CN115661244A - 一种基于机器视觉的消毒门喷雾精准定位识别方法 - Google Patents

Abstract

本发明公开一种基于机器视觉的消毒门喷雾精准定位识别方法，通过高速摄像机对通过人群进行图像采集，获取高质量图像；采用小波阈值去噪法对初始图像进行去噪处理，然后通过加权平均法进行灰度化处理；然后对图像进行二值化处理；采用索贝尔(sobel)算子进行图像边缘检测分割并通过双边缘跟踪算法串接目标边缘；然后进行判断图像是否符合喷雾要求；若满足，则通过优化算法计算安装在消毒门上的N个超声喷雾喷嘴的每个喷头的喷雾时间、喷雾压力及喷雾角度；接着就进行喷雾消毒操作；最后通过图像处理检测喷雾浓度，对喷嘴输入进行调节，保证消毒门工作效率及精准度，从而为抑制病毒传染提供有力的支持。

Description

一种基于机器视觉的消毒门喷雾精准定位识别方法

技术领域

本发明主要涉及消毒技术领域，更具体地说，特别涉及一种基于机器视觉的消毒门喷雾精准定位识别方法。

背景技术

目前普遍采用的病毒消杀方法是人工手持喷雾器喷洒消毒液。这样的病毒消杀方法，不仅费时费力，而且对参与病毒消杀人员也存在一定的感染风险。而目前市面上所采用的消毒门主要采用红外感应，即在监测到有人通过时，消毒门喷出一定量的喷雾，进行消毒。但是，此类消毒门无法根据人的身形特征进行喷雾消毒，存在消毒不全面和消毒液浪费问题，且过量的消毒液也对人体健康存在一定的危害。

发明内容

针对目前普遍采用的病毒消杀方法中存在的效率低、耗药量多、存在感染风险等问题，本申请的目的在于提供一种基于机器视觉的消毒门喷雾精准定位识别方法。

为了解决上述技术问题，本申请提供了一种基于机器视觉的消毒门喷雾精准定位识别方法，具体包括以下步骤：

步骤一：对需通过消毒门的人体进行图像采集，获得初始图像；

步骤二：采用小波阈值去噪法对采集得到的初始图像进行去噪处理，然后通过加权平均法对去噪后的图像进行灰度化处理；

步骤三：将灰度化处理后的图像进行局部自适应二值化；

步骤四：对二值化后的图像采用索贝尔(sobel)算子进行图像边缘检测分割，提取人体边缘轮廓；

步骤五：通过对人体边缘轮廓进行边缘检测得到分离不连续的人体边缘图像，通过双边缘跟踪算法串接人体边缘图像的目标边缘，并计算目标点的中心；

步骤六：判断串接得到的人体边缘图像清晰度是否满足喷液要求，若未满足要求，则重新回到步骤一，重新开始采集图像；

在判断得到的人体连续边缘图像满足喷液要求后，根据人体边缘图像，计算喷头的喷雾时间、喷雾压力及喷雾角度；精准控制消毒液的施放。

作为本发明的优选，所述步骤二中的小波阈值去噪法的流程为：1)分解过程：选定一种小波对图像信号进行n层小波分解；2)阈值处理过程：对分解的各层系数进行阈值处理，获得小波系数；3)重构过程：根据获得的小波系数进行小波重构，获得去噪后的图像信号。

作为本发明的优选，所述步骤二中去噪处理后还采用去噪质量测量评价方法进行测评，去噪质量测量评价方法采用峰值信噪比，其通常定义为：

MAX_I：图像点颜色的最大数值；MSE：均方差。

而均方差(MSE)定义如下：

H：图像的高度；W：图像的宽度；X(i,j)：初始图像像素点；Y(i,j)：去噪后的图像像素点。

作为本发明的优选，所述步骤二中灰度化处理公式为：

Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j)

Gray(i,j)：灰度值；R(i,j)：去噪后图像的红色分量；G(i,j)：去噪后图像的绿色分量；B(i,j)：去噪后图像的蓝色分量。

作为本发明的优选，所述步骤三具体为：针对灰度图像中的每一个像素逐点进行阈值计算，该图像的阈值由图像内所有像素点的局部灰度特性和像素灰度值确定；把图像中小于该阈值的像素点设为一个像素值，而大于该阈值的像素点设为另一个像素值。

