一种基于局部MSR和目标匹配的厨房老鼠检测识别方法技术

本发明专利技术提供一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，包括监控图像提取、图像低照度增强、老鼠活动区域检测、老鼠模板制作、老鼠匹配和判定，其特征在于：所述监控图像提取是通过视频图像采集卡将摄像机中的视频图像传递到计算机中，然后把视频图像转换为连续帧的图像序列。续帧的图像序列。续帧的图像序列。

【技术实现步骤摘要】
一种基于局部MSR和目标匹配的厨房老鼠检测识别方法


[0001]计算机视觉包括图像处理，模式识别和目标检测。目标检测广泛运用于视频监控领域，本文采用运动目标检测中的背景差分法来检测识别监控视频中的运动目标。

技术介绍

[0002]随着人们生活水平的提高，我国的餐饮业也蓬勃发展起来，老鼠的出现给餐饮行业带来严重的食品安全问题，运用视频图像技术能找到老鼠的行动轨迹，通过在老鼠路径上部署捕鼠装置可以解决这一问题。
[0003]随着图像检测与识别的迅速发展，视频监控技术在监控领域也得到了广大的运用。运用计算机视觉技术建立视频监控系统，对监控中的图像进行实时检测，识别出其中危害食品的老鼠，分析出老鼠的活动轨迹，根据已知的路线轨迹布置捕鼠设备，从而降低老鼠对厨房食品的危害，减少了不必要的食品安全问题纠纷和捕鼠的人力成本。该技术采用背景差分法来将运动目标和背景相分离，快速的找出并识别运动目标。在背景差分前，依据老鼠活动区域固定的特点，仅对老鼠可能出现的区域进行MSR处理，减少计算量，提高效率。传统混合高斯模型的模型更新的学习速率是固定的，这会照成差分图像上产生空洞或拖影等问题，本文设计了一种能对不同阶段的背景建模按照不同的学习速度进行更新的方法，对传统的混合高斯模型进行改进，能很好的解决这一问题。本文设计一种针对目标老鼠的匹配判定方法对老鼠进行识别，根据老鼠的形态特点设计四种不同角度的老鼠模板，将模板与检测图像进行匹配，判断老鼠是否存在。

