[发明专利]塑胶颗粒跟踪方法

说明书

本发明公开了一种塑胶颗粒跟踪方法，获取塑胶颗粒在检测视野中的运动图像序列，对该运动图像序列中的每帧图像分别进行塑胶颗粒目标检测，对于前一帧图像的塑胶颗粒目标集合，提取每个塑胶颗粒目标的中心区域像素点集合，基于光流法求取其在后一帧图像中的匹配特征点，得到每个中心区域像素点集合的匹配特征点集合，根据匹配特征点集合和后一帧图像的塑胶颗粒目标集合获取投票代价矩阵，获取令总票数最高的塑胶颗粒目标匹配组合，从而得到相邻两帧图像中塑胶颗粒目标的跟踪结果。本发明可以有效解决塑胶颗粒缺陷检测时密集塑胶颗粒在“振动前行”过程中发生碰撞情况下的跟踪问题，提高跟踪精度和跟踪的碰撞鲁棒性。

技术领域

本发明属于机器视觉检测及目标跟踪技术领域，更为具体地讲，涉及一种塑胶颗粒跟踪方法。

背景技术

塑胶颗粒作为众多塑胶制品的原材料产品形态，其质量检测是其生产过程的重要环节。常规检测一般采用人工抽检方式，即人工按一定规则抽取部分塑胶颗粒，并注塑成标准形状块，再借助于专用仪器进行相关质量指标的检测。这不仅费时费事，而且不利于及时发现塑胶颗粒生产过程中质量问题，甚至可能导致整批次返工或报废，严重影响生产效益。

随着计算机视觉技术的发展，用机器视觉的方法直接对生产线的塑胶颗粒进行缺陷检测成为一种重要解决方案。为提高检测效率，生产线上待检塑料颗粒通过某种方式(通常为震动传送形式)连续不断地进入检测设备的检测视野中，从而利用机器视觉实现对塑胶颗粒的实时缺陷检测与统计分析。为了准确统计和分析生产流水线上的塑胶颗粒物缺陷情况，检测流程中就必须包含对进入检测视野范围内的塑胶颗粒物的跟踪。目前，目标跟踪的主流框架是基于目标检测的跟踪框架，主要思路是基于深度网络的目标检测结果，通过对相邻帧图像的有效目标进行关联匹配，达到跟踪的目的。但由于数量众多的塑胶颗粒在检测场景“振动前行”过程中相互之间可能发生碰撞、跳动、翻滚等现象，即颗粒运动的速度与方向并非固定和一致，相邻帧有效目标关联匹配过程中容易出现误匹配，导致跟踪精度不高。

发明内容

本发明的目的在于克服现有技术的不足，提供一种塑胶颗粒跟踪方法，可以有效解决塑胶颗粒缺陷检测时密集塑胶颗粒在“振动前行”过程中发生碰撞等情况下的跟踪问题，提高跟踪精度和跟踪的碰撞鲁棒性。

为实现上述发明目的，本发明塑胶颗粒跟踪方法包括以下步骤：

S1：获取塑胶颗粒在检测视野中的运动图像序列，对该运动图像序列中的每帧图像分别进行塑胶颗粒目标检测，将每个塑胶颗粒目标以其目标包围框的坐标来表示，记相邻两帧图像中前一帧和后一帧图像检测得到的塑胶颗粒目标集合分别为A_pre和A_cur，所包含的塑胶颗粒目标数量分别M和N；

S2：对于前一帧图像的塑胶颗粒目标集合A_pre，计算每个塑胶颗粒目标对应的目标包围框的中心点o_m的坐标(i_m,j_m)，m＝1,2,…,M，得到中心坐标集合O_pre＝{o₁,o₂,...,o_M-1,o_M}；对于每个塑胶颗粒的中心点o_m，提取以该中心点o_m为中心、边长为2d+1的矩形框，其中d根据实际需要设置，记该矩形框中所有像素点的坐标集合将其作为第m个塑胶颗粒目标的中心区域像素点集合；

对于每个中心区域像素点集合p_m中的每个像素点，基于光流法求取其在图像I_cur中的匹配特征点，将每个中心区域像素点集合p_m所得到的匹配特征点集合记为q_m；

S3：设置一个大小为M×N的投票代价矩阵C，其元素C(m,n)表示塑胶颗粒目标集合A_pre中第m个塑胶颗粒目标和塑胶颗粒目标集合A_cur中第n个塑胶颗粒目标的匹配票数；将投票代价矩阵C初始化为零矩阵；