一种基于机器视觉的仪表检测方法技术

本发明专利技术公开了一种基于机器视觉的仪表检测方法，所述仪表检测具体为：(1)对任意输入图像，先经过级联Adaboost粗检测器，检测出目标仪表候选区域；(2)对步骤(1)得到的每个候选区域，使用双级联参数回归器，回归出标准图像与待识别图像之间的仿射变换矩阵，然后将待识别图片仿射变换到标准图像的姿态，实现仪表姿态的归一化；(3)将步骤(2)得到的姿态归一化后的图像通过后验验证器确认是否存在目标仪表，最后输出检测结果。本发明专利技术提出的仪表检测方法，解决了仪表检测中姿态和尺度问题，具有高正检率，低误检率的优点，同时该发明专利技术处理速度快，实现了仪表实时检测功能。

【技术实现步骤摘要】

本专利技术属于数字图像处理和仪表检测领域，具体涉及一种基于机器视觉的仪表检测方法。
技术介绍
化工厂、变电站、炼油厂等工业领域，安装大量的现场指示仪表，这些仪表不具有远传功能，需要现场读数，用来监控工业现场运行状况。其中仪表检测是其重要组成部分，用人工巡检的方式检测现场仪表费时费力低效，因此基于机器视觉的仪表自动检测技术具有广泛的应用前景。现有研究中，常见的仪表检测方法有模板匹配，Hough变换，特征点匹配等方法。戴亚文提出了一种基于多特征模板匹配方法来检测指针仪表(Dai Y,Wang S,Wang X.The moldplate-matching method based on the several characteristic parameters of the meter pointer gray[J].Electrical Measurement&Instrumentation,2004)。Gellaboina提出利用Hough圆检测算法，来检测指针仪表的圆形面板(Gellaboina M K,Swaminathan G,Venkoparao V.Analog dial gauge reader for handheld devices[C]//Industrial Electronics and Applications(ICIEA),2013 8th IEEE Conference onIEEE,2013:1147-1150.)，Yang提出了通过Hough直线检测检测图像中仪表指针位置(Yang B,Lin G,Zhang W.Auto-recognition Method for Pointer-type Meter Based on Binocular Vision[J].Journal of Computers,2014,9(4).)。这两种方法分别检测出指针仪表的圆面板和指针，从而检测出目标仪表。Yang提出了基于ORB特征匹配的图像配准方法检测仪表(Yang Z,Niu W,Peng X,et al.An image-based intelligent system for pointer instrument reading[C]//
Information Science and Technology(ICIST),2014 4th IEEE International Conference onIEEE,2014:780-783.)，先将待识别图像配准到标准突现的姿态下，然后再在对应的区域通过背景作差法确定指针位置，从而计算指针示数。房桦提出了基于SIFT特征匹配的指针示数识别方法(房桦,明志强,周云峰,等.一种适用于变电站巡检机器人的仪表识别算法[J].自动化与仪表,2013,28(5):10-14.)，同样通过SIFT特征匹配的检测目标仪表。上述仪表检测方法，使用模板匹配对仪表在图像中的姿态要求极高，而且对光照和图像噪声敏感。使用Hough变换的方法，依赖于边缘检测算法，在复杂的工业现场和不同的成像条件下，圆形仪表面板不一定是严格圆形，而且圆形面板和指针的边缘不一定能够检测出来，因而一旦Hough圆检测或者直线检测失败，则无法得到正确检测结果。使用特征点匹配的的方法，在实际使用过程中，存在表盘部分遮挡问题，甚至有些表盘面板图像的纹理特征比较少，本身就提取不到ORB、SIFT之类的特征，导致正确匹配的特征点对很少，还有可能由于复杂的图像背景干扰，在复杂背景上提取到对应的特征，造成大量的误匹配，由于以上原因，特征点匹配的方法也比较容易失败。综上所述，现有的研究仪表检测方法对仪表图像在不同光照、姿态、尺度，部分遮挡，成像模糊等工况条件十分敏感，难以满足实际使用要求。
技术实现思路
针对现有技术的不足，本专利技术提出了一种基于机器视觉的仪表检测方法，旨在使用机器学习的方法，解决仪表图像姿态、尺度、光照等工况条件对仪表检测的影响，提高目标仪表的检出率和降低误检率。本专利技术采用的技术方案如下：一种基于机器视觉的仪表检测方法，所述仪表检测具体为：(1)对任意输入图像，先经过级联Adaboost粗检测器，检测出目标仪表候选区域；(2)对步骤1得到的每个候选区域，使用双级联参数回归器，回归出标准图像与待识别图像之间的仿射变换矩阵，然后将待识别图片仿射变换到标准图像的姿态，实现仪表姿态的归一化；(3)将步骤2得到的姿态归一化后的图像通过后验验证器确认是否存在目标仪表，最后输出检测结果。进一步的，所述的经过级联Adaboost粗检测器，检出目标仪表候选区域具体步骤如下：(1.1)采集n张目标仪表图像作为训练样本，其中n为大于等于10的正整数；选取其中一张正面拍摄的图像作为标准图像，记作Istd；在每张训练样本图像上标记4个以上重复出现的标记点；(1.2)在每张训练样本中随机采集正方形图像，正方形的边长等于仪表的直径，若该正方形的中心落在与仪表同心直径为m倍仪表直径的同心圆内，则把采集到的正方形图像作为正样本图像；若正方形的中心落在与仪表同心直径为m倍仪表直径的同心圆外，则把采集到的正方形图像作为负样本图像；其中，采集到的正样本图像和负样本图像数量相同，m取值为0.1-0.5；(1.3)计算正负样本的图像特征，作为级联Adaboost分类器的输入，训练一个级联Adaboost分类器；(1.4)对任意图像输入到级联Adaboost分类器中，检测出目标仪表候选区域。进一步的，所述步骤(2)具体为：(2.1)采集的n张训练样本图像中标准图像记作Istd，训练样本图像记作Itarget，通过仿射变换矩阵将Istd变换到Itarget的姿态下，所述仿射变换矩阵记作Hr；在Istd上随机撒ns个点，作为计算特征的采样点，记作P；n张训练样本图像中，在每张训练样本图像上随机选取j个初始仿射变换矩阵H0；ns为大于等于50的正整数；j为大于等于20的正整数；(2.2)将P通过H0映射到新的位置，在Itarget图像上计算shape-indexed feature记作x1，然后更新得到第一层回归值Hr1＝HrH0-1；把x1和Hr1作为外层回归器的输入，训练得到第一层外层回归器R1；(2.3)将x1作为第一层外层回归器R1的输入，预测得到第一外层估计值ΔH1，则更新仿射变换矩阵H1＝ΔH1H0；再将P通过H1映射到新的位置，在Itarget图像上计算shape-indexed feature记作x2，然后更新得到第二层回归值Hr2＝HrH1-1；x2和Hr2作为外层回归器的输入，训练得到第二层外层回归器R2；以此类推，获得多层外层回归器{R1,R2,…,RT本文档来自技高网...

