《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 測(cè)試測(cè)量 > 設(shè)計(jì)應(yīng)用 > 融合五幀差分與高斯模型的運(yùn)動(dòng)物料袋檢測(cè)
融合五幀差分與高斯模型的運(yùn)動(dòng)物料袋檢測(cè)
來(lái)源：電子技術(shù)應(yīng)用2013年第10期
賈 偉,， 黃小天， 謝 椿,， 王正勇
四川大學(xué) 電子信息學(xué)院圖像信息研究所,，四川 成都 610064
摘要： 提出了一種快速檢測(cè)方法。以動(dòng)態(tài)傳送帶與物料袋為研究對(duì)象,，用改進(jìn)的五幀差分法提取運(yùn)動(dòng)物料袋圖像,，同時(shí)以中間幀圖像為參照進(jìn)行單高斯背景更新；采用中間幀圖像與背景圖像做差,，將得到的前景圖像與幀差法得到的運(yùn)動(dòng)圖像進(jìn)行形態(tài)學(xué)“與”運(yùn)算,；當(dāng)幀數(shù)滿(mǎn)足給定條件時(shí)，表明該幀為完整物料袋圖像,，保存幀圖像,，并對(duì)不滿(mǎn)足該條件的相鄰幀圖像通過(guò)加運(yùn)算補(bǔ)償。實(shí)驗(yàn)結(jié)果表明,，該方法可以得到準(zhǔn)確,、快速的檢測(cè)結(jié)果，并且對(duì)環(huán)境變化具有較強(qiáng)的魯棒性,。
中圖分類(lèi)號(hào)： TP391
文獻(xiàn)標(biāo)識(shí)碼： A
文章編號(hào)： 0258-7998(2013)10-0139-04
Moving material bag detection method of a fused five frame difference and Gaussian model
Jia Wei, Huang Xiaotian, Xie Chun, Wang Zhengyong
College of Electronics and Information Engineering, Sichuan University, Chengdu 610064, China
Abstract： The article proposes a rapid detection method. Firstly, the article takes the dynamic conveyor belt and the plastic bags as the research object,，uses the improved five-difference method to extract the images of moving material bags，At the same time,it takes the intermediate frame picture as a reference to update background,；Then using the difference between the middle frame image and the background image,，and makes morphological and operation between the foreground image and the moving image obtained by frame difference method;When the number of frames meets special condition,it shows that the frame includes complete image information of material bag, and saves the frame image, continues to detect;Oppositly, then compensate the adjacent frames which is not satisfied the condition by add operation. the experimental results shows that the method is accurate and fast, and has a strong robustness to environmental change.
Key words : five frame difference method; single Gaussian model; morphological operation; material detection

    隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，其應(yīng)用受到越來(lái)越多的關(guān)注,如研究人員應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)蘋(píng)果[1],、葡萄[2],、西紅柿等蔬菜[3]水果進(jìn)行檢測(cè)和分類(lèi)，對(duì)棒材,、煙支等靜態(tài)目標(biāo)進(jìn)行檢測(cè)與計(jì)數(shù),。而用于對(duì)行人[4-6]、車(chē)輛等動(dòng)態(tài)目標(biāo)的檢測(cè)方法主要有幀差法,、背景減法,、光流法。其中幀差法是基于多幀圖像的相關(guān)性而提出的方法,，通過(guò)將相鄰兩幀或者多幀的灰度值做差,，當(dāng)差值很小時(shí),，則標(biāo)記為背景，反之,，則被認(rèn)為是運(yùn)動(dòng)目標(biāo),，該方法具有算法簡(jiǎn)單、對(duì)光照與環(huán)境變化具有適應(yīng)性等特點(diǎn),。背景減法將序列圖像當(dāng)前幀與背景圖像做差,，當(dāng)差值很小時(shí)，被認(rèn)為是背景區(qū)域,，相反則被標(biāo)記為目標(biāo)區(qū)域,。背景差分可以通過(guò)背景建模的方式提高對(duì)環(huán)境變化的適應(yīng)能力，常見(jiàn)的建模方法有中值,、均值濾波法,、單高斯模型背景更新[7]、混合高斯模型法更新,、碼書(shū)背景建模等,。

