可对象状态识别防漏检的图像识别系统及方法。
背景技术
图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。适用于工业工件的对象检测识别。
如申请号为CN202110166807.2的发明提供了一种图像识别系统,识别系统包括检测装置、感应装置、预警装置、分析装置、处理装置和处理器,检测装置被构造为对图像数据进行检测;预警装置被构造为对特定的识别特征进行监控,并触发预警信号;感应装置被构造为对检测物品进行跟随并收集感测数据;分析装置被构造为基于感应装置和预警装置的信号对图像数据进行分析;处理装置被构造为对图像数据进行处理,并提取图像的分析特征参数。本发明通过采用感应装置的各个感应矩阵和捕捉构件的配合使用,并基于感应控制机构的检测或者感测的数据,对检测物品进行数据的采集,并基于物品数据的采集,触发对检测装置的位置的调整,使得对图像数据的识别和采集能够高效且准确。
类似于上述申请的图像识别系统目前还存在以下几点不足:
在进行图像识别的过程中,通常采用直接检测的方式,工作量较大,而且没有初步判定功能、对象识别功能以及二次检验的相互配合,易出现漏检测或检测错误的情况,并且不便于对待检测对象的当前状态进行识别。
于是,有鉴于此,针对现有的结构及缺失予以研究改良,提出一种可对象状态识别防漏检的图像识别系统及方法,以期达到更具有更加实用价值性的目的。
发明内容
针对现有技术的不足,本发明提供了一种可对象状态识别防漏检的图像识别系统及方法,解决了上述背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种可对象状态识别防漏检的图像识别系统及方法,包括图像采集模块、初步判定模块和对象识别模块,所述图像采集模块的输入端电性连接有成像装置,且图像采集模块的输出端电性连接有数据传输模块,所述数据传输模块的输出端电性连接有数据储存模块,所述初步判定模块电性连接于数据储存模块的输出端,且初步判定模块包括识别捕捉模块、对象颜色提取模块和形状数据提取模块,所述识别捕捉模块的输出端电性连接有对象颜色提取模块和形状数据提取模块,且对象颜色提取模块和形状数据提取模块为并联连接,所述初步判定模块的输出端电性连接有图像分类模块,且图像分类模块的输出端电性连接有图像提取模块,所述图像提取模块的输出端电性连接有图像处理模块,所述对象识别模块电性连接于图像处理模块的输出端,且对象识别模块的输出端电性连接有状态识别模块,所述状态识别模块的输出端电性连接有二次检验模块。
进一步的,所述数据储存模块包括样本数据库模块和检测数据库模块,且样本数据库模块和检测数据库模块为并联连接。
进一步的,所述初步判定模块还包括对象颜色校对模块、形状数据匹配模块和判断识别模块,所述对象颜色提取模块的输出端电性连接有对象颜色校对模块,所述形状数据提取模块的输出端电性连接有形状数据匹配模块,所述对象颜色校对模块和形状数据匹配模块的输出端电性连接有判断识别模块。
进一步的,所述初步判定模块用于识别判断图像中是否含有检测对象,所述图像分类模块用于对检测数据库模块内部的图像进行分类,具体分为含有检测对象的图像和不含有检测对象的图像,所述图像提取模块用于提取检测数据库模块中含有检测对象的图像。
进一步的,所述图像处理模块包括图像预处理模块、对象捕捉模块、对象平滑度处理模块、对象边缘点提取模块、对象边缘增强模块和特征向量提取模块,所述图像预处理模块的输出端电性连接有对象捕捉模块,且对象捕捉模块的输出端电性连接有对象平滑度处理模块,所述对象平滑度处理模块的输出端电性连接有对象边缘点提取模块,且对象边缘点提取模块的输出端电性连接有对象边缘增强模块,所述对象边缘增强模块的输出端电性连接有特征向量提取模块。
进一步的,所述图像预处理模块包括图像灰度处理模块和图像过滤处理模块,所述图像灰度处理模块用于对图像进行灰度化处理,所述图像过滤处理模块用于过滤消除图像中的斑点,提高图像清晰度。
进一步的,所述对象识别模块包括样本数据提取模块、三维模型构建模块、特征参数输入模块和模型数据匹配模块,所述样本数据提取模块的输出端电性连接有三维模型构建模块,且三维模型构建模块的输出端电性连接有特征参数输入模块,所述特征参数输入模块的输出端电性连接有模型数据匹配模块。
进一步的,所述样本数据提取模块与样本数据库模块相连,且样本数据提取模块用于提取样本数据,所述三维模型构建模块用于构建检测样本的三维模型,所述特征参数输入模块用于输入检测对象的特性向量参数,所述模型数据匹配模块用于进行检测对象与样本三维模型的数据匹配,并输出匹配结果。
进一步的,所述对象识别模块和二次检验模块的输出端均电性连接有警报模块,且二次检验模块包括对照检测模块、图像验证模块和识别输出模块,所述对照检测模块、图像验证模块为并联连接,且对照检测模块、图像验证模块的输出端电性连接有识别输出模块。
进一步的,所述可对象状态识别防漏检的图像识别系统的方法包括以下具体步骤:
