[发明专利]一种透明玻璃瓶内液体的异物检测算法

摘要

本发明提供了一种透明玻璃瓶内液体的异物检测算法，先对视频图像进行导向滤波增强处理，再采用“Hough”变换检测出透明玻璃瓶轮廓，将算法检测区域缩小至液体检测区，为液体检测区域的每个像素点建立一个背景模型，计算当前像素点与背景模型的相似度，如果相似，则分类为背景，否则为前景，计算前景的连通区域面积，若连通区域面积小于设定阈值，则分类为背景，否则为前景。本发明能够对非透明液体中的异物进行检测。 1

主权项

1.一种透明玻璃瓶内液体的异物检测算法，其特征在于，包括以下步骤：

步骤1，对透明玻璃瓶进行采集图像，获取含有运动目标的RGB图像，并对图像依次进行灰度和导向滤波处理；

步骤2，对步骤1得到的图像进行Hough变换；

步骤3，提取步骤2得到的图像中前N帧图像中透明玻璃瓶区域内的像素点灰度值，建立针对透明玻璃瓶区域内像素点的初始化背景模型M(x)；

步骤4，计算N+1帧开始后的每一帧图像的每个像素点与背景模型的相似度，如果相似，则分类为背景，转到步骤5；否则为前景，转到步骤6；

步骤5，对于N+1帧后的每一帧图像相似的像素点，概率更新相似的像素点对应背景模型的样本，的概率更新相似的像素点F×F邻域内某像素点对应背景模型的样本，转步骤6；

步骤6，通过计算N+1帧后的每一帧图像的连通区域面积，排除液体检测区域内小于阈值的细小噪声干扰；

步骤7，重复步骤4至步骤6，直至所有第N+1至第N帧图像检测完成。

2.根据权利要求1所述的方法，其特征在于，步骤3中的背景模型M(x)＝{P₁,P₂,...,P_N}，

其中，P₁,P₂,...,P_N为背景模型的样本。

3.根据权利要求1所述的方法，其特征在于，步骤4中的相似的判断过程为：

步骤4.1，从N+1帧开始，对于当前帧的某一像素点x，其灰度值为P(x)，在欧式颜色空间中定义一个以P(x)为中心，R为半径的圆S_R(P(x))对当前帧像素点x的灰度值和对应背景模型中的样本做对比，其中，R为模型匹配阈值，S_R(P(x))表示所有与P(x)距离小于R的样本的集合；

步骤4.2，如果背景模型的某个样本值在圆S_R(P(x))中，则表示像素点x与该样本匹配，即用#{S_R(P(x))∩{P₁,P₂,...P_N}}来描述P(x)与背景模型M(x)的相似度；

步骤4.3，设定阈值#min，如果#{S_R(P(x))∩{P₁,P₂,...P_N}}＜#min，则像素点x与背景模型M(x)不匹配，判断该点为前景点；否则，判断为背景点。

4.根据权利要求1所述的方法，其特征在于，概率更新相似的像素点对应背景模型的样本的具体过程为：

用当前帧相似的像素点的灰度值替换掉以概率从背景模型M(x)中选出的样本中对应的像素点的灰度值。

5.根据权利要求1所述的方法，其特征在于，的概率更新相似的像素点F×F邻域内某像素点对应背景模型的样本的具体过程为：

的概率用当前帧相似的像素点的灰度值替换掉它的F×F邻域中某个像素点对应的背景模型中相应点像素点的灰度值。

6.根据权利要求1所述的方法，其特征在于，步骤1中导向滤波处理的方法包括：

以自身图像为导向图，窗口半径大小设为16，正则化系数设为0.4^2，输出的导向滤波图与导向图之间的线性系数分别为5和1。

7.根据权利要求1所述的方法，其特征在于，步骤2中Hough变换时设置要寻找的峰值数目为5，设置峰值阈值大小为ceil(0.3*max(H(:)))，大于该阈值的点为是可能峰值点。

8.根据权利要求1所述的方法，其特征在于，步骤6中，连通区域面积阈值为50。