【技术保护点】
一种基于机器视觉的仪表检测方法，其特征在于，所述仪表检测具体为：(1)对任意输入图像，先经过级联Adaboost粗检测器，检测出目标仪表候选区域；(2)对步骤1得到的每个候选区域，使用双级联参数回归器，回归出标准图像与待识别图像之间的仿射变换矩阵，然后将待识别图片仿射变换到标准图像的姿态，实现仪表姿态的归一化；(3)将步骤2得到的姿态归一化后的图像通过后验验证器确认是否存在目标仪表，最后输出检测结果。

【技术特征摘要】
1.一种基于机器视觉的仪表检测方法，其特征在于，所述仪表检测具体为：(1)对任意输入图像，先经过级联Adaboost粗检测器，检测出目标仪表候选区域；(2)对步骤1得到的每个候选区域，使用双级联参数回归器，回归出标准图像与待识别图像之间的仿射变换矩阵，然后将待识别图片仿射变换到标准图像的姿态，实现仪表姿态的归一化；(3)将步骤2得到的姿态归一化后的图像通过后验验证器确认是否存在目标仪表，最后输出检测结果。2.如权利要求1所述的一种基于机器视觉的仪表检测方法，其特征在于：所述的经过级联Adaboost粗检测器，检出目标仪表候选区域具体步骤如下：(1.1)采集n张目标仪表图像作为训练样本，其中n为大于等于10的正整数；选取其中一张正面拍摄的图像作为标准图像，记作Istd；在每张训练样本图像上标记4个以上重复出现的标记点；(1.2)在每张训练样本中随机采集正方形图像，正方形的边长等于仪表的直径，若该正方形的中心落在与仪表同心直径为m倍仪表直径的同心圆内，则把采集到的正方形图像作为正样本图像；若正方形的中心落在与仪表同心直径为m倍仪表直径的同心圆外，则把采集到的正方形图像作为负样本图像；其中，采集到的正样本图像和负样本图像数量相同，m取值为0.1-0.5；(1.3)计算正负样本的图像特征，作为级联Adaboost分类器的输入，训练一个级联Ada...

【专利技术属性】
技术研发人员：熊蓉，方立，王军南，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33