S1、进行图像采集,使用初步判定模块识别判断图像中是否含有检测对象,通过对象颜色校对模块与样本数据库模块内部的数据进行校对,并通过形状数据匹配模块与本数据库模块内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,避免出现漏检测的情况;
S2、使用图像提取模块提取检测数据库模块中含有检测对象的图像,通过图像处理模块对含有检测对象的图像进行图像处理,通过图像预处理、对象捕捉、对象平滑度处理、对象边缘点提取、对象边缘增强的步骤获得较为清晰完整的检测对象图像,最后通过特征向量提取模块对该待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别;
S3、采用对象识别模块进行对象识别,通过提取样本数据库模块中的样本数据构建检测样本的三维模型,然后通过特征参数输入模块输入特征向量提取模块所提取出的检测对象的特性向量参数,通过模型数据匹配模块进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块根据所匹配的三维模型状态,输出该检测对象的当前状态,完成对象状态识别;
S4、最后通过对照检测模块将状态识别模块所识别出的当前检测对象状态数据代入至样本数据库模块内部进行对照检测,避免出现数据错误的情况,或者通过图像验证模块在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,然后通过识别输出模块输出检测结果,避免出现检测错误的情况。
本发明提供了一种可对象状态识别防漏检的图像识别系统及方法,具备以下有益效果:
该可对象状态识别防漏检的图像识别系统及方法,通过初步判定模块能够初步判定是否为检测对象,避免出现漏检测的情况,通过图像处理模块进行处理并提取待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别,并且通过对象识别模块便于对检测对象进行识别,并能够根据所匹配的三维模型状态,输出该检测对象的当前状态。
1.该可对象状态识别防漏检的图像识别系统及方法设置有数据储存模块,样本数据库模块用于储存检测对象的样本数据,包括但不限于颜色、形状、尺寸等数据,检测数据库模块用于储存检测检测对象的图像数据;初步判定模块用于识别判断图像中是否含有检测对象,图像分类模块用于对检测数据库模块内部的图像进行分类,具体分为含有检测对象的图像和不含有检测对象的图像,图像提取模块用于提取检测数据库模块中含有检测对象的图像。
2.该可对象状态识别防漏检的图像识别系统及方法设置有初步判定模块,识别捕捉模块用于捕捉图像中疑似检测对象的部分区域并标记,通过对象颜色提取模块便于对捕捉的标记颜色进行提取,通过对象颜色校对模块便于与样本数据库模块内部的数据进行校对,进而通过颜色初步判定是否为检测对象,通过形状数据提取模块便于对该捕捉的标记形状进行提取,通过形状数据匹配模块便于与本数据库模块内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,两种检测方式同时使用,避免出现漏检测的情况,通过判断识别模块能够在基于对象颜色校对模块和形状数据匹配模块的基础上,判断对比相似值,相似值高于设定阀值则判定特征匹配,进而将该图像判断为有检测对象的图像,以便于后续进一步的检测识别。
3.该可对象状态识别防漏检的图像识别系统及方法设置有图像处理模块,通过图像预处理模块便于对图像进行预处理,通过对象捕捉模块便于捕捉出图像中的待检测对象,通过对象平滑度处理模块便于对待检测对象的边缘像素进行平滑度处理,通过对象边缘点提取模块便于对待检测对象的边缘点进行提取,然后通过对象边缘增强模块便于对待检测对象的边缘线进行增强,以获得较为清晰完整的检测对象图像,最后通过特征向量提取模块便于对该待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别。
4.该可对象状态识别防漏检的图像识别系统及方法设置有对象识别模块,样本数据提取模块用于提取样本数据库模块中的样本数据,三维模型构建模块能够在基于样本数据的基础上构建检测样本的三维模型,特征参数输入模块用于输入检测对象的特性向量参数,模型数据匹配模块用于进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块根据所匹配的三维模型状态,输出该检测对象的当前状态。
5.该可对象状态识别防漏检的图像识别系统及方法设置有二次检验模块,通过对照检测模块能够将状态识别模块所识别出的当前检测对象状态数据代入至样本数据库模块内部进行对照检测,避免出现数据错误的情况,通过图像验证模块能够在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,通过识别输出模块便于输出检测结果,避免出现检测错误的情况,警报模块能够在对象识别模块和二次检验模块识别出错误对象时进行及时警报处理。
附图说明
