一种烟盒检测方法和装置制造方法及图纸

本申请实施例提供了一种对象检测方法和装置，获取指定对象的第一灰度图像；将第一灰度图像拆分为多个尺寸相同的子图像；其中，相邻的两个子图像之间存在重叠的图像区域；针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块；将子图像块中的像素点进行傅里叶变换，生成对应的频谱图；基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值；基于第一描述算子值、第二描述算子值、预设的第一阈值和第二阈值，确定指定对象为真品的概率。如此，能够提高检测的精度。

【技术实现步骤摘要】
一种烟盒检测方法和装置
本申请涉及图像处理
，特别是涉及一种对象检测方法和装置，尤其是烟盒。
技术介绍
随着图像处理技术的快速发展，基于图像处理的检测方法广泛地应用在各个领域。相关技术中，可以基于图像处理技术，对不同的对象进行检测。例如，可以基于香烟的包装盒的图像检测假冒香烟，也可以基于酒的包装盒的图像检测假冒酒。相关技术中，可以采集真香烟的包装盒的图像(可以称为样本图像)，进而，可以获取样本图像中角点的位置信息。相应的，也可以采集待检测香烟的包装盒的图像(可以称为待检测图像)，并获取待检测图像中角点的位置信息。然后，可以比较待检测图像中角点的位置信息，与样本图像中角点的位置信息的相似度。如果相似度大于预设阈值，则可以确定待检测香烟为真品(即为真香烟)；如果相似度小于预设阈值，则可以确定待检测香烟为假冒香烟。然而，即使待检测香烟为真香烟，由于采集的图像的亮度、图像噪声的影响，使得采集的待检测图像和待检测图像可能不够清晰，这会导致待检测图像中角点的位置信息，与样本图像中角点的位置信息的相似度小于预设阈值，进而，确定待检测香烟为假冒香烟，造成检测的精度不够高。
技术实现思路
本申请实施例的目的在于提供一种对象检测方法和装置，以提高检测的精度。具体技术方案如下：第一方面，为了达到上述目的，本申请实施例公开了一种对象检测方法，所述方法包括：获取指定对象的第一灰度图像；将所述第一灰度图像拆分为多个尺寸相同的子图像；其中，相邻的两个子图像之间存在重叠的图像区域；<br>针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块；将所述子图像块中的像素点进行傅里叶变换，生成对应的频谱图；基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值；基于所述第一描述算子值、所述第二描述算子值、预设的第一阈值和第二阈值，确定所述指定对象为真品的概率；其中，所述第一阈值包括：基于为真品的对象的灰度图像，多次运算生成的第一纹理特征的描述算子值的均值和方差；所述第二阈值包括：基于为真品的对象的灰度图像，多次运算生成的第二纹理特征的描述算子值的均值和方差。可选的，所述基于所述第一描述算子值、所述第二描述算子值、预设的第一阈值和第二阈值，确定所述指定对象为真品的概率，包括：基于所述第一描述算子值和预设的第一阈值的指数函数运算，得到第一概率；基于所述第二描述算子值和预设的第二阈值的指数函数运算，得到第二概率；基于所述第一概率和所述第二概率，确定所述指定对象为真品的概率。可选的，所述基于所述第一描述算子值和预设的第一阈值的指数函数运算，得到第一概率，包括：计算所述第一描述算子值，在预设的第一阈值构成的高斯分布中对应的概率，作为第一概率；所述基于所述第二描述算子值和预设的第二阈值的指数函数运算，得到第二概率，包括：计算所述第二描述算子值，在预设的第二阈值构成的高斯分布中对应的概率，作为第二概率。可选的，所述第一灰度图像具有M列；所述将所述第一灰度图像拆分为多个尺寸相同的子图像，包括：响应于将所述第一灰度图像拆分成奇数P个子图像的指令，对所述第一灰度图像进行拆分，得到P个子图像；其中，第一个子图像的列包括所述第一灰度图像中的第1列至第2M/(P+1)列，第P个子图像的列包括所述第一灰度图像中的第(P-1)M/(P+1)列至第M列。可选的，所述针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块，包括：针对每一子图像，计算该子图像中每一像素点的像素值的梯度值；针对该子图像中每一行像素点，计算该行像素点的像素值的梯度值的和值，并确定出和值最大的行，作为目标行；以及针对该子图像中每一列像素点，计算该列像素点的像素值的梯度值的和值，并确定出和值最大的列，作为目标列；确定所述目标行和所述目标列对应的坐标，作为初始坐标；按照该子图像的大小，对所述初始坐标进行修正，得到目标坐标；在该子图像中，获取以目标坐标为中心点的最大的正方形的子图像块。可选的，所述基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值，包括：针对每一子图像块对应的频谱图，基于将该频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到对应的第一频率曲线；其中，所述第一频率曲线的横坐标表示：该频谱图中像素点的极坐标中半径的整数部分；所述第一频率曲线的纵坐标表示：该频谱图中相同横坐标的像素点的幅值的和值；对各个子图像块对应的第一频率曲线进行叠加，得到第二频率曲线；基于所述第二频率曲线，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值。可选的，所述基于所述第二频率曲线，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值，包括：计算所述第二频率曲线中第一预设半径区间对应的纵坐标的总和值，得到第一纹理特征的描述算子值，作为第一描述算子值；计算所述第二频率曲线中第二预设半径区间对应的纵坐标的总和值，得到第二纹理特征的描述算子值，作为第二描述算子值，其中，所述第一预设半径区间和所述第二预设半径区间不相交。可选的，所述针对每一子图像块对应的频谱图，基于将该频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到对应的第一频率曲线，包括：针对每一子图像块对应的频谱图，基于将该频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到对应的第三频率曲线；获取该子图像块对应的第三频率曲线中指定半径范围内的部分，得到对应的第四频率曲线；基于该子图像块对应的第四频率曲线，得到该子图像块对应的第一频率曲线。可选的，所述基于该子图像块对应的第四频率曲线，得到该子图像块对应的第一频率曲线，包括：针对该子图像块对应的第四频率曲线中的每一坐标点，计算该坐标点的预设领域范围内各个坐标点，在该子图像块对应的第四频率曲线中的纵坐标的平均值，作为该坐标点的局部均值；将该坐标点的纵坐标修改为，该坐标点在该子图像块对应的第四频率曲线中的纵坐标与该坐标点的局部均值的差值，得到该子图像块对应的第一频率曲线。可选的，所述针对每一子图像块对应的频谱图，基于将该频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到对应的第三频率曲线，包括：针对每一子图像块对应的频谱图，将该频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到对应的第五频率曲线；对该子图像块对应的第五频率曲线中各坐标点的纵坐标进行归一化本文档来自技高网...

