一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法技术

本发明专利技术公开了一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，该方法首先对图像进行预处理，利用第一帧图像中满足特定条件的连通域的数量确定需要跟踪的目标数量，并使用第一帧图像联通域中质心的坐标作为跟踪算法中前景目标的坐标初值；然后生成稀疏联合模型；最后对目标进行跟踪，利用粒子滤波框架，以联合稀疏模型的置信度和相似度为判别准则将目标从背景中分离，在目标跟踪过程中既考虑了最新的观察数据又考虑了原始的模板，所以能够解决目标外形变化和跟踪时漂移的问题。记录每个目标的运动轨迹并将其作为特征向量用以区分气泡、划痕和异物。该视觉检测方法高速、准确、稳定，满足高速生产线的实时在线检测需求。

An improved combined sparse representation based on template updating for tracking foreign objects in large infusion

The invention discloses an improved template update based on sparse representation method combined with foreign body in infusion tracking, firstly, preprocessing the image, determine the number of the connected domain to meet the specific conditions of the first frame image the number of target tracking, and use the coordinates of the first frame image centroid coordinates as the domain of China Unicom the initial prospect in the target tracking algorithm; then generate sparse combined model; finally, the target tracking using particle filter framework, with confidence and similarity joint sparse models as a criterion to separate target from the background, in the process of target tracking is considered the newest observation data and the original template. So to be able to solve problems drift target shape change and tracking. The motion trajectory of each target is recorded and used as a feature vector to distinguish bubbles, scratches, and foreign objects. The visual inspection method is high speed, accurate and stable, and meets the requirement of real-time on-line inspection of high-speed production line.