图1为本发明一种可对象状态识别防漏检的图像识别系统的图像采集流程示意图;
图2为本发明一种可对象状态识别防漏检的图像识别系统的数据储存模块结构示意图;
图3为本发明一种可对象状态识别防漏检的图像识别系统的图像识别流程示意图;
图4为本发明一种可对象状态识别防漏检的图像识别系统的初步判定模块结构示意图;
图5为本发明一种可对象状态识别防漏检的图像识别系统的图像处理模块结构示意图;
图6为本发明一种可对象状态识别防漏检的图像识别系统的图像预处理模块结构示意图;
图7为本发明一种可对象状态识别防漏检的图像识别系统的对象识别模块结构示意图;
图8为本发明一种可对象状态识别防漏检的图像识别系统的二次检验模块结构示意图。
图中:1、图像采集模块;2、成像装置;3、数据传输模块;4、数据储存模块;401、样本数据库模块;402、检测数据库模块;5、初步判定模块;501、识别捕捉模块;502、对象颜色提取模块;503、对象颜色校对模块;504、形状数据提取模块;505、形状数据匹配模块;506、判断识别模块;6、图像分类模块;7、图像提取模块;8、图像处理模块;801、图像预处理模块;8011、图像灰度处理模块;8012、图像过滤处理模块;802、对象捕捉模块;803、对象平滑度处理模块;804、对象边缘点提取模块;805、对象边缘增强模块;806、特征向量提取模块;9、对象识别模块;901、样本数据提取模块;902、三维模型构建模块;903、特征参数输入模块;904、模型数据匹配模块;10、状态识别模块;11、二次检验模块;1101、对照检测模块;1102、图像验证模块;1103、识别输出模块;12、警报模块。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
请参阅图1至图8,本发明提供技术方案:一种可对象状态识别防漏检的图像识别系统及方法,包括图像采集模块1、初步判定模块5和对象识别模块9,图像采集模块1的输入端电性连接有成像装置2,且图像采集模块1的输出端电性连接有数据传输模块3,数据传输模块3的输出端电性连接有数据储存模块4,初步判定模块5电性连接于数据储存模块4的输出端,且初步判定模块5包括识别捕捉模块501、对象颜色提取模块502和形状数据提取模块504,识别捕捉模块501的输出端电性连接有对象颜色提取模块502和形状数据提取模块504,且对象颜色提取模块502和形状数据提取模块504为并联连接,初步判定模块5的输出端电性连接有图像分类模块6,且图像分类模块6的输出端电性连接有图像提取模块7,图像提取模块7的输出端电性连接有图像处理模块8,对象识别模块9电性连接于图像处理模块8的输出端,且对象识别模块9的输出端电性连接有状态识别模块10,状态识别模块10的输出端电性连接有二次检验模块11。
请参阅图2,数据储存模块4包括样本数据库模块401和检测数据库模块402,且样本数据库模块401和检测数据库模块402为并联连接;
具体操作如下,样本数据库模块401用于储存检测对象的样本数据,包括但不限于颜色、形状、尺寸等数据,检测数据库模块402用于储存检测检测对象的图像数据;初步判定模块5用于识别判断图像中是否含有检测对象,图像分类模块6用于对检测数据库模块402内部的图像进行分类,具体分为含有检测对象的图像和不含有检测对象的图像,图像提取模块7用于提取检测数据库模块402中含有检测对象的图像。
请参阅图4,初步判定模块5还包括对象颜色校对模块503、形状数据匹配模块505和判断识别模块506,对象颜色提取模块502的输出端电性连接有对象颜色校对模块503,形状数据提取模块504的输出端电性连接有形状数据匹配模块505,对象颜色校对模块503和形状数据匹配模块505的输出端电性连接有判断识别模块506;
具体操作如下,识别捕捉模块501用于捕捉图像中疑似检测对象的部分区域并标记,通过对象颜色提取模块502便于对捕捉的标记颜色进行提取,通过对象颜色校对模块503便于与样本数据库模块401内部的数据进行校对,进而通过颜色初步判定是否为检测对象,通过形状数据提取模块504便于对该捕捉的标记形状进行提取,通过形状数据匹配模块505便于与本数据库模块401内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,两种检测方式同时使用,避免出现漏检测的情况,通过判断识别模块506能够在基于对象颜色校对模块503和形状数据匹配模块505的基础上,判断对比相似值,相似值高于设定阀值则判定特征匹配,进而将该图像判断为有检测对象的图像,以便于后续进一步的检测识别。
请参阅图5-6,图像处理模块8包括图像预处理模块801、对象捕捉模块802、对象平滑度处理模块803、对象边缘点提取模块804、对象边缘增强模块805和特征向量提取模块806,图像预处理模块801的输出端电性连接有对象捕捉模块802,且对象捕捉模块802的输出端电性连接有对象平滑度处理模块803,对象平滑度处理模块803的输出端电性连接有对象边缘点提取模块804,且对象边缘点提取模块804的输出端电性连接有对象边缘增强模块805,对象边缘增强模块805的输出端电性连接有特征向量提取模块806;图像预处理模块801包括图像灰度处理模块8011和图像过滤处理模块8012,图像灰度处理模块8011用于对图像进行灰度化处理,图像过滤处理模块8012用于过滤消除图像中的斑点,提高图像清晰度;
