[发明专利]一种基于多分类增量学习的分窗口计数方法及装置

说明书

本发明提供一种基于多分类增量学习的分窗口计数方法及装置，充分利用目标形状规则的特点，建立像素点和个数的直接关系，降低了累计误差，并实现快速计数，同时允许物体粘连，忽略不均匀的密度和质量因素。为了避免采集图像时拍摄角度的局限使得目标图像各个区域像素点会有误差，利用窗口将检测范围分区，对每个窗口单独进行计数来降低误差。装置采用暗箱避免了外部光源的干扰，对外部环境要求很低；多窗模板对计数区域进行分区，避免目标物体的滚动及相邻窗口之间的粘连。本发明实现了类似于工业密封毛毡垫这类质量轻，体积小，密度不均匀的规则物体的高准确性的快速计数。

技术领域

本发明涉及图像处理和机器学习技术，特别涉及质量轻，体积小，密度不均匀的规则物体的快速计数。

背景技术

工业密封毛毡垫是经过冲床加工制作而成的密封垫圈，具有密封，隔热，隔音，防震，过滤等作用，在家电，乐器，运动器械，汽车，文化产品等各类产业领域中被广泛应用，准确计算毛毡垫的数量对保证厂家的经济效益十分重要。

毛毡垫的基本特点是体积较小、质量轻，形状规则，由于加工的原材料包含不同种类羊毛，因此最终的制成品由于毛质长短，粗细的不同会导致密度和厚度不均匀，造成误差。传统的方法一般是称重法，人工计数法两种。称重法要求称重对象为重量基本相同，并满足最小计量单位，但是毛毡垫体积小、质量轻，密度、厚度不均匀容易造成较大误差。人工计数方法速度比较慢、效率低，而且容易受人为因素的影响，占用、浪费人力资源。

如何提高类似于工业密封毛毡垫这样质量轻，体积小，密度不均匀的规则物体计数的效率与准确率是是亟需解决的难题。

发明内容

本发明所要解决的技术问题是，提供一种能够实现对质量轻，体积小，密度不均匀的规则物体进行快速计数的方法与装置。

本发明为解决上述技术问题所采用的技术方案是，一种基于多分类增量学习的分窗口计数方法，包括以下步骤：

1)训练步骤，针对各分区窗口训练多分类模型，每一个窗口所对应的多分类模型由识别不同目标数的二分类器组成，每一个二分类器用于识别指定的一个目标数：

1-1)图像采集步骤：在各窗口内采集不同目标数下的样本图像；

1-2)图像预处理步骤：对所有样本图像进行高斯滤波消除噪声，再进行灰度化以及二值化处理，得到窗口内目标总像素点数；

1-3)多分类模型训练步骤：将各目标数下的样本图像的目标总像素点数，一方面作为指定识别该目标数的二分类器的正样本输入，另一方面作为识别其它目标数的二分类器的负样本输入；

2)计数步骤：

2-1)图像采集步骤：将采集目标图像按预置窗口进行分区；

2-2)图像预处理步骤：对每个窗口的图像进行高斯滤波消除噪声，再进行灰度化以及二值化处理，得到窗口内目标总像素点数；

2-3)分类及模型增量学习步骤：将每个窗口内目标总像素点数输入多分类模型，根据多分类模型的输出结果得到目标数；根据目标数对目标总像素点数进行标注后，将标注后的目标总像素点数作新样本使对应窗口多分类模型进行模型增量学习；

2-4)计数输出：将目标图像中所有窗口的目标数求总和作为计数结果。

本发明计数方法充分利用毛毡垫形状规则的特点，建立像素点和个数的直接关系，降低了“个数＝总像素点/单个像素点”这种间接关系带来的累计误差，并实现快速计数，同时允许物体粘连，忽略不均匀的密度和质量因素。为了避免采集图像时拍摄角度的局限使得目标图像各个区域像素点会有误差，利用窗口将检测范围分区，对每个窗口单独进行计数来降低误差。