作为本发明的优选，所述步骤四中采用索贝尔(sobel)算子进行边缘检测，以A代表二值化后的图像像素点，Gx和Gy分别代表经横向及纵向边缘检测的图像灰度值；

因此此点灰度：|G|＝|G_x|+|G_y|

若梯度G大于某一阈值则认为该点(x,y)为边缘点。

作为本发明的优选，所述步骤五中边缘中心的计算，其主要内容为找到目标的上下左右边界。其计算形式为：

进而可得到中心坐标：

y_upper：图像在y坐标最高处；y_lower：图像在y坐标最低处；x_left：图像在x坐标最左处；x_right：图像在x坐标最右处；W：像素点宽度；H：像素点高度；I(x,y)：点的亮度函数。

作为本发明的优选，所述准定位识别方法还能够采集喷头喷出的喷雾照片，通过图像处理对雾滴的边缘进行检测识来识别喷雾浓度，从而对喷头工作参数进行负反馈调节，保证消毒门的工作效率及工作精准度。

本发明还提供了一种基于机器视觉的消毒门喷雾精准定位识别方法的消毒门，包括消毒门本体、设置在消毒门本体顶部位置的图像采集装置、喷雾精准定位识别装置和用于喷撒消毒液的喷液装置；

所述图像采集装置包括高速摄像机，所述高速摄像机用于采集即将通过消毒门的人体图像以及采集喷液装置喷出的喷雾图片并传输给喷雾精准定位识别装置；所述喷雾精准定位识别装置设置有基于机器视觉的消毒门喷雾精准定位识别方法，能够分析处理由图像采集装置传输来的人群图像和喷雾图片从而对喷液装置进行调节；所述喷液装置包括安装在消毒门本体上的若干个超声喷雾喷嘴，所述超声喷雾喷嘴用于喷撒消毒液。

与现有技术相比，本发明的有益效果在于：

1、本发明通过边缘识别方法，对消毒液喷雾进行精准定位，保证消毒液覆盖全面，提高了病毒消杀效果。

2.本发明通过精准定位识别方法，根据人体边缘图像，计算喷头的喷雾时间、喷雾压力及喷雾角度；精准控制消毒液的施放有效减少了消毒液的使用剂量，节约了大量的医疗资源且避免了传统消毒门消毒液剂量过大对人体造成的生理伤害，保护了人体健康。

3、本发明通过机器视觉技术识别需通过消毒门的人群，对其进行病毒消杀，无需人工手持喷雾器喷洒消毒液，有效扼制了病毒的传播。

附图说明

图1是本发明一种基于机器视觉的消毒门喷雾精准定位识别方法的整体流程示意图。

图2是本发明一种基于机器视觉的消毒门喷雾精准定位识别方法的一个具体实施例中的消毒门简图。

具体实施方式

以下结合附图对本发明作进一步说明。

需要说明，在本发明中，除非另有明确的规定和限定，术语“连接”、等应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；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，除非另有明确的限定。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。

在本具体实施例中，如图1和图2所示；一种基于机器视觉的消毒门喷雾精准定位识别方法，具体步骤如下所示：

步骤一：首先，在消毒门的顶部位置安装图像采集装置，其通过高速摄像机对即将需通过消毒门的人群进行图像采集，获得高清晰度，高质量的初始图像；

步骤二：然后对采集得到的图像进行一系列处理，采用小波阈值去噪法对采集得到的初始图像进行去噪处理：先选定一种小波对图像信号进行n层小波分解；然后对分解的各层系数进行阈值处理，获得估计小波系数；最后根据小波系数进行小波重构，获得去噪后的图像信号。进行去噪处理后再采用去噪质量测量评价方法进行测评，去噪质量测量评价方法采用峰值信噪比，其通常定义为：

MAX_I：图像点颜色的最大数值；MSE：均方差。

而均方差(MSE)定义如下：

H：图像的高度；W：图像的宽度；X(i,j)：初始图像像素值；Y(i,j)：去噪后的图像像素值。

然后通过加权平均法对去噪后的图像进行灰度化处理，使其可被计算机识别；其中灰度化处理公式为：

Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j)

Gray(i,j)：灰度值；R(i,j)：去噪后图像的红色分量；G(i,j)：去噪后图像的绿色分量；B(i,j)：去噪后图像的蓝色分量。

步骤三：将灰度化后的图像进行局部自适应二值化，针对灰度图像中的每一个像素逐点进行阈值计算，它的阈值由像素的邻域内的点的局部灰度特性和像素灰度值确定；把图像中小于该阈值的像素点设为一个像素值，而大于该阈值的像素点设为另一个像素值。此时图像中的像素点灰度值只剩下0或者255；

