检测识别（共10篇）
检测识别 篇1
0 引言
视频标签是指视频制作的网站在视频中添加的logo,通常为10到20个字符的英文字母或2到5个汉字。由于常见的宣传色情、暴力、反动的网站往往会在其制作的视频中加上特定的标签,如果能准确识别出其中的标签,将对互联网上该类视频的过滤工作带来极大帮助。
目前还没查到针对视频标签的提取与识别的文献。但是由于视频标签是以文字形式出现,因此它属于视频文字的提取与识别的范畴。现有的关于视频中的文字提取的算法,根据是否利用视频多帧信息,可以将它们分成两大类:第一类是基于静态图像的视频文字检测和分割,第二类则根据视频文字在时间上的冗余度,利用视频多帧信息来进行文字检测、跟踪和增强。基于静态图像的检测算法又可以根据算法利用的特征分成三个子类:基于边缘的方法、基于区域的方法和基于纹理的方法。基于边缘的方法主要利用了文字区域和背景具有明显的对比度差异的特性[1,2,3],该类方法虽然计算简单,但在文字和背景对比度相差不大的情况下检测效果并不理想。基于区域的方法根据文字具有相近的颜色,采用颜色聚类、连通性分析等方法来区分文字与背景[4,5],该方法对于颜色一致的文字行,能取得比较好的检测效果。基于纹理的方法把文字看成一种特殊的纹理,通常在对图像分块的基础上,对各个字块进行纹理特征提取,然后利用分类器进行判定[6,7]。此外文献[8]提出了一种基于文字穿越线和笔画连通性的文字区域定位方法。在第二类利用视频帧的连续性方面,文献[9]描述了一种基于块匹配的文字跟踪算法,文献[10]提出了一种能够追踪运动文字的算法,文献[11]提出了一种融合多帧颜色和边缘信息进行文字区域提取的方法。目前关于视频文字的识别,都是在提取到文字以后采用OCR技术进行识别[12,13,14],该技术要求提取到的包含文字的图像有比较高的对比度,或者是质量较好的二值化图像。
针对视频标签的特点,提出一种基于统计分析的提取算法和基于图像匹配的识别算法。本文的主要组织结构如下:第1节介绍视频标签检测与识别的特殊困难,第2节介绍视频标签的提取算法,第3节介绍视频标签的识别算法,第4节给出实验结果及分析,第5节是对全文的小结。
1 视频标签的特点和算法整体框架
视频标签虽然是文字,但是和普通的视频文字有较大区别。普通的视频文字(如字幕)力求清晰,以便让观众看的清楚;而视频标签多是以水印方式嵌入视频图像中,标签文字和视频背景的对比度很低,图像通常都很模糊。图1展示了普通视频的字幕和视频标签的对照。
图2展示了一组从同一网站制作的5个视频中提取到的标签。从图中可以看到即使是同一类标签在不同的视频中,标签的清晰程度、背景颜色、字符大小以及宽高比例都各不相同。
在这样的情况下采用现有的算法很难取得好的检测与识别效果。由于视频标签在一个视频中基本都是连续出现,而且位置基本保持不变,根据这一特性设计基于统计分析的标签提取算法;同时由于色情、暴力、反动视频的标签形式有限,根据这一特性设计了基于图像匹配的标签识别算法。整个算法流程如图3所示。
2 视频标签提取
2.1 视频帧的选择
由于一个视频中帧的数目巨大,如果对每一帧都进行分析,则必然耗时巨大,通过对网上下载的1000多个视频的分析,我们发现如果一个视频有标签,则视频标签在视频中出现时间一般占到整段视频的60%以上,而且都是连续出现。据此确定视频帧的抽取算法:每隔一秒钟抽取一帧,分头、中、尾三个位置从视频中抽帧,根据视频长度确定具体抽取位置和抽取帧数,具体细节见表1。
