[发明专利]一种基于机器视觉的水表耐久性装置漏水监测方法

权利要求书

1.一种基于机器视觉的水表耐久性装置漏水监测方法，其特征在于包括如下步骤：

步骤S1、对水表耐久性装置的周围环境进行捕获，将采集的视频流进行时间域解析，得到图像序列；

步骤S2、初始化金字塔光流法的各项运动参数，并对解析的图像序列进行分辨率调整；

步骤S3、将经过调整的图像输入三层金字塔模型进行三维建模；

步骤S4、将原始图像置于三层金字塔模型底层，将分辨率最低的图像置于三层金字塔模型顶层；

步骤S5、完成一个时间序列图像的三层金字塔模型建模之后，对同一金字塔模型层级中相邻两帧图像的运动特征向量进行提取；

步骤S6、根据三层金字塔模型将前后两帧图像中捕获的异常特征点在空间几何尺度上的变化逐层传递，获得精确的光流场；

步骤S7、采用卡尔曼滤波对承载光流场的图像序列中的噪声进行过滤；

步骤S8、对经过卡尔曼滤波之后的图像序列进行灰度处理，建立灰度频率直方图，然后进行装置漏水模型的匹配识别；

步骤S9、针对时间序列前后的两帧图像进行灰度比较，获取灰度存在明显差异的特征像素点坐标；

步骤S10、通过连续的比较，过滤位置暂时不变的像素点，并对运动像素点在下一帧中的位置进行估计；

步骤S11、对缓慢运动的像素点进行标记，并进行像素点计数；

步骤S12、根据工业摄像头铺设的位置和角度合理设置阈值参数，一旦运动像素点的个数超出设置的阈值，并且像素点运动坐标集中在图像某个区域，并且在时间域上呈现一定时段的连续分布，便进行装置漏水报警；

步骤S13、报警信号同步远程发送至监控值班室，或者个人手持终端。

2.根据权利要求1所述的一种基于机器视觉的水表耐久性装置漏水监测方法，其特征在于：在步骤S3中，假设存储好的原始图像为i₂，定义其为第一层金字塔模型中的建模图像，其分辨率为W*N，第二层金字塔模型中的建模图像为i₂₁，其分辨率为W/2*N/2，第三层金字塔模型中的建模图像为i₂₂,其分辨率为W/4*N/4。

3.根据权利要求1所述的一种基于机器视觉的水表耐久性装置漏水监测方法，其特征在于：在步骤S5中，进行运动特征向量提取的具体计算方法如下：

Pic_t+1(x_t+1,y_t+1,T_t+1)＝Pic_t(x_t+△x,y_t+△y,T_t+△t) (5)

其中，Pic_t+1为时域序列中标记为：t+1的一帧图像；Pic_t为时域序列中标记为t的一帧图像；x_t，y_t，T_t为t时刻像素点的时空特征；x_t+1，y_t+1，T_t+1为t+1时刻像素点的时空特征；△x，△y，△t为时间趋于无限小时刻相应的变化；

将公式(5)等号右侧进行泰勒级数展开：

光流法假定相邻两帧图像的运动变化量很小，则进行如下推导：

令△x＝u,△y＝v，随着视频流被解析成时间域上的n个序列，组成了如下的线性微分方程组：

为了求解u和v，假设图像上以T区域内某像素点为中心的周围像素点的运动方向和大小一致，令引入光流误差函数：

E＝∑_P∈TW²(P)(I_Xu+I_Yv+I_t)² (9)

其中W²(P)为像素点的权重函数，离中心像素点越近，则权重越大；P为运动特征发生的时间节点；T为极小的一段时间域；

利用最小二乘法对光流误差函数进行求解，求得：

A^TW²AV＝A^TW²b (10)

V＝(A^TW²A)^-1A^TW²b (11)

其中，

W＝(W(P₁) W(P₂) … W(P_n)) (15)

通过求解(8)的微分方程，得出了(15)一组运动特征向量，通过将原始图像与运动向量相结合，最终预判特征像素点随着时间推移在空间几何尺度上的变化。