一种运用计算机视觉的表盘指针识别方法技术

本发明专利技术公开一种运用计算机视觉的表盘指针识别方法，首先定位表盘所在区域，然后校正表盘角度偏移，接着检测指针，最后读数。本发明专利技术提出将KCF跟踪算法运用到表盘区域的定位中，极大地提高了检测速率。另外在现有的指针识别算法中，读数时要求表盘水平放置，然后根据角度法求出示数。但实际上在摄像头捕捉的画面中表盘并不一定水平放置。本发明专利技术提出利用SURF校正表盘的角度偏移，解决了这一问题。

【技术实现步骤摘要】
一种运用计算机视觉的表盘指针识别方法
本专利技术属于计算机视觉和图像处理
，特别涉及一种通过计算机视觉实时跟踪抖动的表盘，并校正由于抖动造成的角度偏移，然后检测指针，显示读数的方法。
技术介绍
在许多工厂中，用来检测设备工作状态的仪表大部分仍是指针式仪表。保证工厂设备安全运行的方法是依靠专门人员定期巡逻检查，发现仪表示数异常便采取紧急行动。这种方式使得巡逻人员的工作繁琐且效率低，并且由于人为的检查设备并不能在第一时间发现设备异常，便无法在第一时间采取行动。计算机视觉运用机器代替视觉器官来做测量和判断，将它运用到仪表检测中可以提高检测效率和自动化程度。通过摄像头捕捉表盘画面，在后台由计算机处理，实时检测表盘刻度，一旦异常立即采取紧急措施。在基于计算机视觉的表盘指针识别算法中，通常的做法是先在整幅图像中确定表盘所在区域，然后在表盘区域找到指针所在直线，最后进行读数。在确定表盘区域时，目前的做法有减影法、Hough圆变换法、基于canny算子的回转中心定位算法等。减影法要求两幅指针处于不同刻度的表盘图像严格对准，否则图像相减后会产生很多干扰区域；Hough圆变换法和canny算子定位法的计算量都过大，导致处理过慢，处理时间是0.4s-0.5s每帧，无法做到实时处理，而在实际运用中实时处理尤为重要。另外，在现有的指针识别算法中，最后一步读数时都要求表盘水平放置，从而利用角度法计算示数。但是实际应用中，表盘都会伴随机器的抖动而抖动，导致摄像头捕捉到的画面中表盘并不是水平放置。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种运用计算机视觉的表盘指针检测方法，能够更好提高仪表检测中的检测效率和自动化程度。本专利技术所采用的技术方案是：一种运用计算机视觉的表盘指针识别方法，包括以下步骤：步骤1：定位表盘所在区域；步骤2：校正表盘角度偏移；步骤3：检测指针；步骤4：读数。本专利技术提出将KernelizedCorrelationFilters(简称KCF)跟踪算法运用到定位表盘区域中，极大地提高了检测速率，平均0.05s每帧，能做到实时检测；并将SURF特征检测运用到校正表盘偏移中，使得在读数时不需要严格要求表盘水平放置，能够满足实际需求。附图说明图1为本专利技术实施例的流程图；图2为本专利技术实施例的定位表盘区域流程图；图3为本专利技术实施例的表盘区域定位结果示例图；图4为本专利技术实施例的校正表盘角度偏移示例图；图5为本专利技术实施例的指针定位示例图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。请见图1，本专利技术提供的一种运用计算机视觉的表盘指针识别方法，包括以下步骤：步骤1：定位表盘所在区域；由于机器的抖动，所以视频捕捉到的仪表也是抖动的。在视频的第一帧图像中，框定表盘所在区域，之后运用KernelizedCorrelationFilters(简称KCF)算法跟踪表盘位置。KernelizedCorrelationFilters(简称KCF)跟踪算法，该算法由F.Henriques等提出。下面对KCF跟踪算法的原理及相关定义加以说明。KCF算法利用循环移位理论构建分类器的训练样本，从而大幅度增加了训练数据，并且通过核函数筛选与目标相似度最大的候选区域的方式来更新目标位置，得以实现高效跟踪。(1)循环矩阵；对于一个n×1的向量x＝[x1,...,xn]T，P为用于做循环位移的n×n置换矩阵Px＝[xn,x1,x2,...,x(n-1)]T表示将x循环位移1位，{Pux|u＝0,…,n-1}表示将x循环位移u位。循环矩阵X可表示为：x代表矩阵X中第1行，即基础向量，X中第2行到第n行都是由第1行循环位移而来。根据循环矩阵可被离散傅里叶变换(DFT)对角化的性质，可知：其中，^表示离散傅里叶变换，而F是离散傅里叶变换矩阵并且是与x无关的常数矩阵，对于任意z，有FHF＝FFH＝I,I为单位矩阵，H为矩阵的共轭转置，XH＝(X*)T。(2)高斯核函数；径向基函数(RadialBasisFunction，简称RBF)是某种沿径向对称的标量函数，通常定义为空间中任一点x到某一中心x′的欧氏距离的单调函数，可记作κ(x,x′)。最常用的径向基函数是高斯核函数，形式为：其中x′为核函数中心，δ为函数的宽度参数,控制了函数的径向作用范围。已知核相关则高斯核相关kxx′：代表元素与元素之间的运算。(3)利用核函数进行分类器训练；训练分类器的过程主要是要通过训练样本xi及其回归标签yi来寻找一个使均方误差最小的函数f(z)＝wTz，即其中w为分类器的参数，z是待检测的图像区域，而λ为正则化参数，用于控制过拟合。定义一个核函数其中为一个线性问题的输入映射到非线性特征空间的函数。那么就可以把(5)式的解写成对于输入的线性组合，即：其中，α＝(K+λI)-1y(7)这里αi为训练样本xi的对应系数，K为n×n的核矩阵，且它是由所有样本对的点乘所组成的，即：Kij＝κ(xi,xj)(8)那么由于核矩阵K为循环矩阵(证明过程见下述推导1)，根据式(3)中循环矩阵的性质，可得：其中kxx是循环矩阵K的第1行。将上式(10)代入(7)式可得：两边同乘得：因为FFH＝I，XH＝(X*)T，则上式可写为：两边同时去掉共轭得：基于循环矩阵的特性将问题的求解变换到了频域，从而避免了矩阵求逆的过程。分类器的训练就是为了寻找函数f(z)＝wTz，也就是寻找最优的w，通过式(14)将寻找w转化为搜索最优的α，使得算法复杂度大幅度降低，提高了运算效率。推导1：证明核矩阵K为循环矩阵；定理：若对于任意置换矩阵M，有κ(x,x′)＝κ(Mx,Mx′)，则K为循环矩阵。证明：P为用于做循环位移的n×n置换矩阵：则Kij＝κ(xi,xj)＝κ(Pix,Pjx)＝κ(P-iPix,P-iPjx)＝κ(x,Pj-ix)。因为Pn＝P0，故上式可写为Kij＝κ(x,P(j-i)modnx)，mod代表余数。由于形如式(2)的循环矩阵X＝C(x)满足Xij＝x((j-i)modn)+1，可就是说如果元素仅依赖于(j-i)modn的值，则该矩阵为循环矩阵。故而K为循环矩阵。高斯核矩阵满足条件κ(x,x′)＝κ(Mx,Mx′)，故高斯核矩阵是循环矩阵。(4)快速检测；对于新的输入图像区域z，由式(9)及式(8)Kij＝κ(xi,xj)得：f(z)＝(Kz)Tα(15)Kz是训练样本与候选图像区域的核矩阵，根据循环位移以及核函数定理可知：其中kxz为x与z间的核相关，且是Kz矩阵的第一行。将(16)式代入(15)式得：对(17)式等式两边同乘得：因为且FFH＝I，(18)式可写为：其值取最大值时所对应坐标代表目标区域位置的改变，将此坐标与上一帧目标区域所在坐标相加，即可得到此帧目标区域所在位置。(5)模型更新；在KCF算法的目标跟踪过程中要实时更新目标外观模型，其更新策略为：α＝(1-β)αt-1+βαt(20)x＝(1-β)xt-1+βxt(21)其中β是模型的学习率，αt-1表示由上一帧的训练样本xt-1训练得到的系数向量，αt表示由当前新输入样本xt训练得到的系本文档来自技高网...