2.2 标签检测与提取
对从视频各位置抽取到的视频帧分别进行检测,如果某个位置的抽样帧被检测到视频标签,则认为整个视频都有该标签。对一个位置的抽样帧的检测算法如下:
1)假定视频帧的长宽分别为M、N,令Ft为t时刻的视频帧,t=1,2,…T;
2)计算Ft灰度图的水平梯度,记G(x,y)为(x,y)处像素的梯度值,x=1,2,…M,y=1,2…N;
3)令,…M-W,
其中,W,H为过滤窗口的宽和高,这里根据实际情况缩小了候选标签的搜索范围,只搜索视频帧右下角的区域;
4)通过式2确定Ft是否含有候选标签
其中,Thr_GM为预先设定的候选标签判定阈值,由于通常情况下标签文字和背景的对比度很低,Thr_GM不宜取的过大,实验中取15WH,当Lt=1时,说明Ft含有候选标签;
5)若Lt=1,利用式3求梯度图的二值化掩码图;
和式4中类似,Thr_GRAD是二值化的阈值,同样不宜取的过大,实验中取20;
6)利用二值化掩码图搜索候选标签区域的上下左右四个边界,记为矢量Ft(t,b,l,r),由于算法类似,下面给出搜索左边界的伪代码表示的算法:
在对各帧进行候选标签检测后,如果发现不到80%的帧含有候选标签,则认为该视频段不含视频标签,算法结束;否则继续执行步骤7-8进行标签提取。
7)在计算得到各帧的候选标签区域后,可以计算视频标签的基准边界。根据观察我们发现一个视频如果含有标签,则检测到的候选标签区域为标签的概率均超过50%,故采用中值滤波求视频标签的基准边界矢量(L,R,T,B),见式4。
其中|Ft(t,b,l,r)-Ft(t,b,l,r)|为矢量Ft(t,b,l,r)与Fi(t,b,l,r)之间的欧氏距离。
8)在获得视频标签基准边界后,在这T个视频帧中挑选边界与基准边界(L,R,T,B)最相近的K帧(具体应用中K视情况取8-10之间的某个整数),提取其标签。
9)由于标签是以水印形式嵌入图片中,可用式5表示。
其中bk表示背景像素值,fg表示文字本身的值,blend表示混合后的像素值。当视频帧变化的时候,bk发生改变,fg保持不变,所以标签图片中的标签文字区域的像素相对背景区域的像素,值保持相对稳定,由此得到标签的二值化算法,见式(6)和式(7)。
在式(6)中,LABELt(x,y)表示第t个标签位于(x,y)处的像素值,|LABELt(x,y)-LABELt+1(x,y)|为两个像素值之间的欧式距离,thr_DIFF为经验参数,在实验中取35。
10)用二值化结果,填充以基准边界为四周的图像,得到二值化视频标签。
3 基于图像匹配的标签识别
设从一段视频帧内提取到K个标签。将这K个标签逐个与库中的标准标签进行比对,具体步骤如下:
1)归一化处理。假设从某视频帧中提取到的标签图像为LABEL,首先对LABEL进行缩放,统一为视频库中的标准大小WID*HEI;
2)将视频库中的标签逐一与LABEL进行比对,令label为库中的一个标签,label(i,j)和LABEL(i,j)分别为label和LABEL中(i,j)位置的像素值,比对label与LABEL的算法见式(8)和式(9);
令MatchNum为R中1的个数,当MatchNum>WID*HEI*0.85时,我们认为LABEL标签与label匹配。如果K个标签中有一个标签与label匹配,我们就认为当前的视频含有与label相同的视频标签。
4 实验结果与分析
