一种基于模糊算法的目标监视检测方法及系统

摘要

本发明揭示了一种基于模糊算法的目标监视检测方法及系统，所述方法包括：获取目标图像及背景图像；提取目标图像与背景图像的差分特征参数；将当前画面分为若干小区域ROI，使用差分算法计算背景与塑件目标、背景与模腔目标在小区域ROI内的图像灰度差分；检测目标相似度；根据提取到的差分特征参数，统计各小区域ROI内的目标出现参数数值，统计时，分别累积各自小区域ROI内的目标和非目标特征参数；目标判决步骤；由目标的统计参数值，进行目标未出现、目标出现的决策可能性判断。本发明降低了计算量，计算速度快，保证了实时检测的要求，同时，采用模糊数学进行统计参数的判决，提高了目标识别检测的可靠性，有效解决了速度和有效性之间的矛盾。

主权项

一种基于模糊算法的目标监视检测方法，其特征在于，所述方法用于检测模具保护器塑件和模腔是否出现，包括如下步骤：步骤1，抓取背景、塑件和模腔的数字图像，按线性顺序存储；步骤2，获取当前帧的数字图像，按线性顺序存储；步骤3，将当前画面分为若干小区域ROI，与背景、塑件和模腔的数字图像分别在每一个ROI区域内进行差分，提取各种图像间在ROI内的差异；步骤4，按ROI统计差异参数；统计之前，直接统计灰度值差异，或者在统计前进行特征提取，建立特征矢量后，统计差异的特征矢量；步骤5，将各种统计参数进行相似度和相异度比较，在正反两个方向判断各种背景、塑件、模腔三种目标出现的可能性；在参数统计的时候，将背景也当做要识别的一种目标，符合背景的识别结果则判断当前图像为背景；步骤6，目标判断步骤；包括：a）如果背景特征的正向统计参数小于背景正向阈值Tho1，同时，塑件和模腔的反向统计参数大于其各自的反向阈值The2和The3，则判断当前画面为背景；b）反之，如果背景特征的反向统计参数大于背景反向阈值The1，则判断当前画面可能为塑件或模腔，转到步骤c）；c）如果塑件正向统计参数小于其正向阈值Tho2，同时模腔的反向统计参数大于其反向阈值Tho3，则判断当前画面为塑件，否则，则转到步骤d）；d）如果模腔的正向统计参数小于其正向阈值Tho3，同时塑件的反向统计参数大于其反向阈值Tho2，则判断当前画面为模腔；步骤7，根据前一步对每个ROI的判断结果，所有ROI内的统计结果作为判断依据，当所有ROI的判断都有效时，则输出结果；步骤8，阈值更新；当所有ROI的判断结果一致，表示该次判断结果可靠性高，可作为阈值的更新依据，分别更新其对应的正向或反向阈值；当更新到设定的次数后，取正向和反向阈值的中值作为正向和反向统一的阈值。