【技术实现步骤摘要】
一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法
本专利技术属于图像识别领域，特别涉及一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法。
技术介绍
2014年我国大输液产量用量居世界第一，约为130亿瓶，国内外大输液主要的包装材料有玻璃瓶、塑料瓶、塑料软袋。目前，我国玻璃瓶大输液约占市场份额的50％左右。在药品生产环节，由于生产工艺及封装技术的局限，药液中容易混入毛发、漂浮物(塑料、纤维)、玻璃屑等直径大于50微米的可见异物，这些异物严重影响输液者的用药安全和患者健康甚至生命安全。现阶段，国内250ml及以上的玻璃瓶大输液主要利用人工灯检或进口设备，人工灯检是采用“人工暗室观测”检测方法对注射液逐瓶肉眼检测，如图2所示，该方法劳动强度大、速度慢、效率低，靠人的主观思想判断药品是否合格，存在严重的漏检、误检等亟待解决的重大问题,难以满足国家药典对不溶性可见异物的规定。人工灯检还存不利于生产过程的自动化、有安全隐患和标准不同一的缺点，而进口设备的成本大，维护困难。因此，研制一套250ml及以上的医药大输液可见异物检测系统意义十分重大。
技术实现思路
本专利技术提供了一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，其目的在于，实现对溶液中的异物进行多目标跟踪识别，并排除气泡、划痕、光照和形变在异物识别过程中的影响。一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，包括以下步骤：步骤1：采集位于高速生产线上的大输液瓶的序列图像；步骤2：对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量；步骤3：依次以第一帧图像中的一个待跟踪目标的位置为基础，从第一帧图像中采集图像块，生成目标前景正字典和目标背景负字典；步骤4：对目标前景正字典和目标背景负字典进行规范化处理后，提取目标的稀疏判别字典，构造待跟踪目标的稀疏判别分类器；并获得待跟踪目标的稀疏生成模型，且利用待跟踪目标的稀疏判别分类器和稀疏生成模型构造待跟踪目标的联合稀疏模型；步骤5：以当前帧图像中待跟踪目标的位置为基础，从下一帧图像中采集图像块，获取所有候选目标图像块；步骤6：计算每个候选目标图像块属于待跟踪目标的置信度，并计算候选目标图像块与待跟踪目标稀疏直方图的相似度；步骤7：利用联合稀疏模型，从所有候选目标图像块中选取置信度和相似度乘积最大的图像块作为当前帧图像中的待跟踪目标；步骤8：以当前帧图像中的待跟踪目标的位置，在当前帧中采集图像块，生成新的目标前景正字典和目标背景负字典，从而构建新的待跟踪目标的稀疏判别字典，返回步骤5，直到得到当前待跟踪目标在序列图像中的运动轨迹后，再返回步骤3，获取下一个待跟踪目标在序列图像中的运动轨迹。进一步地，当所有被采集了图像块的图像帧数为2的倍数时，所述步骤8中构建的新的待跟踪目标的稀疏判别字典替代前一次被使用的待跟踪目标的稀疏判别字典，用于下一帧图像构建联合稀疏模型；否则，则使用前一次被使用的待跟踪目标的稀疏判别字典，构建下一帧图像的联合稀疏模型。进一步地，所述联合稀疏模型的表达式如下：其中，Hc为第c个候选目标图像块的置信度，εf是候选目标图像块x在当前目标前景正字典下的重构误差，εb是候选目标图像快x在当前目标背景负字典下的重构误差，A+为当前目标前景正字典矩阵，A-为当前目标背景负字典矩阵，为当前目标前景正字典矩阵下得到的稀疏系数矩阵，为当前目标背景负字典下得到的稀疏系数矩阵Lc为第c个候选目标图像块的相似度，为第c个候选目标图像块的稀疏直方图中第j个系数，ψj为第一帧图像的目标模板稀疏直方图中第j个系数；J为每一个候选目标图像块对应的稀疏系数向量的维数；M为从每帧图像中采集的图像块数目；σ表示图像块方差，取值范围为0-1之间。进一步地，所述步骤2中对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量的具体步骤如下：步骤2.1：对第一幅图像Image0进行二值化操作，得到二值图像Imagebinary0；将待跟踪目标从背景图像中分割出来，T1为设定二值化分割阈值，Image(x,y)为图像中(x,y)位置像素的灰度值；步骤2.2：对二值图像Imagebinary0进行连通域搜寻操作，根据异物的大小寻找与异物大小相差不超过10％的连通域Blob，并对Blob进行孔洞填充；步骤2.3：粗定位待跟踪目标在图像中的位置place0和待跟踪目标的数目number；步骤2.3.1：采用重心法计算出每个填充连通域Blob的中心O(xo,yo)，即为目标的圆心，N为Blob像素点总数：其中，(xi,yi)表示连通域中像素点的坐标。进一步地，所述待跟踪目标的联合稀疏模型的生成过程如下：步骤4.1：根据前一帧图像中所获得的待跟踪目标的初始位置，计算目标的稀疏判别字典并用于构造待跟踪目标的稀疏判别分类器；步骤4.1.1：将随机偏移量加到待跟踪目标的初始坐标，得到围绕初始坐标的随机坐标；以随机坐标为中心采集前景图像快，得到包含目标前景的图像块，将所有图像块的灰度值向量化，得到前一帧图像的正字典；步骤4.1.2：以待跟踪目标的初始坐标为圆心，根据目标的运动速度估计目标在下一帧图像的可能运动范围R，以R为半径对背景采集图像块，得到包含目标背景的图像块，将所有图像块的灰度值向量化，得到前一帧图像的负字典；步骤4.1.3：将两个字典分别规范化，并级联成一个判别字典，构造目标的稀疏判别分类器；步骤4.2：提取目标的稀疏生成模型；步骤4.2.1：用规范化的图像块来表示目标图像的局部外形灰度特征；使用滑动窗口在待跟踪目标图像上获得M个图像块，将每个图像块都转化为一个向量，并通过计算得到每个图像块的稀疏系数；步骤4.2.2：通过M个图像块得到的M个稀疏系数向量，将M个稀疏系数向量规范化，然后合并成一个稀疏矩阵B，通过该稀疏矩阵得到目标的稀疏直方图模型，即目标的稀疏生成模型；稀疏矩阵B就是目标的稀疏直方图模型；步骤4.3：利用步骤4.1获得的稀疏判别分类器和步骤4.2获得的稀疏生成模型共同构建联合稀疏模型。有益效果与现有技术相比，本专利技术的优点体现在以下几点：(1)本专利技术采用了基于联合稀疏表示的方法，通过置信度和相似度的判断，来实现对目标的判别，使跟踪误差大幅减小；(2)与传统目标跟踪的方法相比，本专利技术提出的跟踪方法受干扰程度更低，因为本方法加入了字典更新的步骤，当目标外表发生形变时能及时对判别字典进行更新；因此本方法几乎不受外形改变的干扰，稳定性更好，速度更快；(3)与传统稀疏方法相比，本专利技术在跟踪过程中对稀疏正模板进行了更新，使跟踪的失误率大幅下降。(4)与现有人工方法相比，该检测算法具有检测精度高、速度快、重复性好等优势，满足现有生产线实时在线检测、稳定可靠的需求。附图说明图1为本专利技术的流程图；图2为应用本专利技术所述方法对图像中第一个目标进行跟踪的过程示意图，其中，(a)目标的第一幅图像，(b)目标的第二幅图像，(c)目标的第三幅图像，(d)目标的第四幅图像，(e)目标的第五幅图像，(f)目标的第六幅图像，(g)目标的第七幅图像，(h)目标的第八幅图像；图3为应用本专利技术所述方法对图像中第二个目标进行跟踪的过程示意图，其中，(a)目标的第一幅图像，(b)目标的第二幅图像，(c)目标的第三幅图像，(d本文档来自技高网...