【技术保护点】
1.一种运用计算机视觉的表盘指针识别方法，其特征在于，包括以下步骤：步骤1：定位表盘所在区域；步骤2：校正表盘角度偏移；步骤3：检测指针；步骤4：读数。

【技术特征摘要】
1.一种运用计算机视觉的表盘指针识别方法，其特征在于，包括以下步骤：步骤1：定位表盘所在区域；步骤2：校正表盘角度偏移；步骤3：检测指针；步骤4：读数。2.根据权利要求1所述的运用计算机视觉的表盘指针识别方法，其特征在于：步骤1中，在视频的第一帧图像中，框定表盘所在区域，确定表盘所在区域长和宽，以及该区域左上角顶点坐标，求出表盘中心坐标；之后运用KCF算法跟踪表盘，确定每一帧图像中表盘所在区域、表盘中心坐标。3.根据权利要求1所述的运用计算机视觉的表盘指针识别方法，其特征在于：步骤2中，由步骤1得到了图像序列中表盘所在区域的中心坐标，令表盘所在区域的长和宽中数值较小的那个值作为表盘半径，这样确定表盘区域；首先令第1帧图像中非表盘区域像素为零，将此图视为original，排除周围环境的干扰；然后令第2帧到第n帧图像中非表盘区域像素为零，将此图视为image；分别检测original和image的SURF特征并提取；然后对original和im...

【专利技术属性】
技术研发人员：张海剑，樊路之，杨天韵，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42