步骤四：图像的边缘部分集中了图像大部分信息，也是我们的识别目标，因此对二值化后的图像采用索贝尔(sobel)算子进行图像边缘检测分割，以A代表二值化后的图像像素点，Gx和Gy分别代表经横向及纵向边缘检测的图像灰度值；

则：

因此此点灰度：|G|＝|G_x|+|G_y|；若梯度G大于某一阈值则认为该点 (x,y)为边缘点。

以此来识别人体图像边缘，提取人体边缘轮廓。

步骤五：通过边缘检测得到分离不连续的人体边缘图像，通过双边缘跟踪算法串接目标边缘，并计算目标点的中心，得到人体边缘轮廓图。其主要内容为找到目标的上下左右边界，其计算形式为：

进而可得到中心坐标：

y_upper：图像在y坐标最高处；y_lower：图像在y坐标最低处；x_left：图像在x坐标最左处；x_right：图像在x坐标最右处；W：像素点宽度；H：像素点高度；I(x,y)：点的亮度函数。

步骤六：判断串接得到的人体边缘图像是否满足喷液要求，若识别得到的人体轮廓过于模糊，则重新回到步骤一，重新开始采集图像，并重新进行图像处理，精准提取人体轮廓线条；

步骤七：在得到人体连续边缘轮廓后，根据轮廓特征，采用优化算法计算安装在消毒门上的N个超声喷雾喷嘴的每个喷头的喷雾时间、喷雾压力及喷雾角度，并对喷嘴进行调整，准备喷雾；

步骤八：安装在消毒门上的N个超声喷雾喷嘴即可根据计算结果，精准控制消毒液的施放，在完成消毒目标的同时减少消毒液用量，保护人体健康，节约资源。

步骤九：高速摄像机可以拍摄超声喷雾喷嘴喷出的喷雾照片，通过图像处理进行喷雾浓度识别，从而对超声喷嘴的喷嘴工作参数进行负反馈调节，保证消毒门的工作效率及工作精准度。

如图2所示，为了能够更加清楚地理解本发明的方法，还提供了一种采用本发明所述基于机器视觉的消毒门喷雾精准定位识别方法的消毒门，包括消毒门本体、设置在消毒门本体顶部位置的图像采集装置、喷雾精准定位识别装置和用于喷撒消毒液的喷液装置；

所述图像采集装置包括高速摄像机，所述高速摄像机用于采集即将通过消毒门的人体图像以及采集喷液装置喷出的喷雾图片并传输给喷雾精准定位识别装置；所述喷雾精准定位识别装置能够分析处理由图像采集装置传输来的人群图像和喷雾图片从而对喷液装置进行调节；所述喷液装置包括安装在消毒门本体上的若干个超声喷雾喷嘴，所述超声喷雾喷嘴用于喷撒消毒液。

其工作过程如下：在人体距离消毒门还有2米的位置时，采用高速摄像机进行多张图像采集，对采集到的图像进行筛选，确保得到一张正面的，无遮挡的，高亮度的高清人体图像，图像分辨率为3024*4032。再通过采用小波阈值去噪法对采集得到的初始图像进行去噪处理；然后通过加权平均法对去噪后的图像进行灰度化处理；再将灰度化后的图像进行局部自适应二值化；之后对二值化后的图像采用索贝尔(sobel)算子进行图像边缘检测分割；最后通过边缘检测得到分离不连续的人体边缘图像，通过双边缘跟踪算法串接目标边缘，并计算目标点的中心，得到人体边缘轮廓图。

根据得到人体边缘轮廓图的轮廓特征，采用优化算法计算安装在消毒门上的 10个超声喷雾喷嘴的每个喷头的喷雾时间、喷雾压力及喷雾角度，并对喷嘴进行调整进行喷雾。其中消毒门上安装的超声雾化喷嘴主要分布为上下各两个，间隔20cm，而左右各三个，间隔40cm。且雾化喷嘴与消毒门连接方式为可转动式，雾化喷嘴可以轴心为中心，进行60°转动，有利于精准控制喷雾角度。每次喷嘴的总喷雾量基于识别的人体边缘轮廓来设置每个喷头的喷雾时间和喷雾压力，控制喷嘴的总喷雾量范围为3-6ml/人，确保用量适中，在保证病毒消杀效果的同时保护人体健康。同时高速摄像机还采集喷嘴进行喷雾时的图片，对喷雾的浓度和范围进行分析；从而对超声喷嘴的喷嘴工作参数进行实时反馈调节，保证消毒门的工作效率及工作精准度。

