[发明专利]一种粗线型十字圆环标记的图像检测方法

说明书

技术领域

本发明涉及图像检测技术，尤其涉及一种运动物体视频图像中的粗线型十字圆环标记的自动图像检测。

背景技术

运动目标的检测和跟踪在科学和工程中有重要的研究价值，在智能监控、智能机器人、人机交互、医学诊断、视频压缩、军事等许多领域都有广泛的应用前景。图像检测是其中的关键技术。

目前的运动分析方法大体分为三类：基于频域的方法、基于特征的方法和基于像素的方法。基于频域的方法对采集到的图像序列进行傅立叶变换，通过目标运动在频域中幅值不变而相位变化的特性计算相邻帧间的相位角差来估计空间域中目标的位移；基于特征的方法根据图像特征或由特征组成的模型来检测运动或识别运动目标，一般情况下，主要被利用的目标特征有形心等全局特征和图像中易于确定的角点、高曲率点、直边缘等局部特征，其中角点检测是一类常用方法，适用于单像素线条；基于像素的方法根据图像中像素灰度模式的变化检测运动和识别目标，有相邻帧差法、背景减法和光流法等。

在实际研究中，运动目标检测和跟踪方面存在的困难很大程度上是由于实际环境中目标运动的复杂性以及视频数据所具有的特殊性造成的。首先，影响运动目标检测性能的因素多种多样，包括光线亮度的变化、背景景物的变动、阴影和物体间的重叠遮挡、非静态背景以及运动目标的高速运动等等；其次，用于检测的运动目标特征难以选取，很难确定出通用的具有明显优势的特征进行目标检测。运动图像序列中虽然包含了大量的运动信息，比如前景目标的梯度信息、深度信息、光流场、彩色纹理特征、直方图信息和边缘信息等，但是采用哪一种或哪几种特征能够取得较好的检测效果，不仅跟方法本身有关，还和运动图像序列自身的特点有关，无论哪一类方法都无法适应所有的应用场合，一般都是针对某个或某些特定问题提出针对性的目标检测方法；最后，由于视频数据的数据量一般比结构记录数据大七八个数量级左右，对实时处理提出了高的要求。

上述因素都会不同程度地影响运动目标检测和跟踪的准确性和稳定性，使得这一任务变得困难。在实际项目中，人工在被测物体上绘制一些明显的点、线或点线混合的几何标记符号，通过对标记符号的检测获得被测物体的运动信息，可以使问题相对得到一定的简化，是工程中一种行之有效的方法。

为了在不同运动条件和环境条件下都能拍摄到人工标记符号，尤其保证在最恶劣条件下能够拍摄到人工标记符号，在被测运动物体上绘制出具有适当线宽的粗线型十字圆环标记，通过对被测物体视频图像序列中十字圆环标记的检测，获得被测物体的运动信息，是项目中采用的方法。现有的检测方法中，处理的标记符号一般为单一的圆环、圆点或小十字星，尚未见对粗线型十字圆环标记的检测方法。

发明内容

为了克服现有技术的不足，本发明提供一种粗线型十字圆环标记的自动图像检测方法，该方法不受标记线成像后线条粗细变化的影响，几乎不受光照变化的影响，对噪声具有一定的鲁棒性，当被测物体成像后发生平移、旋转、缩放时，均可取得良好的检测效果。

本发明解决其技术问题所采用的技术方案是：

检测的粗线型十字圆环标记如图1所示，由人工绘制的黑色互相垂直的十字交叉直线以及位于其上某交叉点处的圆环构成十字圆环标记。由于被测物体运动姿态、距摄像机远近距离不同，以及光照变化、干扰等其他因素的影响，在不同时刻拍摄的被测物体图像上，构成十字圆环标记的线条粗细不同，线条边缘不整齐，并且十字交叉直线多以各种不同的倾斜角度出现。

针对图像的以上特征，本发明采用如下技术方案：首先将标记中粗细不同的直线线条单像素化；然后利用检测框识别出所有十字交叉处的中心点，即十字交叉中心点；最后根据检测框内的黑白像素个数比筛选出十字圆环标记，从而确定十字圆环标记中心点的精确位置。包括以下步骤：

步骤一、对原始图像进行灰度化、二值化处理，得到二值图像；其中，标记线条为黑色，背景为白色。

步骤二、确定检测框。

检测框为正方形，线宽为一个像素，如图2所示。定义其半边长为M个像素时，边长为(2M+1)个像素。检测框的半边长比圆环外轮廓半径大5个像素，避免与圆环相切或相交。图像原点位于图像左下角，检测框的中心点从图像原点出发，按照从左到右，从下到上的顺序依次扫描图像的所有像素，检测框将覆盖一定的图像子区域，检测框中心点的坐标(i,j)为当前被检测像素在图像中的位置坐标。

当检测框与标记线条相交时，交点表现为检测框的边覆盖的、图像中标记线条上的黑像素点。

步骤三、部分非十字交叉中心点的初步排除与标记中直线线条的单像素化。