具体操作如下,通过图像预处理模块801便于对图像进行预处理,通过对象捕捉模块802便于捕捉出图像中的待检测对象,通过对象平滑度处理模块803便于对待检测对象的边缘像素进行平滑度处理,通过对象边缘点提取模块804便于对待检测对象的边缘点进行提取,然后通过对象边缘增强模块805便于对待检测对象的边缘线进行增强,以获得较为清晰完整的检测对象图像,最后通过特征向量提取模块806便于对该待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别。
请参阅图7,对象识别模块9包括样本数据提取模块901、三维模型构建模块902、特征参数输入模块903和模型数据匹配模块904,样本数据提取模块901的输出端电性连接有三维模型构建模块902,且三维模型构建模块902的输出端电性连接有特征参数输入模块903,特征参数输入模块903的输出端电性连接有模型数据匹配模块904;
具体操作如下,样本数据提取模块901与样本数据库模块401相连,且样本数据提取模块901用于提取样本数据,三维模型构建模块902用于构建检测样本的三维模型,特征参数输入模块903用于输入检测对象的特性向量参数,模型数据匹配模块904用于进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块10根据所匹配的三维模型状态,输出该检测对象的当前状态。
请参阅图3和图8,对象识别模块9和二次检验模块11的输出端均电性连接有警报模块12,且二次检验模块11包括对照检测模块1101、图像验证模块1102和识别输出模块1103,对照检测模块1101、图像验证模块1102为并联连接,且对照检测模块1101、图像验证模块1102的输出端电性连接有识别输出模块1103;
具体操作如下,通过对照检测模块1101能够将状态识别模块10所识别出的当前检测对象状态数据代入至样本数据库模块401内部进行对照检测,避免出现数据错误的情况,通过图像验证模块1102能够在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,通过识别输出模块1103便于输出检测结果,警报模块12能够在对象识别模块9和二次检验模块11识别出错误对象时进行及时警报处理。
请参阅图1至图8,可对象状态识别防漏检的图像识别系统的方法包括以下具体步骤:
S1、进行图像采集,使用初步判定模块5识别判断图像中是否含有检测对象,通过对象颜色校对模块503与样本数据库模块401内部的数据进行校对,并通过形状数据匹配模块505与本数据库模块401内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,避免出现漏检测的情况;
S2、使用图像提取模块7提取检测数据库模块402中含有检测对象的图像,通过图像处理模块8对含有检测对象的图像进行图像处理,通过图像预处理、对象捕捉、对象平滑度处理、对象边缘点提取、对象边缘增强的步骤获得较为清晰完整的检测对象图像,最后通过特征向量提取模块806对该待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别;
S3、采用对象识别模块9进行对象识别,通过提取样本数据库模块401中的样本数据构建检测样本的三维模型,然后通过特征参数输入模块903输入特征向量提取模块806所提取出的检测对象的特性向量参数,通过模型数据匹配模块904进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块10根据所匹配的三维模型状态,输出该检测对象的当前状态,完成对象状态识别;
S4、最后通过对照检测模块1101将状态识别模块10所识别出的当前检测对象状态数据代入至样本数据库模块401内部进行对照检测,避免出现数据错误的情况,或者通过图像验证模块1102在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,然后通过识别输出模块1103输出检测结果,避免出现检测错误的情况。
综上,该可对象状态识别防漏检的图像识别系统及方法,使用时,首先取一检测对象的样本,将该样本数据录入至数据储存模块4的样本数据库模块401,然后通过图像采集模块1将成像装置2拍摄的图像采集并使用数据传输模块3传输至数据储存模块4的过检测数据库模块402中进行储存;