综上所述，本发明提供的一种基于机器视觉的消毒门喷雾精准定位识别方法，在减少了消毒液使用量的同时保证病毒消杀效果，保护人体健康；同时能够对超声喷嘴的喷嘴工作参数进行实时反馈调节，保证消毒门的工作效率及工作精准度。为抑制病毒传染提供有力的支持

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，包括以下步骤：

步骤一：对需通过消毒门的人体进行图像采集，获得初始图像；

步骤二：采用小波阈值去噪法对采集得到的初始图像进行去噪处理，然后通过加权平均法对去噪后的图像进行灰度化处理；

步骤三：将灰度化处理后的图像进行局部自适应二值化；

步骤四：对二值化后的图像采用索贝尔(sobel)算子进行图像边缘检测分割，提取人体边缘轮廓；

步骤五：通过对人体边缘轮廓进行边缘检测，得到不连续的人体边缘图像，通过双边缘跟踪算法串接人体边缘图像的目标边缘，并计算目标点的中心；

步骤六：判断串接得到的人体边缘图像清晰度是否满足喷液要求，若未满足要求，则重新回到步骤一，重新开始采集图像；

在判断得到的人体连续边缘图像满足喷液要求后，根据人体边缘图像，计算喷头的喷雾时间、喷雾压力及喷雾角度；精准控制消毒液的施放。

2.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤二中的小波阈值去噪法的流程为：1)分解过程：选定一种小波对图像信号进行n层小波分解；2)阈值处理过程：对分解的各层系数进行阈值处理，获得小波系数；3)重构过程：根据获得的小波系数进行小波重构，获得去噪后的图像信号。

3.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤二中去噪处理后还采用去噪质量测量评价方法进行测评，去噪质量测量评价方法采用峰值信噪比，其通常定义为：

MAX_I：图像点颜色的最大数值；MSE：均方差。

而均方差(MSE)定义如下：

H、W：图像的高度和宽度；X(i,j)：初始图像像素点；Y(i,j)：去噪后的图像像素点。

4.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤二中灰度化处理公式为：

Gray(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j)

Gray(i,j)：灰度值；R(i,j)：去噪后图像的红色分量；G(i,j)：去噪后图像的绿色分量；B(i,j)：去噪后图像的蓝色分量。

5.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤三具体为：针对灰度图像中的每一个像素逐点进行阈值计算，该图像的阈值由图像内所有像素点的局部灰度特性和像素灰度值确定；把图像中小于该阈值的像素点设为一个像素值，而大于该阈值的像素点设为另一个像素值。

6.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤四中采用索贝尔(sobel)算子进行边缘检测，以A代表二值化后的图像像素点，Gx和Gy分别代表经横向及纵向边缘检测的图像灰度值；

则：

因此此点灰度：|G|＝|G_x|+|G_y|

若梯度G大于某一阈值则认为该点(x,y)为边缘点。

7.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述步骤五中边缘中心的计算，其主要内容为找到目标的上下左右边界。其计算形式为：

进而可得到中心坐标：

y_upper：图像在y坐标最高处；y_lower：图像在y坐标最低处；x_left：图像在x坐标最左处；x_right：图像在x坐标最右处；W：像素点宽度；H：像素点高度；I(x,y)：点的亮度函数。

8.根据权利要求1所述的一种基于机器视觉的消毒门喷雾精准定位识别方法，其特征在于，所述准定位识别方法还能够采集喷头喷出的喷雾照片，通过图像处理对雾滴的边缘进行检测识来识别喷雾浓度，从而对喷头工作参数进行负反馈调节，保证消毒门的工作效率及工作精准度。

9.一种基于机器视觉的消毒门喷雾精准定位识别方法的消毒门，包括消毒门本体、设置在消毒门本体顶部位置的图像采集装置、喷雾精准定位识别装置和用于喷撒消毒液的喷液装置；

所述图像采集装置包括高速摄像机，所述高速摄像机用于采集即将通过消毒门的人体图像以及采集喷液装置喷出的喷雾图片并传输给喷雾精准定位识别装置；所述喷雾精准定位识别装置设置有基于机器视觉的消毒门喷雾精准定位识别方法，能够分析处理由图像采集装置传输来的人群图像和喷雾图片从而对喷液装置进行调节；所述喷液装置包括安装在消毒门本体上的若干个超声喷雾喷嘴，所述超声喷雾喷嘴用于喷撒消毒液。

Images