【技术保护点】
一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，其特征在于，包括以下步骤：步骤1：采集位于高速生产线上的大输液瓶的序列图像；步骤2：对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量；步骤3：依次以第一帧图像中的一个待跟踪目标的位置为基础，从第一帧图像中采集图像块，生成目标前景正字典和目标背景负字典；步骤4：对目标前景正字典和目标背景负字典进行规范化处理后，提取目标的稀疏判别字典，构造待跟踪目标的稀疏判别分类器；并获得待跟踪目标的稀疏生成模型，且利用待跟踪目标的稀疏判别分类器和稀疏生成模型构造待跟踪目标的联合稀疏模型；步骤5：以当前帧图像中待跟踪目标的位置为基础，从下一帧图像中采集图像块，获取所有候选目标图像块；步骤6：计算每个候选目标图像块属于待跟踪目标的置信度，并计算候选目标图像块与待跟踪目标稀疏直方图的相似度；步骤7：利用联合稀疏模型，从所有候选目标图像块中选取置信度和相似度乘积最大的图像块作为当前帧图像中的待跟踪目标；步骤8：以当前帧图像中的待跟踪目标的位置，在当前帧中采集图像块，生成新的目标前景正字典和目标背景负字典，从而构建新的待跟踪目标的稀疏判别字典，返回步骤5，直到得到当前待跟踪目标在序列图像中的运动轨迹后，再返回步骤3，获取下一个待跟踪目标在序列图像中的运动轨迹。...

【技术特征摘要】
1.一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，其特征在于，包括以下步骤：步骤1：采集位于高速生产线上的大输液瓶的序列图像；步骤2：对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量；步骤3：依次以第一帧图像中的一个待跟踪目标的位置为基础，从第一帧图像中采集图像块，生成目标前景正字典和目标背景负字典；步骤4：对目标前景正字典和目标背景负字典进行规范化处理后，提取目标的稀疏判别字典，构造待跟踪目标的稀疏判别分类器；并获得待跟踪目标的稀疏生成模型，且利用待跟踪目标的稀疏判别分类器和稀疏生成模型构造待跟踪目标的联合稀疏模型；步骤5：以当前帧图像中待跟踪目标的位置为基础，从下一帧图像中采集图像块，获取所有候选目标图像块；步骤6：计算每个候选目标图像块属于待跟踪目标的置信度，并计算候选目标图像块与待跟踪目标稀疏直方图的相似度；步骤7：利用联合稀疏模型，从所有候选目标图像块中选取置信度和相似度乘积最大的图像块作为当前帧图像中的待跟踪目标；步骤8：以当前帧图像中的待跟踪目标的位置，在当前帧中采集图像块，生成新的目标前景正字典和目标背景负字典，从而构建新的待跟踪目标的稀疏判别字典，返回步骤5，直到得到当前待跟踪目标在序列图像中的运动轨迹后，再返回步骤3，获取下一个待跟踪目标在序列图像中的运动轨迹。2.根据权利要求1所述的方法，其特征在于，当所有被采集了图像块的图像帧数为2的倍数时，所述步骤8中构建的新的待跟踪目标的稀疏判别字典替代前一次被使用的待跟踪目标的稀疏判别字典，用于下一帧图像构建联合稀疏模型；否则，则使用前一次被使用的待跟踪目标的稀疏判别字典，构建下一帧图像的联合稀疏模型。3.根据权利要求2所述的方法，其特征在于，所述联合稀疏模型的表达式如下：其中，Hc为第c个候选目标图像块的置信度，εf是候选目标图像块x在当前目标前景正字典下的重构误差，εb是候选目标图像快x在当前目标背景负字典下的重构误差，A+为当前目标前景正字典矩阵，A-为当前目标背景负字典矩阵，为当前目标前景正字典矩阵下得到的稀疏系数矩阵，为当前目标背景负字典下得到的稀疏系数矩阵Lc为第c个候选目标图像块的相似度，为第c个候选目标图像块的稀疏直方图中第j个系数，ψj为第一帧图像的目标模板稀疏直方图中第j个系数；J为每一个候选目标图像块对应的稀疏系数向量的维数；M为从每帧图像中采集的图像块数目；σ表示图像块方差，取值范围为0-1之间。4.根据权利...

【专利技术属性】
技术研发人员：张辉，李宣伦，葛继，谭今文，李平，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南,43