[发明专利]一种基于多特征和尺度估计的PCB板标识跟踪方法

说明书

本发明提供一种基于多特征和尺度估计的PCB板标识跟踪方法，包括以下步骤：采集传送带上PCB板的图像；利用循环矩阵构造样本，利用图像增强原理对样本的灰度特征进行灰度增强，提取HOG特征和CN特征，根据两特征来训练分类器；通过分类器计算下一帧中待检测样本的响应值，响应值最大的位置则为目标位置；由于尺度变化是影响跟踪准确性及鲁棒性的主要因素，对此，将基于目标尺度设计一个尺度滤波器，进行尺度估计；基于当前帧，更新分类器及尺度估计模型。本发明基于目标跟踪，结合多特征和尺度自适应原则，对多尺度目标进行跟踪，既提高了工业生产中插装异构电子元器件的效率，又提升了目标跟踪的鲁棒性。

技术领域：

本发明是一种基于多特征和尺度估计的PCB板标识跟踪方法，采集传送带上PCB板的图像；利用循环矩阵构造样本；利用图像增强原理对样本的灰度特征进行灰度增强，提取HOG特征和CN特征来训练分类器；通过分类器检测下一帧中待检测样本中PCB板标识位置；同时基于PCB板标识尺度设计一个滤波器，进行尺度估计；基于当前帧，将重新训练和更新分类器及尺度估计模型。本发明可跟踪不同尺度和颜色的PCB板标识，完成插装异构电子元器件。

背景技术：

在当今电器设备的加工制造过程中，PCB板上电子元器件的插装是电器设备生产的重要步骤。这种电子元器件插装适合大范围大批量持续进行的加工，其中表面贴装和常规电子元器件插装都已实现自动化，而异构电子元器件的插装生产基本上都是劳动密集的人工作业流水线。人工插装存在着插装效率低、人员成本高、插装质量难以保证、管理强度大等问题。随着电子行业的迅速发展，对PCB板插件装配的速度和质量提出了更高的要求，异构电子元器件作为电子产品加工生产中不可缺少的一部分，产量和质量的要求也逐年递增。而由于人工成本的增加以及劳动强度大的影响，很多电子工厂出现了招工难的现象，异构电子元器件插装生产已经成为制约电子行业发展的影响因素。该方法利用视觉图像处理，对传送带上电路板上的标识进行目标跟踪，并插装异构电子元器件。故通过视觉系统实现异构电子元器件的插装，对提高生产质量和效率具有广泛的现实意义。

发明内容：

基于上述背景技术的不足，本发明提出了一种基于多特征和尺度估计的PCB板标识跟踪方法。使用循环矩阵构造样本，提取HOG特征和CN特征，将两个特征融合，根据融合特征来训练分类器，通过分类器计算下一帧中待检测样本的响应值，响应值最大的位置则为PCB板标识位置，基于PCB板标识尺度设计一个滤波器，进行尺度估计，完成更新位置和尺度估计后，将重新训练和更新分类器及尺度估计模型。本发明可跟踪不同尺度和颜色的PCB板标识，完成插装异构电子元器件。

本发明的技术方案是：本发明是采集传送带上PCB板图像，并对图像进行图像处理，利用目标跟踪算法，实时跟踪PCB板标识，并插装异构电子元器件。一种基于多特征和尺度估计的PCB板标识跟踪方法，执行步骤如下：S1，初始化、S2，构造分类器、S3，更新目标位置、S4，尺度估计、S5，更新分类器和尺度估计模型。具体包括以下步骤：

初始化：读入第一帧中传送带上PCB板图像，同时获取PCB板标识位置；

构造分类器：利用循环矩阵构造PCB板标识样本，循环矩阵有利于加快计算机对图像处理的速度，提高跟踪的效率，对PCB板标识训练样本加汉宁窗，提取训练样本的灰度特征图，因为HOG特征取自灰度特征图，在灰度图的基础上，设置阈值，对灰度图进行图像增强效果，提取HOG特征和CN特征，融合后的特征定义为x＝[x₁,x₂,...,x_c](c为特征维度)，训练样本特征进行傅里叶变换，训练样本核空间矩阵傅里叶变换，通过傅里叶反变换求出权重系数α来构造的分类器函数f(z)(z为样本)，使用HOG特征和CN特征来描述PCB板标识的特征，能够在检测样本的时候更好地识别出PCB板标识的区域；