利用920个带标签的视频和1672个不带标签的视频进行标签检测实验,结果见表2所示。从表中可以看到本文的算法对带标签视频有较高的检出率,同时对无标签视频有较低的误检率。
在标签识别实验中,我们采用第3节所述的方法从带标签的视频以每一个网站提取一个标签的方法中共提取了9个标准标签。然后利用剩下的851个视频和在标签提取的前提下,分别用WORD2003中自带的OCR功能与本文的算法进行了对比实验,在实验中,在851个视频中共提取到标签2360个,实验结果如表3所示。
从表3可以看到,由于视频标签的模糊性,用普通的OCR识别方法很难识别出来,而用基于整幅图像匹配的方式,则可以较好的解决这个问题。
5 结束语
本文提出一种视频标签的检测与识别方法,通过计算图像梯度,在标签常见区域搜索像素梯度和最大区域,确定候选标签,通过中值滤波确定标签基准边界,并利用多帧联合分析的方法实现标签二值化,在提取到标签后,运用基于全局图像匹配的方式,对标签进行识别,实验结果表明该方法在标签检测上有较高的检出率和较低的误检率,在标签文字的识别上大大优于常用的OCR识别方法。
检测识别 篇2
1 二极管的作用与识别方法
1.1 作用
二极管的主要特性是单向导电性，也就是在正向电压的作用下，导通电阻很小；而在反向电压作用下导通电阻极大或无穷大。
二极管按用途分为：晶体二极管、双向触发二极管、高频变阻二极管、变容二极管、发二极管、肖特基二极管。
1.2 识别方法
二极管的识别很简单，小功率二极管的N极（负极），在二极管表大多采用一种色圈标出来，有些二极管也用二极管专用符号标志为“P”“N”来确定二极管极性的，发光二极管的正负极可从引脚长短来识别，长脚为正，短脚为负。
1.3 测试注意事项
用数字式万用表支测二极管时，红表笔接二极管的正极黑表笔接二极管的负极，此时测试得阻值才是二极管的正向导通阻值，这与指针式万用表的表笔接法刚好相反。
1.4 故障特点
二极管的故障主要表现在开路、短路和稳压不稳定。在这3种故障中，前一种故障表现出电源电压升高；后顾之忧种故障表现为电源电压变低到零伏或输出不稳定。
2 二极管的测试方法
2.1 检测小功率晶体二极管
A.判别正、负电极
（a）观察外壳上的符号标记。通常在二极管的外壳上标有二极管的符号，带有三角形箭头的一端为正极，另一端是负极。
（b）观察外壳上的色点。在点接触二极管的外壳上，通常标有极性色点（白色或红色）。一般标有色点的一端即为正极。还有的二极管上标有色环，带色环的
一端则为负极。
（c）以阻值较小的一次测量为准，黑表笔所接的一端为正极，红表笔所接的一端则为负极。
B.检测最高反向击穿电压。对于交流电来说，因为不断变化，因此最高反向工作电压也就是二极管承受的交流峰值电压。
2.2 检测双向触发二极管
将万用表置于相应的直流电压挡。测试电压由兆欧表提供。测试时，摇动兆欧表，万同样的方法测出VBR值。最后将VBO与VBR进行比较，两者的绝对值之差越小，说明被测双向触发二极管的对称性越好。
2.3 瞬态电压抑制二极管（TVS）的检测
A.用万用表测量管子的好坏对于单要极型的TVS，按照测量普通二极管的方法，可测出其正、反向电阻，一般正向电阻为4kΩ左右，反向电阻为无穷大。 对于双向极型的TVS，任意调换红、黑表笔测量其两引脚间的电阻值均应为无穷大，否则，说明管子性能不良或已经损坏。
2.4 高频变阻二极管的检测
