视频识别在皮带机上运动计数的算法设计.docVIP

视频识别在皮带机上运动计数的算法设计 　　摘要：传统的皮带机计算器在一个通道内无法同时识别多个目标，本文使用AForge.NET视频图像处理类库来介绍怎样使用视频识别技术检测多个运动目标并实现自动计数的功能，本文着重于算法的设计及实现方法。 　　关键词：图像识别；多运动目标计数；皮带机计数器；计算机视觉；AForge.NET 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）13-0197-04 　　1概述 　　传统的皮带机计数器是采用红外传感器安装固定在传送带的两侧，一端发射红外线、另一端接收此红外线信号，当目标物品从中间通过遮挡到红外线时，会触发计数器进行计数。由此计数器的工作原理可知，被测目标物品通常比较大件且传送带是单通道，目标物品一个一个地依次通过红外传感器进行计数，如果被测目标物品体积细薄且数量较多需要在传送带上批量计数的时候，传统的皮带机计数器将难以解决。 　　如今视频识别伴随计算机技术的高速发展其技术日臻成熟，广泛应用于现代加工制造业，本文介绍一种利用视频识别进行多运动目标检测自动计数的算法设计及实现方法。 　　2视频识别检测方法 　　2.1运动目标检测方法 　　目前视频识别使用的运动目标检测方法有以下几种：帧差法、背景差法、光流法等。通过实践证明使用帧差法能更有效地检测高速运动的目标，在此着重介绍帧差法的原理，帧差法是指将运动图像序列中相邻的两帧作差分运算来获取运动目标轮廓的方法，该方法算法简单检测速度快，适用于多个运动目标检测和实时性较强的应用场合。因此本文使用帧差法。 　　本文的视频识别处理过程就是对帧差法产生的一系列图像进行图像识别分析处理，就是一个持续的图像处理过程。 　　2.2 AForge.NET编程框架类库 　　AForge.NET是一个基于C#语言开发的视频和图像处理的开源类库，它包括了计算机视觉的各种基本算法，例如：图像处像和滤镜过滤，机器学习、模糊推理和视频处理等。 　　本文主要引用AForge.NET类库中的1.AForge.Imaging：图像处理和滤镜类库；2.AForge.Vision：计算机视觉应用类库；3.AForge.Video：视频处理类库。引用成熟AForge.NET视频和图像处理类库可以使开发者更专注于实际图像识别的算法本身，而不需要构建一个完整的图像处理数学模型。 　　本文软件系统环境为微软VS2012，C#编程语言，使用AForge.NET 2.2.5版本类库，硬件为USB接口的工业高速摄像枪，达到60帧/秒。 　　3算法设计与编程方法 　　我们把小型电路板作为待测计量的目标物体，把一堆小型电路板放到皮带机输送带上，此时摄像头进行拍摄，计算机服务器程序开始使用帧差法处理拍摄的图像队列。 　　3.1应用滤镜检测目标轮廓路径 　　为了检测出在皮带机上的电路板，我们使用一些图像滤镜对图像目标进行处理，首先图像需要进行灰度化，其作用是将彩色图像变成黑白灰色，有的摄像枪可以直接调节为黑白模式则可省略本步骤的过滤处理，减少资源的消耗；然后再对灰度化的图像进行二值化过滤，目的是使图像变成只有黑白色；再利用边缘路径检测函数对图像上所有的小型电路板轮廓路径进行检测，得到电路板的边缘的闭合路径图。算法程序如下： 　　FiltersSequence seq = new FiltersSequence（）；//使用过滤 　　seq.Add（Grayscale.CommonAlgorithms.BT709）； //添加灰度滤镜，把彩色变灰色 　　seq.Add（new Threshold（150））； //基于阀值的二值化，即结果不是黑就是白 　　seq.Add（new OilPainting（10））； //边缘填充，使更好地闭合 　　Seq.Add（new DifferenceEdgeDetector（））；//边缘路径检测 　　得到如下图所示一个个长方形的闭合路径，即为小型电路板的轮廓路径模型。下图为应用一连串的滤镜后的图像变化结果。 　　3.2提取闭合路径图像块模型数组 　　在上图中最后滤镜处理（路径检测）其结果显示的每一个闭合长方形就是一个小型电路板轮廓模型，通过blobCounter类函数，对整个图像的所有闭合路径进行提取。为了去除干扰的因素和提高准确性，我们对提取图像块的最小宽度、最小高度以及图像块面积进行了过滤，通过了过滤的图像块数组则为图像上所有小型电路板的模型。算法程序如下： 　　blobCounter.FilterBlobs = true； //开启过滤条件 　　blobCounter.MinWidth = 40； //设置最小像素宽度 　　blobCounter.Min