而后使用初步判定模块5识别判断图像中是否含有检测对象,在这一过程中,使用识别捕捉模块501捕捉图像中疑似检测对象的部分区域并标记,然后通过对象颜色提取模块502对捕捉的标记颜色进行提取,并通过对象颜色校对模块503与样本数据库模块401内部的数据进行校对,进而通过颜色初步判定是否为检测对象,同时还可以通过形状数据提取模块504对该捕捉的标记形状进行提取,并通过形状数据匹配模块505与本数据库模块401内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,上述两种检测方式同时使用,避免出现漏检测的情况,然后再通过判断识别模块506在基于对象颜色校对模块503和形状数据匹配模块505的基础上,判断对比相似值,相似值高于设定阀值则判定特征匹配,进而将该图像判断为有检测对象的图像,然后通过图像分类模块6对检测数据库模块402内部的图像进行分类,具体分为含有检测对象的图像和不含有检测对象的图像;
再使用图像提取模块7提取检测数据库模块402中含有检测对象的图像,通过图像处理模块8对含有检测对象的图像进行图像处理,首先图像预处理模块801对图像进行预处理,此时图像灰度处理模块8011对图像进行灰度化处理,图像过滤处理模块8012过滤消除图像中的斑点,提高图像清晰度,然后通过对象捕捉模块802捕捉出图像中的待检测对象,通过对象平滑度处理模块803对待检测对象的边缘像素进行平滑度处理,再通过对象边缘点提取模块804对待检测对象的边缘点进行提取,然后通过对象边缘增强模块805对待检测对象的边缘线进行增强,以获得较为清晰完整的检测对象图像,最后通过特征向量提取模块806对该待检测对象的长度、宽度、夹角等数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别;
而后采用对象识别模块9进行对象识别,此时通过样本数据提取模块901提取样本数据库模块401中的样本数据,再使得三维模型构建模块902构建检测样本的三维模型,然后通过特征参数输入模块903输入特征向量提取模块806所提取出的检测对象的特性向量参数,通过模型数据匹配模块904进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块10根据所匹配的三维模型状态,输出该检测对象的当前状态,完成对象状态识别;
最后通过对照检测模块1101将状态识别模块10所识别出的当前检测对象状态数据代入至样本数据库模块401内部进行对照检测,避免出现数据错误的情况,或者通过图像验证模块1102在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,然后通过识别输出模块1103输出检测结果,避免出现检测错误的情况,而警报模块12能够在对象识别模块9和二次检验模块11识别出错误对象时进行及时警报处理,就这样完成整个可对象状态识别防漏检的图像识别系统及方法的使用过程。
本发明的实施例是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (2)
1.一种可对象状态识别防漏检的图像识别方法,其特征在于,所述可对象状态识别防漏检的图像识别系统的方法包括以下具体步骤:
S1、进行图像采集,使用初步判定模块(5)识别判断图像中是否含有检测对象,通过对象颜色校对模块(503)与样本数据库模块(401)内部的数据进行校对,并通过形状数据匹配模块(505)与本数据库模块(401)内部的数据进行匹配,进而通过形状对比初步判定是否为检测对象,避免出现漏检测的情况;
S2、使用图像提取模块(7)提取检测数据库模块(402)中含有检测对象的图像,通过图像处理模块(8)对含有检测对象的图像进行图像处理,通过图像预处理、对象捕捉、对象平滑度处理、对象边缘点提取、对象边缘增强的步骤获得较为清晰完整的检测对象图像,最后通过特征向量提取模块(806)对待检测对象的长度、宽度、夹角数据,以便于后续的数据匹配,进而在模糊图像的基础上,进行进一步的准确识别;
S3、采用对象识别模块(9)进行对象识别,通过提取样本数据库模块(401)中的样本数据构建检测样本的三维模型,然后通过特征参数输入模块(903)输入特征向量提取模块(806)所提取出的检测对象的特性向量参数,通过模型数据匹配模块(904)进行检测对象与样本三维模型的数据匹配,并输出匹配结果;若匹配正确,则能够识别出该检测对象,使得状态识别模块(10)根据所匹配的三维模型状态,输出该检测对象的当前状态,完成对象状态识别;
S4、最后通过对照检测模块(1101)将状态识别模块(10)所识别出的当前检测对象状态数据代入至样本数据库模块(401)内部进行对照检测,避免出现数据错误的情况,或者通过图像验证模块(1102)在基于多张图像的基础上,对该检测对象的不同状态进行多次验证识别,然后通过识别输出模块(1103)输出检测结果,避免出现检测错误的情况。