【技术保护点】
1.一种对象检测方法，其特征在于，所述方法包括：/n获取指定对象的第一灰度图像；/n将所述第一灰度图像拆分为多个尺寸相同的子图像；其中，相邻的两个子图像之间存在重叠的图像区域；/n针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块；/n将所述子图像块中的像素点进行傅里叶变换，生成对应的频谱图；/n基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值；/n基于所述第一描述算子值、所述第二描述算子值、预设的第一阈值和第二阈值，确定所述指定对象为真品的概率；其中，所述第一阈值包括：基于为真品的对象的灰度图像，多次运算生成的第一纹理特征的描述算子值的均值和方差；所述第二阈值包括：基于为真品的对象的灰度图像，多次运算生成的第二纹理特征的描述算子值的均值和方差。/n

【技术特征摘要】
1.一种对象检测方法，其特征在于，所述方法包括：
获取指定对象的第一灰度图像；
将所述第一灰度图像拆分为多个尺寸相同的子图像；其中，相邻的两个子图像之间存在重叠的图像区域；
针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块；
将所述子图像块中的像素点进行傅里叶变换，生成对应的频谱图；
基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描述算子值；
基于所述第一描述算子值、所述第二描述算子值、预设的第一阈值和第二阈值，确定所述指定对象为真品的概率；其中，所述第一阈值包括：基于为真品的对象的灰度图像，多次运算生成的第一纹理特征的描述算子值的均值和方差；所述第二阈值包括：基于为真品的对象的灰度图像，多次运算生成的第二纹理特征的描述算子值的均值和方差。


2.根据权利要求1所述的方法，其特征在于，所述基于所述第一描述算子值、所述第二描述算子值、预设的第一阈值和第二阈值，确定所述指定对象为真品的概率，包括：
基于所述第一描述算子值和预设的第一阈值的指数函数运算，得到第一概率；
基于所述第二描述算子值和预设的第二阈值的指数函数运算，得到第二概率；
基于所述第一概率和所述第二概率，确定所述指定对象为真品的概率。


3.根据权利要求2所述的方法，其特征在于，所述基于所述第一描述算子值和预设的第一阈值的指数函数运算，得到第一概率，包括：
计算所述第一描述算子值，在预设的第一阈值构成的高斯分布中对应的概率，作为第一概率；
所述基于所述第二描述算子值和预设的第二阈值的指数函数运算，得到第二概率，包括：
计算所述第二描述算子值，在预设的第二阈值构成的高斯分布中对应的概率，作为第二概率。


4.根据权利要求1所述的方法，其特征在于，所述第一灰度图像具有M列；
所述将所述第一灰度图像拆分为多个尺寸相同的子图像，包括：
响应于将所述第一灰度图像拆分成奇数P个子图像的指令，对所述第一灰度图像进行拆分，得到P个子图像；其中，第一个子图像的列包括所述第一灰度图像中的第1列至第2M/(P+1)列，第P个子图像的列包括所述第一灰度图像中的第(P-1)M/(P+1)列至第M列。


5.根据权利要求1所述的方法，其特征在于，所述针对每一子图像，在该子图像中确定出纹理信息大于预设纹理信息阈值的一个子图像块，包括：
针对每一子图像，计算该子图像中每一像素点的像素值的梯度值；
针对该子图像中每一行像素点，计算该行像素点的像素值的梯度值的和值，并确定出和值最大的行，作为目标行；以及针对该子图像中每一列像素点，计算该列像素点的像素值的梯度值的和值，并确定出和值最大的列，作为目标列；
确定所述目标行和所述目标列对应的坐标，作为初始坐标；
按照该子图像的大小，对所述初始坐标进行修正，得到目标坐标；
在该子图像中，获取以目标坐标为中心点的最大的正方形的子图像块。


6.根据权利要求1所述的方法，其特征在于，所述基于将各个子图像的频谱图中的像素点，在极坐标系下，沿着角度方向计算幅值的累加和，得到第一纹理特征的描述算子值，作为第一描述算子值，以及第二纹理特征的描述算子值，作为第二描...

【专利技术属性】
技术研发人员：汪丹丹，刘刚，刘强，黄金娜，高智敏，赵永江，叶展，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33