[发明专利]基于机器视觉的不规则形状物体的计数方法与装置

说明书

技术领域

本发明涉及一种视觉识别设备，具体说是一种基于机器视觉的不规则形状物体的计数方法与装置。

背景技术

随着计算机视觉的发展，目标计数已经成为重要应用领域之一。目标计数是一种基于目标几何特征的图像分割统计，其准确性和实时性是整个系统的一项重要能力。在复杂场景中，需要对多个目标进行实时高效的处理，尤其是对不规则形状物体的计数很难做到准确、实时。

目前针对目标检测的算法有SIFT/SURF算法、Haar特征提取等算法，这些算法基本都是通过先获取局部特征然后再进行匹配，但无法进行多个目标物体的检测与计数。经典霍夫变换可应用在识别直线、圆、椭圆等可以用解析方程清晰表达的形状物体。它通过一种投票算法可检测具有特定形状的多个物体。广义霍夫变换是霍夫变换的推广，可以用来识别给定的任意形状的曲线，但该算法运算量大。

发明内容

本发明目的是：提供一种基于机器视觉的不规则形状物体的计数方法与装置，基于改进的广义霍夫变换原理，根据自适应阈值，实现准确目标计数，并通过将主要算法步骤运行在GPU上，让GPU与CPU协同处理，达到实时性的要求。

本发明的技术方案是：一种基于机器视觉的不规则形状物体的计数方法，包括以下步骤：

（1）建立模板：利用不规则形状物体的模板图像的边缘点信息建立模板信息表；

（2）待检测图像预处理：记录待检测图像的边缘点坐标和梯度值信息，后期通过查找模板信息表来重定位目标物体的参考点位置；

（3）统计：利用模板信息表中的数据推算并统计参考点信息，根据匹配数，找出最佳的目标物体。

进一步的，所述步骤（1）包括：先对模板图像进行Canny边缘检测，对模板图像的每个边缘点信息进行处理，取不规则形状物体区域内的参考点，是模板图像的任一边缘点，点至边缘点的差矢量；与轴夹角为；边缘点处的梯度值为；根据梯度值取值的不同划分区间，将值在相同区间里的所有边缘点的()放入同一表项中，组成模板信息表。

进一步的，所述步骤（2）包括：对待检测图像进行Canny边缘检测，记录待检测图像中边缘点的坐标及梯度值信息，查找模板信息表中相应的梯度值中的()信息根据公式，推算参考点。

进一步的，所述步骤（3）还包括改变模板信息表中的值和值，根据变换后的数据还原边缘点的相对参考点，统计参考点的匹配次数。

进一步的，针对多个目标物体，在广义霍夫变换原理的基础上，设定目标物体的阈值参数，当参考点的匹配次数大于预先设定的阈值时，则判定为目标物体的参考点，根据坐标位置相近关系取其中匹配次数最多的参考点，再还原有效的目标物体，并对目标物体进行计数。

进一步的，所述模板信息表存储于GPU的Constant memory，待检测图像的边缘点信息存储于Texture memory。

进一步的，使用GPU不同的block处理不同的角度变换，而同一block中的线程处理同一角度变换时的不用尺度变换。

本发明还公开了一种基于机器视觉的不规则形状物体的计数装置，其特征在于，包括传送控制台，所述传送控制台一端设置有拍照触发器，所述拍照触发器上方设置工业照相机，所述工业照相机与计算机处理器连接，所述电源控制器提供电源，所述计算机处理器包括CPU和GPU。

本发明的优点是：

1. 利用广义霍夫变换能够快速准确的学习不规则形状物体的轮廓信息，在图像计数阶段，利用GPU可以加速算法中对轮廓点信息处理及计算参考定位点的时间，根据阈值的设定，准确的还原出目标物体。

该计数方法能够准确的计算不规则形状物体的个数，而且高效、无损耗。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1 为模板信息表示例图；