2.一种可对象状态识别防漏检的图像识别系统,其执行根据权利要求1所述的一种可对象状态识别防漏检的图像识别方法,其特征在于,包括图像采集模块(1)、初步判定模块(5)和对象识别模块(9),所述图像采集模块(1)的输入端电性连接有成像装置(2),且图像采集模块(1)的输出端电性连接有数据传输模块(3),所述数据传输模块(3)的输出端电性连接有数据储存模块(4),所述初步判定模块(5)电性连接于数据储存模块(4)的输出端,且初步判定模块(5)包括识别捕捉模块(501)、对象颜色提取模块(502)和形状数据提取模块(504),所述识别捕捉模块(501)的输出端电性连接有对象颜色提取模块(502)和形状数据提取模块(504),且对象颜色提取模块(502)和形状数据提取模块(504)为并联连接,所述初步判定模块(5)的输出端电性连接有图像分类模块(6),且图像分类模块(6)的输出端电性连接有图像提取模块(7),所述图像提取模块(7)的输出端电性连接有图像处理模块(8),所述对象识别模块(9)电性连接于图像处理模块(8)的输出端,且对象识别模块(9)的输出端电性连接有状态识别模块(10),所述状态识别模块(10)的输出端电性连接有二次检验模块(11);
所述数据储存模块(4)包括样本数据库模块(401)和检测数据库模块(402),且样本数据库模块(401)和检测数据库模块(402)为并联连接;
所述初步判定模块(5)还包括对象颜色校对模块(503)、形状数据匹配模块(505)和判断识别模块(506),所述对象颜色提取模块(502)的输出端电性连接有对象颜色校对模块(503),所述形状数据提取模块(504)的输出端电性连接有形状数据匹配模块(505),所述对象颜色校对模块(503)和形状数据匹配模块(505)的输出端电性连接有判断识别模块(506);
所述初步判定模块(5)用于识别判断图像中是否含有检测对象,所述图像分类模块(6)用于对检测数据库模块(402)内部的图像进行分类,具体分为含有检测对象的图像和不含有检测对象的图像,所述图像提取模块(7)用于提取检测数据库模块(402)中含有检测对象的图像;
所述图像处理模块(8)包括图像预处理模块(801)、对象捕捉模块(802)、对象平滑度处理模块(803)、对象边缘点提取模块(804)、对象边缘增强模块(805)和特征向量提取模块(806),所述图像预处理模块(801)的输出端电性连接有对象捕捉模块(802),且对象捕捉模块(802)的输出端电性连接有对象平滑度处理模块(803),所述对象平滑度处理模块(803)的输出端电性连接有对象边缘点提取模块(804),且对象边缘点提取模块(804)的输出端电性连接有对象边缘增强模块(805),所述对象边缘增强模块(805)的输出端电性连接有特征向量提取模块(806);
所述图像预处理模块(801)包括图像灰度处理模块(8011)和图像过滤处理模块(8012),所述图像灰度处理模块(8011)用于对图像进行灰度化处理,所述图像过滤处理模块(8012)用于过滤消除图像中的斑点,提高图像清晰度;
所述对象识别模块(9)包括样本数据提取模块(901)、三维模型构建模块(902)、特征参数输入模块(903)和模型数据匹配模块(904),所述样本数据提取模块(901)的输出端电性连接有三维模型构建模块(902),且三维模型构建模块(902)的输出端电性连接有特征参数输入模块(903),所述特征参数输入模块(903)的输出端电性连接有模型数据匹配模块(904);
所述样本数据提取模块(901)与样本数据库模块(401)相连,且样本数据提取模块(901)用于提取样本数据,所述三维模型构建模块(902)用于构建检测样本的三维模型,所述特征参数输入模块(903)用于输入检测对象的特性向量参数,所述模型数据匹配模块(904)用于进行检测对象与样本三维模型的数据匹配,并输出匹配结果;
所述对象识别模块(9)和二次检验模块(11)的输出端均电性连接有警报模块(12),且二次检验模块(11)包括对照检测模块(1101)、图像验证模块(1102)和识别输出模块(1103),所述对照检测模块(1101)、图像验证模块(1102)为并联连接,且对照检测模块(1101)、图像验证模块(1102)的输出端电性连接有识别输出模块(1103)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210984584.5A CN115424189B (zh) | 2022-08-17 | 2022-08-17 | 一种可对象状态识别防漏检的图像识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210984584.5A CN115424189B (zh) | 2022-08-17 | 2022-08-17 | 一种可对象状态识别防漏检的图像识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115424189A CN115424189A (zh) | 2022-12-02 |
CN115424189B true CN115424189B (zh) | 2024-01-23 |
