一种样本中目标物的识别方法、系统和可读存储介质技术方案

本发明专利技术提供一种样本中目标物的识别方法、系统和可读存储介质，通过获取样本视频数据；将样本视频数据的一帧或多帧视频图像进行训练，得到视频图像的背景图像；结合背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像；根据具有所述特征区域的所述特征图像在所述样本视频数据中出现的次数，确定所述样本视频中是否存在所述目标物。通过分析目标物的面积、判断具有特征区域的特征图像在样本视频中出现的次数，提高了目标物识别的准确率。

A method, system and readable storage medium for identifying objects in samples

【技术实现步骤摘要】
一种样本中目标物的识别方法、系统和可读存储介质
本专利技术涉及医疗器械领域，具体涉及一种样本中目标物的识别方法、系统和可读存储介质。
技术介绍
在妇科检查中，常用的滴虫检测方法有两种。一种是医生采用人工镜检的方式对滴虫进行判别，效率低下。另一种是基于运动建模算法：利用基于时间序列预测模型实现，主要有高斯混合模型，kalman背景重建模型等，该方法通过连续获取样本图像，然后对样本图像进行处理，获取图像的前景与背景，通过对前景图像分析识别出滴虫。此种方式虽然无需人工镜检，但识别滴虫的准确率还有待提高。
技术实现思路
本专利技术提供一种样本中目标物的识别方法、系统和可读存储介质，以提高目标物识别的准确率。一实施例提供一种样本中目标物的识别方法,包括：获取样本视频数据；将所述样本视频数据的一帧或多帧视频图像进行训练，得到所述视频图像的背景图像；结合所述背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像；根据具有所述特征区域的所述特征图像在所述样本视频数据中出现的次数，确定所述样本视频中是否存在所述目标物。一实施例提供的所述的方法中，得到包含有所述目标物的特征区域的特征图像之后，确定所述样本视频中是否存在所述目标物之前，所述方法还包括：对得到的所述特征图像进行多帧叠加以过滤杂质。一实施例提供的所述的方法中，所述结合所述背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像包括：将所述一帧或多帧视频图像中每帧视频图像中目标物的灰度值减去所述背景图像的灰度值；计算灰度值减去所述背景图像的灰度值的所述视频图像的前景和背景图像的方差，根据计算得到的所述方差中的最大值，确定最佳灰度值阈值，根据确定的所述最佳灰度值阈值对所述视频图像进行二值化处理得到二值化图像；从得到的所述二值化图像中分离出所述目标物的特征区域；计算各个所述特征区域的面积，将计算得到的各个所述特征区域的面积中未处于预设范围内的从所述二值化图像中去除，进而得到包含有所述特征区域的所述特征图像。一实施例提供的所述的方法中，所述对得到的所述特征图像进行多帧叠加以过滤杂质包括：对所述特征图像以及取所述特征图像的前后的相同数量的特征图像进行叠加；判断叠加后的特征图像的特征区域中是否有预设百分比以上的像素点的值均大于第一预设值；若所述特征区域中预设百分比以上的像素点的值均大于第一预设值，则确认叠加的所述特征图像中每一帧特征图像的该特征区域均存在目标物，并保留所述特征区域；否则，将所述特征区域舍弃。一实施例提供的所述的方法中，所述将所述样本视频数据的一帧或多帧视频图像进行训练，得到所述视频图像的背景图像包括：将所述样本视频数据的一帧或多帧视频图像通过高斯混合模型进行训练，得到背景图像。一实施例提供的所述的方法中，所述将所述样本视频数据的一帧或多帧视频图像通过高斯混合模型进行训练，得到背景图像包括：对所述一帧或多帧视频图像中的每一帧视频图像中的每一个像素Mp分别用由k个高斯分布构成的高斯混合模型进行背景建模,并对高斯混合模型进行更新迭代，不断修正高斯分布中的权值，最后在训练好的高斯混合模型中获取训练后得到的背景图像。一实施例提供的所述的方法中，所述样本为白带样本，所述目标物为滴虫。一实施例提供一种样本中目标物的识别系统，包括：存储器，用于存储程序；处理器，与所述存储器藕接，用于通过执行所述存储器存储的程序以实现如上所述的方法。一实施例提供的所述的系统中，还包括显示器，所述显示器用于显示所述样本特征图像中是否存在所述目标物的结果。一实施例提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现如上所述的方法。依据上述实施例的一种样本中目标物的识别方法、系统和可读存储介质，通过获取样本视频数据；将样本视频数据的一帧或多帧视频图像进行训练，得到视频图像的背景图像；结合背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像；根据具有所述特征区域的所述特征图像在所述样本视频数据中出现的次数，确定所述样本视频中是否存在所述目标物。通过分析目标物的面积、判断具有特征区域的特征图像在样本视频中出现的次数，提高了目标物识别的准确率。附图说明图1为本专利技术提供的样本中目标物的识别系统一实施例的结构框图；图2为本专利技术提供的样本中目标物的识别方法中，一实施例的流程图；图3为本专利技术提供的样本中目标物的识别方法中，步骤32一实施例得到的二值化图像；图4为本专利技术提供的样本中目标物的识别方法中，步骤33一实施例得到的二值化图像。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。请参考图1，本专利技术提供的样本中目标物的识别系统，包括：背景图像提取模块110，特征提取模块120和结果优化模块130。背景图像提取模块110用于获取样本视频数据，即获取样本的视频，将样本视频数据的一帧或多帧视频图像进行训练，得到视频图像的背景图像。本实施例中，从样本视频数据中截取预设时间段的样本视频数据得到样本视频数据段（包括连续多帧视频图像），将样本视频数据段的各帧视频图像通过高斯混合模型进行训练，得到背景图像。预设时间段可根据需要进行设置，例如，选取3-15秒中的一个时间段，如5秒、11秒等作为预设时间段，本实施例中，预设时间段为11秒。特征提取模块120用于；结合背景图像，分析所述一帧或多帧视频图像中每帧视频图像中运动的目标物的面积，得到包含有目标物的特征区域的特征图像。本实施例中，特征提取模块12本文档来自技高网...