识别正、负极高频变阻二极管与普通二极管在外观上的区别是其色标颜色不同，普通二极管的色标颜色一般为黑色，而高频变阻二极管的色标颜色则为浅色。其极性规律与普通二极管相似，即带绿色环的一端为负极，不带绿色环一端为正极。
2.5 变容二极管的`检测
将万用表红、黑表笔怎样对调测量，变容二极管的两引脚间的电阻值均应为无穷大。如果在测量中，发现万用表指针向右有轻微摆动或阻值为零，说明被测变容二极管有漏电故障或已经击穿坏。
2.6 单色发光二极管的检测
在万用表外部附接一节能1.5V干电池，将万用表置R×10或R×100挡。这种接法就相当于给予万用表串接上了1.5V的电压，使检测电压增加至 3V（发光二极管的开启电压为2V）。检测时，用万用表两表笔轮换接触发光二极管的两管脚。若管子性能良好，必定有一次能正常发光，此时，黑表笔所接的为正极红表笔所接的为负极。
2.7 红外发光二极管的检测
A.判别红外发光二极管的正、负电极。红外发光二极管有两个引脚，通常长引脚为正极，短引脚为负极。因红外发光二极管呈透明状，所以管壳内的电极清晰可见，内部电极较宽较大的一个为负极，而较窄且小的一个为正极。
B.先测量红个发光二极管的正、反向电阻，通常正向电阻应在30k左右，反向电阻要在500k以上，这样的管子才可正常使用。
2.8 红外接收二极管的检测
A.识别管脚极性
（a）从外观上识别。常见的红外接收二极管外观颜色呈黑色。识别引脚时，面对受光窗口，从左至右，分别为正极和负极。另外在红外接收二极管的管体顶端有一个小斜切平面，通常带有此斜切平面一端的引脚为负极，另一端为正极。 （b）先用万用表判别普通二极管正、负电极的方法进行检查，即交换红、黑表笔两次测量管子两引脚间的电阻值，正常时，所得阻值应为一大一小。以阻值较小的一次为准，红表笔所接的管脚步为负极，黑表笔所接的管脚为正极。
B.检测性能好坏。用万用表电阻挡测量红外接收二极管正、反向电阻，根据正、反向电阻值的大小，即可初步判定红外接收二极管的好坏。
2.9 激光二极管的检测
检测识别 篇3
【关键词】盐酸克伦特罗;瘦肉精;感观识别;检测方法
盐酸克伦特罗(clnebuetorl，CL)的化学名称为羟甲叔丁肾上腺素，是一种具有扩张支气管作用的β-2兴奋剂。由于其能明显增加畜牧业生产中的瘦肉率，因此，成为民间俗称瘦肉精的主要存在形式，并被不法分子应用于生猪生产中。人一但食用含瘦肉精残留的肉制品就会产生不良反应，严重的还可能会因中毒而导致昏迷，甚至死亡。因此，加强对含盐酸克伦特罗的畜肉的识别与检测，对于捍卫食品安全，保障人民健康具有十分重要的现实意义。
1.通过感官对盐酸克伦特罗进行识别的方法
生猪屠宰前饲食盐酸克伦特罗的外观与体态具有以下特征：生猪肤色白里泛红且较为光洁，臀部结实上翘、腹部无下坠感，整体体态更为美观。但可能同时也会出现呼吸急促腿脚无力，导致站立不稳或爬坡有困难，蹄部较易受伤并发生感染。在运输过程中，前后肢还较易发生劈叉现象，剧烈运动还易导致死亡。
生猪在屠宰后，也可以通过肉的品质与颜色对是否含有盐酸克伦特罗进行判断。如果饲喂盐酸克伦特罗较为严重的话，猪肉肉色就相对较深，皮下肥膘非常薄几不可见；后臀肌肉更加饱满且肉质鲜艳；膈肌较厚，大肠、小肠壁薄，冠油少板油薄。当猪肉具有这些性状的话，通常可怀疑饲喂了盐酸克伦特罗。
通过感官对动物性食品中盐酸克伦特罗进行识别主观性较强，因此，只是粗略的判断方法。可以做为消费者购买猪肉，或者肉制品生产质控人员避免使用含盐酸克伦特罗鲜肉进行参考。
2.盐酸克伦特罗的快速检测
