[发明专利]一种多特征耦合及目标探测的工业自动化监控方法

权利要求书

1.一种多特征耦合及目标探测的工业自动化监控方法，其特征在于：基于背景种子点扩散的目标探测候选区域辨识、基于前景种子点扩散的目标探测候选区域辨识；最终通过两个候选区域间的融合，辨识出目标探测区域，以实现对工业自动化生产过程的智能监控；综合利用多种外部先验知识及内部图像特征优化提取工业生产场景中背景及前景种子点，并采用基于图模型的种子点扩散方法对种子点进行扩散，并对扩散后得到的目标探测候选区域进行融合，实现目标探测及工业自动化监控；主要包括背景种子点选择、前景种子点选择、种子点扩散及目标探测候选区域融合四步；

背景种子点选择包括初始背景种子点选择、种子点差异计算及种子点优化过程，以实现基于背景种子点的目标探测候选区域辨识；

首先，计算工业监控场景的超像素分割区域，并根据背景先验知识及超像素区域内的纹理特征共同选择初始背景种子点；在此选择阈值滤波作为初始背景种子点选择准则：

其中，BS_i′为候选背景种子点标签，i为超像素点标签，true为初始背景种子点，fasle为非初始背景种子点，d_i为超像素中心距离边界的距离，T为纹理密度阈值，ε为距离边界的阈值，BF_i为纹理密度计算为：

其中，l_i为第i个超像素区间内的纹理长度，N_i为第i个超像素区间的面积；

其次，计算判断初始背景种子点间的差异度：

其中，Dif_i^b为第i个初始背景种子的差异度，为第i个初始背景种子点同第k个初始背景种子点间在RGB空间中的色彩差异度，第i个初始背景种子点同第k个初始背景种子点间的空间距离，α为调制参数；

最后，背景种子点选择准则为：

其中，η为初始背景种子点差异度的阈值；

前景种子点选择包括初始前景种子点选择、种子点差异计算及种子点优化过程，以实现基于前景种子点的目标探测候选区域辨识；

首先，计算工业监控场景的凸包以选择初始前景种子点；

其中，FS_m′为所选择到的初始前景种子点标签，m为超像素点标签，R_Φ为凸包区域，true为初始前景种子点，fasle为非初始前景种子点；

其次，计算判断初始前景种子点间的差异度

其中，为第m个初始前景种子的差异度，为第m个初始前景种子点同第j个初始前景种子点间在RGB空间中的色彩差异度，第m个初始前景种子点同第j个初始前景种子点间光流运动信息差异度，β为调制参数；

其中，λ为初始前景种子点差异度的阈值；

(3)种子点扩散

采用基于图模型的种子点传播方法，实现工业场景中目标准确探测；

其中，f^*为优化后的图像超像素显著性的排序值，能够标定图像目标的空间位置，即对应目标探测的结果，d_i为超像素中心距离边界的距离，N_i为第i个超像素区间的面积，w_ij表示图模型节点i和j之间的权重，d_ii为第i个节点的权重值d_ii＝∑_jw_ij，d_jj为第j个节点的权重值d_jj＝∑_iw_ij,f_i,f_j分别表示节点i,j的排序值，y＝[y₁,y₂...,y_n]^T，为指示向量，如果x_i为种子节点，则y_i＝1，否则y_i＝0，μ为常数项，设为0.01；

采用偏执型融合方式融合基于背景种子点的目标探测候选区域辨识结果和基于前景种子点的目标探测候选区域辨识结果：

其中是融合后的最终目标探测结果，为基于背景种子点的目标探测候选区域辨识结果，为背景、前景探测结果间的交互，计算为：

其中，为基于前景种子点的目标探测候选区域辨识结果，γ、υ和为调制参数。