技术实现思路

[0004]本专利技术的目的是提供一种局部MSR和特定目标匹配相结合检测识别老鼠方法。
[0005]本专利技术实现步骤如下：
[0006]①
监控图像提取(101)：
[0007]通过视频图像采集卡将摄像机中的视频图像传递到计算机中，然后把视频图像转换为连续帧的图像序列。
[0008]②
图像低照度增强(102)：
[0009]将每帧图像采用非均分方法按水平方向分割，得到上下两份图像，将下方图像采用MSR方法进行图像增强。
[0010]③
老鼠活动区域检测(103)：
[0011]对预处理后图像的每一个像素点构建K(K＝3,5)个高斯分布模型，从而形成混合高斯背景模型。将当前帧像素点的K个高斯分布与背景像素点的K个高斯分布进行匹配，若匹配的高斯分布符合背景要求，那么该像素点为背景，否则为前景，若无高斯分布与背景相匹配，则此时出现了一个新的高斯分布，那么就将该分布取代背景高斯分布中权重最小的高斯分布。当背景差分完后，需要对背景模型进行更新，更新背景模型需要将当前像素点的高斯分布与已有的高斯分布进行比较，如果该高斯分布与某一个高斯分布相匹配，则相应
的对高斯分布的均值，权重和方差进行更新，如果都不匹配，则出现了一个新的高斯分布，需要将该高斯分布取代权重最小的高斯分布。
[0012]将背景建模的过程划分为初始阶段和稳固阶段，在背景初始阶段需要一个较大的学习速率，在背景稳固阶段需要一个较小的速率。
[0013]依据建立的混合高斯模型作为背景，对每帧经过预处理后的图像差分出前景图像。
[0014]将差分后的图像进行形态学处理，然后对处理后的图像进行边缘检测，提取差分图像的轮廓信息。
[0015]④
老鼠模板制作(104)：
[0016]依据不同角度老鼠的形状差异设计出四个不同角度的老鼠轮廓图像，将提取的运动目标的轮廓信息与四种老鼠轮廓图像进行形状匹配。根据老鼠体型较小，所占的像素点较少的特点，缩小设计的轮廓图像并计算不同角度轮廓面积。
[0017]⑤
老鼠匹配和判定(105)：
[0018]将差分图像的轮廓信息和四个老鼠模板相匹配，将匹配较高的老鼠轮廓图像所对应的轮廓面积与提取的运动目标的轮廓面积相比较，若两者相差较小，则判定该运动目标为老鼠。
[0019]本专利技术具有下列优点和积极效果：
[0020]为了解决老鼠夜间活动得到的图像亮度低和噪点多的问题，在图像低照度增强阶段依据老鼠活动范围在监控较下方的特点，先将每帧图像分为上下两块，仅对下方图像采用MSR进行图像增强，既能消除图像噪点，提升图像亮度，又能减小计算工作量，提升计算效率。根据厨房背景固定和老鼠目标较小特点，在使用混合高斯背景建模的方法建立一个背景模型时，将学习速率变为一种自适应值，适应不同阶段背景的更新速度，以此来提取更加准确的老鼠差分图像，同时加快检测的速度，减少不必要的资源浪费。对差分后的图像进行二值化，形态学处理和边缘检测，提取目标匹配所需的轮廓信息。
[0021]在目标匹配阶段依据具体问题具体分析，根据厨房场景固定以及老鼠活动角度不同的特点，制作出不同角度的老鼠轮廓图像并将其与边缘检测后的轮廓图像匹配，以边缘检测后的轮廓图像的形状面积是否与某一角度的轮廓形状和面积匹配来判断该帧图像中是否存在老鼠，通过双重匹配机制来提高识别的准确率。
附图说明
[0022]图1主流程图
[0023]图2老鼠活动区域检测
[0024]图3厨房背景模型更新学习速率流程图
[0025]图4四个角度观测老鼠轮廓图像
[0026]101监控图像提取102图像低照度增强103老鼠活动区域检测104老鼠模板的制作105老鼠匹配和判定201建立混合高斯厨房背景模型202厨房背景更新203厨房背景建模学习速率更新204老鼠厨房前景背景差分205差分图像二值化206形态学处理207边缘检测
具体实施方式
[0027]一、方法
[0028]1、本方法的步骤
[0029]①
监控图像提取；
[0030]②
图像低照度增强；
[0031]③
老鼠活动区域检测；
[0032]④
老鼠模板制作；
[0033]⑤
老鼠匹配和判定；
[0034]2、工作机理
[0035]以下对本专利技术的工作机理进行简单说明：
[0036]将输入设备中的视频图像通过计算机输入设备输入到计算机内存中，把该图像转换为计算机能够识别和处理的图像，每帧图像进行图像上下分块，对下方图像进行MSR处理。将预处理后的图像的每一个像数值都建立多个高斯分布模型，根据提取的帧图像对背景模型进行更新，逐渐形成一个比较稳固的背景模型，然后按照混合高斯模型背景建模的算法判断图像的前景像素和背景像素，以此达到背景与前景分割的目的。对经过背景差分的图像进行二值化和形态学处理，将处理后的图像进行边缘检测，提取图像中的轮廓信息。依据老鼠的形态特征制作不同角度老鼠轮廓图像，将其与经过边缘检测后的差分图像进行匹配，判断该图像中是否存在老鼠。
[0037]子步骤
[0038]i.监控图像提取：
[0039]将摄像机中的视频图像通过数字采集卡转存到计算机中，然后将视频转换为图像序列。
[0040]ii.图像低照度增强:
[0041]厨房检测老鼠的时间处在晚上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，包括监控图像提取、图像低照度增强、老鼠活动区域检测、老鼠模板制作、老鼠匹配和判定，其特征在于：所述监控图像提取是通过视频图像采集卡将摄像机中的视频图像传递到计算机中，然后把视频图像转换为连续帧的图像序列。2.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，其特征在于，所述图像低照度增强是将每帧图像采用非均分方法按水平方向分割，得到上下两份图像，将下方图像采用MSR方法进行图像增强。3.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，其特征在于，所述老鼠活动区域检测是：对预处理后图像的每一个像素点构建K(K＝3,5)个高斯分布模型，从而形成混合高斯背景模型；将当前帧像素点的K个高斯分布与背景像素点的K个高斯分布进行匹配，若匹配的高斯分布符合背景要求，那么该像素点为背景，否则为前景，若无高斯分布与背景相匹配，则此时出现了一个新的高斯分布，那么就将该分布取代背景高斯分布中权重最小的高斯分布；当背景差分完后，需要对背景模型进行更新，更新背景模型需要将当前像素点的高斯分布与已有的高斯分布进行比较，如果该高斯分布与某一个高斯分布相匹配，则相应的对高斯分布的均值，权重和方差进行更新，如果都不匹配，则出现了一个新的高斯分布，需要将该高斯分布取代权重最小的高斯分布；将背景建模的过程划分为初始阶段和稳固阶段，在背景初始阶段需要一个较大的学习速率，在背景稳固阶段需要一个较小的速率；依据建立的混合高斯模型作为背景，对每帧经过预处理后的图像差分出前景图像；将差分后的图像进行形态学处理，然后对处理后的图像进行边缘检测，提取差分图像的轮廓信息。4.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，其特征在于，所述老鼠模板制作包括：依据不同角度老鼠的形状差异设计出四个不同角度的老鼠轮廓图像，将提取的运动目标的轮廓信息与四种老鼠轮廓图像进行形状匹配；根据老鼠体型较小，所占的像素点较少的特点，缩小设计的轮廓图像并计算不同角度轮廓面积。5.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法，其特征在于，所述老鼠匹配和判定包括：将差分图像的轮廓信息和四个老鼠模板相匹配，将匹配较高的老鼠轮廓图像所对应的轮廓面积与提取的运动目标的轮廓面积相比较，若两者相差较小，则...

【专利技术属性】
技术研发人员：谢红刚，姜迪，李郑美，湛文科，王鹏举，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：