目前，要快速对盐酸克伦特罗进行检测，试纸条法是最合理的选择。使用试纸条检测需根据产品的说明书进行。具体方法如下：
2.1准备检测样品
将备检尿液放置室温内，待回升至20～24℃时，2000g离心10 min后，取上清尿液用于检测。
2.2检测具体步骤
2.2.1在检测板孔中分别加入标准品1、标准品2及待检尿液80μg。
2.2.2把加入样品的检测孔板条平行黏于检测固定板之上，与所需的试纸条同时平放至4℃冰箱内，此时试纸条并未插入样品中。
2.2.3在15～20 min时将试纸条同时放入检测板孔中。
2.2.4将试纸与检测固定板一起水平放置于4℃冰箱内，此时不得将试纸从检测孔中取出，并保证试纸条处于平置检测孔底部状态。
2.2.5 8～10 min后判定结果。
2.3检测结果判定
2.3.1在把试纸和检测固定板同时放进4℃冰箱后开始记时。
2.3.2 8 min后取出，标准品1的反应线呈一条较清晰的棕红色线，标准品2反应线的颜色明显淡于标准品1反应线的颜色。
2.3.3 10 min将待检样品的反应线与标准品1、标准品2的反应线的颜色对比判定结果，颜色越浅，瘦肉精含量越高。
2.3.4待检样品反应线的颜色不浅于标准品1的反应线的颜色时，其瘦肉精含量判为未检出。
2.3.5待检样品的反应线颜色介于标准品1和标准品2的反应线颜色之间时，其瘦肉精含量介于标准品1和标准品2的含量之间（0～5 ng/mL）。
2.3.6待检样品反应线的颜色明显浅于标准品2反应线的颜色时，其瘦肉精含量＞标准品2中的含量（＞5 ng/mL）。
3.盐酸克伦特罗的检测方法
对畜牧产品中盐酸克伦特罗残留的检测方法很多，除采用快速试纸条进行检测外，还有以下几种主要的检测方法。
3.1生物效应测定法（Functional Test，FT）
FT检测方法是利用盐酸克伦特罗具有松弛支气管平滑肌的特性建立的。具体做法是将待检的尿液用柱层析等方法提纯净化后，滴加在猪气管条上，并采用一套装置以记录气管条的收缩与舒张活动，然后依据对气管条活动变化的记录，推算出尿液中CL的含量，最低检测限达到1mg/L。但是由于这样生物效应所有肾上腺素类物质中具有普遍性，用这种方法不能加以区分，所以此法仅适用于大批量的普查。
3.2 毛细管电泳法（CE）
随着毛细管区带电泳技术(CE)自动化操作的实现,由于其具有灵活性高、重复性好、操作简便、所需样品量极少(一般只需几纳升), CE非常适用于那些难以用传统的液相色谱法分离的离子化样品的分离与分析,为快速、批量分离和分析离子化样品提供了一个很好的选择性手段，而且其精确度、准确度均已符合生物样品中残留物的检测标准。
CE检测方法是利用毛细管作为电泳装置，可有效地拟制电泳操作过程中对流和混合的发生，分离精度极高，此外毛细管的比表面积大，散热快，设备的冷却比较容易，操作电场强度可达100-300V/cm，电泳速度快，分离时间短。选择合适的操作条件，毛细管电泳可分离迁移率相差很小的溶质混合物。
3.3高效液相色谱法（HPLC）
高效液相色谱法是近年来迅速发展起来的快速分离分析技术，在食品分析检测方面得到广泛应用。它根据所连检测器的不同，又可分为高效液相色谱法-紫外法（HPLC-UV）、高效液相色谱法-二极管阵列法（HPLC-PDA）、高效液相色谱法-荧光法（HPLC-FLU）等。HPLC法具有较高的检测灵敏度、假阳性率很小的优点，利用HPLC检测盐酸克伦特罗的文献比较多，也是比较成熟的方法之一。色谱检测法的检测灵敏度高，检测限低。我国政府部门选用高效液相色谱法来对出口产品进行验证。该方法更精确、可靠，但是需要昂贵的仪器设备，而且前处理相当复杂，只能适用于单个样品的检测，检测的成本相当高，很难同时进行大量的检测。