    本文首先以傳送帶上運(yùn)動(dòng)的物料袋為研究對(duì)象，針對(duì)幀差法和背景減法在性能上互補(bǔ)[8]的特點(diǎn),，提出了一種融合五幀差分與高斯模型的運(yùn)動(dòng)物料袋快速檢測(cè)方法,。首先以傳送帶和物料袋為研究對(duì)象，采用改進(jìn)的五幀差分法提取目標(biāo)區(qū)域,，以減小環(huán)境光照的影響；同時(shí)以物料袋為研究對(duì)象,利用單高斯模型進(jìn)行背景的更新,，將中間幀圖像與背景圖像做差,，得到目標(biāo)區(qū)域，通過(guò)運(yùn)動(dòng)策略分析,最后將兩個(gè)目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)“與”運(yùn)算,，從而消除了傳送帶在物料袋檢測(cè)過(guò)程中的影響,。
1 改進(jìn)的五幀差分算法
    設(shè)Fk(x,y)、Fk+1(x,y)分別表示第k幀和k+1幀的圖像,，Hk(x,y)為差分結(jié)果,，即：
    
    (2)為了補(bǔ)償背景更新對(duì)其他圖像幀的影響，采用圖像加運(yùn)算的補(bǔ)償方法,，當(dāng)幀數(shù)滿(mǎn)足((k-1)%5==0)||((k+1)%5==0)時(shí),保存該圖像幀,，再對(duì)該幀相鄰幀圖像進(jìn)行加運(yùn)算, 其中NumFrm=k，NumFrm為幀數(shù),，最后得到前景圖像,。
3 物料袋檢測(cè)算法及描述
    首先從視頻流中獲取五幀視頻，判斷中間幀是否滿(mǎn)足上述條件,，然后利用改進(jìn)的五幀差分算法提取初步的物料袋圖像,；同時(shí)對(duì)獲取的中間幀進(jìn)行單高斯模型背景更新,，再用背景減法獲得物料袋圖像，針對(duì)幀差法和背景差法互補(bǔ)的特點(diǎn),，最后獲取物料袋前景圖像,。
    由于存在時(shí)間間隔與延遲，從而使某些幀信息丟失,。為此,，本文對(duì)該視頻幀進(jìn)行了統(tǒng)計(jì)分析,如圖1所示。結(jié)果顯示,當(dāng)幀數(shù)滿(mǎn)足((nFrmNum-1)%5==0)||((nFrmNum+1)%5==0)時(shí),，檢測(cè)到較為完整的物料袋,，而相鄰幀圖像出現(xiàn)了局部空洞圖像,如圖1(d)所示。針對(duì)非剛體物料袋表面絕大部分具有相似性的特點(diǎn),，本文通過(guò)完整物料袋圖像的表面圖像來(lái)補(bǔ)償相鄰幀不完整的圖像,最終得到了完整的物料袋目標(biāo)圖像,如圖1(e)所示,。

 

 

4 實(shí)驗(yàn)結(jié)果及分析
    實(shí)驗(yàn)所采用的視頻來(lái)源于成都某食品公司的倉(cāng)庫(kù)，視頻中的物料袋為玉米袋,，視頻內(nèi)容為玉米袋裝車(chē)時(shí)在傳送帶上的運(yùn)動(dòng)情況,，視頻中包含了本文研究所包含的各種影響因素，具體包括：運(yùn)動(dòng)的人,、光線(xiàn)的變化(明暗變化),、復(fù)雜的背景等。實(shí)驗(yàn)中計(jì)算機(jī)的配置：CPU為Pentium T4400,，主頻2.21 GHz,，內(nèi)存2.00 GB；硬盤(pán)空間320 GB,。實(shí)驗(yàn)中視頻格式為AVI,，分別采用單包、連包情況下的3段視頻進(jìn)行試驗(yàn),，視頻設(shè)為I,、II、III,，時(shí)長(zhǎng)分別為1′17",、46"、1′5",。其中單高斯模型的更新系數(shù)為a=0.05,。
    圖2所示為采用視頻I，并對(duì)傳統(tǒng)的混合高斯模型(GMM),、單高斯模型(SGM),、五幀差分法(FFD)、以及本文算法(Proposed Algorithm)進(jìn)行對(duì)比研究的結(jié)果,其中圖2(a),、圖2(b),、圖2(c)分別表示對(duì)視頻第459幀,、第732幀、第895幀的原始幀 (Original Frame) 圖像及其檢測(cè)效果,。結(jié)果顯示,雖然各種算法針對(duì)的運(yùn)動(dòng)物體的檢測(cè)條件不同,，而當(dāng)選擇傳送帶跟物料袋為整體研究對(duì)象時(shí)，本文算法具有非常明顯的優(yōu)勢(shì),。視頻中人體局部在運(yùn)動(dòng),，并且光照在時(shí)明時(shí)暗的變化條件下，對(duì)檢測(cè)結(jié)果影響不大,。圖中第459幀中的光線(xiàn)較其他幀圖像強(qiáng),第895幀光線(xiàn)變暗,。