【技术保护点】
1.一种样本中目标物的识别方法,其特征在于，包括：/n获取样本视频数据；/n将所述样本视频数据的一帧或多帧视频图像进行训练，得到所述视频图像的背景图像；/n结合所述背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像；/n根据具有所述特征区域的所述特征图像在所述样本视频数据中出现的次数，确定所述样本视频中是否存在所述目标物。/n

【技术特征摘要】
1.一种样本中目标物的识别方法,其特征在于，包括：
获取样本视频数据；
将所述样本视频数据的一帧或多帧视频图像进行训练，得到所述视频图像的背景图像；
结合所述背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像；
根据具有所述特征区域的所述特征图像在所述样本视频数据中出现的次数，确定所述样本视频中是否存在所述目标物。


2.如权利要求1所述的方法，其特征在于，得到包含有所述目标物的特征区域的特征图像之后，确定所述样本视频中是否存在所述目标物之前，所述方法还包括：
对得到的所述特征图像进行多帧叠加以过滤杂质。


3.如权利要求1所述的方法，其特征在于，所述结合所述背景图像，分析所述一帧或多帧视频图像中每帧所述视频图像中运动的目标物的面积，得到包含有所述目标物的特征区域的特征图像包括：
将所述一帧或多帧视频图像中每帧视频图像中目标物的灰度值减去所述背景图像的灰度值；
计算灰度值减去所述背景图像的灰度值的所述视频图像的前景和背景图像的方差，根据计算得到的所述方差中的最大值，确定最佳灰度值阈值，根据确定的所述最佳灰度值阈值对所述视频图像进行二值化处理得到二值化图像；
从得到的所述二值化图像中分离出所述目标物的特征区域；
计算各个所述特征区域的面积，将计算得到的各个所述特征区域的面积中未处于预设范围内的从所述二值化图像中去除，进而得到包含有所述特征区域的所述特征图像。


4.如权利要求2所述的方法，其特征在于，所述对得到的所述特征图像进行多帧叠加以过滤杂质包括：
对所述特征图像以及取所述特征图像的前后的...

【专利技术属性】
技术研发人员：刘晓康，许德鹏，陈齐文，王雪锋，
申请(专利权)人：深圳市瑞图生物技术有限公司，
类型：发明
国别省市：广东;44