[发明专利]基于ViBe和Camshift算法的摄像头动静状态下的钻孔检测方法

说明书

本发明公开了一种基于ViBe和Camshift算法的摄像头动静状态下的钻孔检测方法，首先通过LK算法提取图像特征点，然后通过计算视频相邻帧间特征点的位移判断摄像头状态；再使用ViBe算法在摄像头静止状态下检测出目标；当摄像头发生抖动或开始位移时，使用ViBe算法得到的目标框作为Camshift算法的初始化窗口，并将算法切换为Camshift在摄像头运动状态下对目标进行检测。本发明克服了ViBe算法在摄像头抖动或运动时无法精确对目标进行定位的问题，避免了使用单一Camshift算法导致计算量较大的情况和Camshift算法需要人为设定初始框的问题。

技术领域

本发明涉及钻孔检测方法，尤其涉及一种基于ViBe和Camshift算法的摄像头动静状态下的钻孔检测方法。

背景技术

目标检测技术是现在研究的重要领域，在机器人导航、汽车驾驶、工业生产和军事领域等都有着广泛的应用。其中，有一类算法的原理是通过提取背景进行目标检测的，这类背景提取算法主要包括帧间差分法、背景差分法、ViBe算法和光流法。光流法因为其计算量较大且计算过程复杂，很少单独使用。帧间差分法算法简单，但是无法识别静止或运动速度很慢的目标，并且检测出的目标容易出现空洞现象。背景差分法在背景模型更新的实时性上表现不佳。ViBe算法对于长时间静止的目标物体检测效果较差，会将目标吸收为背景的一部分。并且除了光流法，上述背景提取算法均不能应用在运动的摄像头中，使得这些算法的应用场景收到了局限。目前，Meanshift算法和Camshift算法是比较成熟的目标检测算法，Camshift算法是在Meanshift的基础上实现了连续自适应的跟踪过程，它即可以检测动态目标，也可以检测静态目标，并且可以应用在运动的摄像头上。但Camshift算法的计算量稍大，需要人为设定目标的初始框位置和大小，并且当目标颜色和背景颜色相近时，跟踪效果会受到较大的影响。

发明内容

发明目的：本发明的目的是提供一种能防止静止钻孔被背景吸收的基于ViBe和Camshift算法的摄像头动静状态下的钻孔检测方法。

技术方案：本发明的摄像头动静状态下的钻孔检测方法，包括以下步骤：

S1，将摄像头静止、摄像头抖动和摄像头移动的视频图像作为输入；

S2，采用LK算法对视频图像进行特征提取，并统计特征点数量；

S3，对步骤S2中提取的特征点数进行相邻帧间匹配，实时判断摄像头状态；

S4，采用ViBe算法检测前景目标，对摄像头每次静止时的第一帧视频进行处理，建立ViBe背景模型，为每个背景点存储一个样本集；然后对摄像头静止时的每帧视频进行处理，更新前景和样本集，检测出前景目标；

S5，将ViBe算法检测出的前景目标框作为Camshift算法的初始目标框，采用Camshift算法检测前景目标，然后基于Camshift算法实现连续自适应的目标跟踪过程。

所述步骤S2中，所述LK算法应满足：目标物体的亮度值在视频中不发生变化、特征点相邻帧间的运动微小、一定范围内的特征点沿同一方向移动；

同时设定LK算法中的参数包括：搜索窗口大小、最大的金字塔层数、最大角点数、最小可接受的角点质量、角点间的最小欧几里得距离和计算离散卷积块的大小。

所述步骤S3中，通过计算相邻帧间特征点的位移，判断摄像头状态；

统计位移大于1的特征点数量为num，如果num小于等于所有特征点数量的一半，认为摄像头是静止状态，则采用ViBe算法；反之，认为摄像头发生抖动或运动，切换为Camshift算法。

所述步骤S4中，所述检测前景目标实现过程如下：