    圖3所示為采用視頻II和視頻III對(duì)橫向連包和縱向連包情況下的物料袋檢測(cè)結(jié)果。圖4所示為前景圖像中白色區(qū)域的面積隨時(shí)間的變化關(guān)系,，P(t)表示前景圖像中像素點(diǎn)的實(shí)時(shí)分布概率,。結(jié)果顯示，圖4(a)對(duì)橫向連包的檢測(cè)結(jié)果比較明顯,，曲線(xiàn)與橫坐標(biāo)所圍的面積約為單包時(shí)的2倍,。視頻III中，由于受傳送袋上散落玉米粒的影響,，在66.7 ms~133.3 ms時(shí)間段內(nèi)出現(xiàn)了兩個(gè)峰值,，圖4(b)中連包時(shí)峰值與相鄰極小值所圍的面積約為單包的2倍。

    本文對(duì)傳送帶上運(yùn)動(dòng)的物料袋進(jìn)行了研究,，針對(duì)幀差法與背景減法互補(bǔ)的特點(diǎn),，提出了一種運(yùn)動(dòng)物料袋快速檢測(cè)方法。該方法對(duì)環(huán)境變化有較好的魯棒性,，實(shí)驗(yàn)結(jié)果得到了較好的檢測(cè)效果,，因此可以應(yīng)用于基于計(jì)算機(jī)視覺(jué)技術(shù)的物料袋在線(xiàn)檢測(cè)、統(tǒng)計(jì)等相關(guān)研究與應(yīng)用中,。但是，當(dāng)傳送帶發(fā)生劇烈晃動(dòng)時(shí),，本文方法檢測(cè)效果不太理想,，檢測(cè)結(jié)果會(huì)出現(xiàn)局部面積較小的空洞。
參考文獻(xiàn)
[1] 趙延軍,徐麗明.基于機(jī)器視覺(jué)的蘋(píng)果果袋檢測(cè)方法[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2006,11(1):87-90.
[2] 陳英,廖濤,林初靠,等.基于計(jì)算機(jī)視覺(jué)的葡萄檢測(cè)分級(jí)系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,42(3):169-172.
[3] 丁筠,殷涌光. 蔬菜中大腸桿菌的機(jī)器視覺(jué)快速檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(2):134-139.
[4] 陳浩,王景中,姚光明.基于類(lèi)園分割的棒材計(jì)數(shù)圖像識(shí)別[J].工程圖學(xué)學(xué)報(bào),2004(4):89-103.
[5] 李衡宇,何小海,吳煒,等.基于計(jì)算機(jī)視覺(jué)的公交車(chē)人流統(tǒng)計(jì)系統(tǒng)[J]. 四川大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,44(4):825-830.
[6] 章東平,童超,蘆亞飛.基于粒子視頻的高密度人群主流運(yùn)動(dòng)檢測(cè)[J].電子技術(shù)應(yīng)用,2012,38(4):123-125.
[7] WREN C R, AZARBAYEJANI A J, DARRELL T J, et al. Pfinder: real-time tracking of the human body[C].Photonics East′95. International Society for Optics and Photonics, 1996.
[8] 郝毫剛,陳家琪,遠(yuǎn)博,等.基于五幀差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程,2012,38(4):146-148.
[9] 王耀明,董建萍,嚴(yán)煒,等.圖像閾值分割的統(tǒng)計(jì)迭代算法[J].桂林電子科技大學(xué)學(xué)報(bào),2000, 20(2):6-7.

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。