Family
ID=84198514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210984584.5A Active CN115424189B (zh) | 2022-08-17 | 2022-08-17 | 一种可对象状态识别防漏检的图像识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424189B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000242782A (ja) * | 1999-02-25 | 2000-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像中の物体の検出装置、方法およびこの方法を記録した記録媒体 |
CN105718866A (zh) * | 2016-01-15 | 2016-06-29 | 北京大学 | 一种视觉目标检测与识别方法 |
CN111652292A (zh) * | 2020-05-20 | 2020-09-11 | 贵州电网有限责任公司 | 一种基于ncs、ms的相似物体实时检测方法及系统 |
-
2022
- 2022-08-17 CN CN202210984584.5A patent/CN115424189B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000242782A (ja) * | 1999-02-25 | 2000-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 画像中の物体の検出装置、方法およびこの方法を記録した記録媒体 |
CN105718866A (zh) * | 2016-01-15 | 2016-06-29 | 北京大学 | 一种视觉目标检测与识别方法 |
CN111652292A (zh) * | 2020-05-20 | 2020-09-11 | 贵州电网有限责任公司 | 一种基于ncs、ms的相似物体实时检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115424189A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣系统及其方法 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
CN110675447A (zh) | 一种基于可见光相机与热像仪结合的人数统计方法 | |
CN113192038B (zh) | 基于深度学习的已有火焰环境中异常烟火识别监测方法 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN114998352A (zh) | 一种基于图像处理的生产设备故障检测方法 | |
CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
CN114820626A (zh) | 一种汽车前脸零件配置智能检测方法 | |
CN105989600A (zh) | 基于特征点分布统计的配电网设备外观检测方法及系统 | |
CN113095445B (zh) | 一种目标识别方法及装置 | |
CN115424189B (zh) | 一种可对象状态识别防漏检的图像识别系统及方法 | |
CN117330582A (zh) | 一种高分子pe薄膜表面晶点检测系统 | |
CN110866917A (zh) | 一种基于机器视觉的药片类型及排列方式识别方法 | |
CN114494103A (zh) | 缺陷检测方法及检测装置 | |
CN105740831B (zh) | 一种应用于智能驾驶的停止线检测方法 | |
CN114662594B (zh) | 一种目标特征识别分析系统 | |
CN114973104A (zh) | 一种基于视频图像的动态火焰检测算法与系统 | |
TWI480808B (zh) | 行人偵測系統與方法 | |
Lan et al. | Weld Recognition of Pressure Vessel Based on Texture Feature | |
CN113191350B (zh) | 一种飞机驾驶舱开关旋钮状态检测方法及其设备 | |
EP4160274A1 (en) | Vehicle inspection method and system | |
Zhai et al. | Detection of Impurity within Grain Samples by Image Analysis |
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 |