3.4 液相色谱-质谱联机检测法（LC-MS）
尽管HPLC法检测盐酸克伦特罗具有较高的特异性，但在检测复杂样品时，偶尔会出现假阳性，与质谱的联用不但解决了这一问题，还大大提高了检测限。液相色谱与质谱联用，可以首先将混合物分离为单一组分，之后再用质谱检测器进行检测。不仅可以得到更有意义的质谱数据，而且可以在一定程度上排除基质干扰，克服离子抑制现象，优化质谱检测信号。HPLC的分离能力与质谱检测器的丰富信息与高灵敏度，使采用质谱检测器作为HPLC检测手段的液质联用技术成为目前发展最为迅速的分析手段之一。该方法的灵敏度高、专属性强、分析速度快。
4.结语
盐酸克伦特罗的各种检测方法都存在自身的优点和缺点，各类检测方法需要进行合理运用。因此，在檢测实践中，运用者应当根据具体情况，先择适宜于本部门或当次检验的具体检测方法，以避免资源及检测设备的浪费。同时还应当继续探索更为经济实惠，且精确易操作的检测方法，以不断完善检测手段，以期切实保障动物性食品的安全性。■
【参考文献】
［１］郑冰,苏淑娴.畜产品中盐酸克伦特罗检测方法概述 [J].分析试验室.2010（S1）.
颗粒品质检测边缘识别探究 篇4
随着经济的发展许多行业需要对颗粒品质进行检测, 如粮食、化工。然而, 作为检测中至关重要的颗粒边缘识别技术成为了束缚技术进步的瓶颈。本论文提出将市面上广泛热议的数学形态学法与radon变换相结合的方法来实现颗粒边缘检测, 达到了较好的效果。
2 基于数学形态学与radon变换的轮廓提取
2.1 数学形态学
数学形态学是由赛拉 (J·Serra) 和导师马瑟荣, 在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”, 并在理论层面上第一次引入了形态学的表达式, 建立了颗粒分析方法。其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。
数学形态学的数学基础和所用语言是集合论。它是由一组形态学的代数运算子组成的, 它的基本运算有四个:膨胀 (或扩张) 、腐蚀 (或侵蚀) 、开启和闭合。
2.2 数学形态学的基本运算
(1) 膨胀:运算符为“⊕”, 图像集合A用结构元素B来膨胀, 记作A⊕B。作用是把图像周围的背景点合并到物体中, 如果两个物体之间距离比较近, 那么膨胀运算可能会使这两个物体连通在一起, 膨胀对填补图像分割后的空洞很有用。
(2) 腐蚀:A用B来腐蚀, 作用是消除物体边界点, 腐蚀可以把小于结构元素的物体去除, 这样选取不同大小的结构元素, 就可以去掉不同大小的物体。如果两个物体之间有细小的连通, 那么当结构元素足够大时通过腐蚀运算可以将两个物体分开。利用该操作, 可以消除小且无意义的物体。
(3) 开启:使用同一结构元素对图像先进行腐蚀然后再进行膨胀的运算称为开启。利用该运算可以消除小物体, 在纤细点处分离物体, 平滑较大物体的边界, 但同时不明显改变原来物体的面积。
(4) 闭合:使用同一结构元素对图像先进行膨胀然后再进行腐蚀的运算称为闭合。利用该运算可以填充物体内细小空洞, 连接邻近物体平滑其边界, 但同时不明显改变原来物体的面积。
2.3 数学形态学基本运算的matlab实现
bwmorph函数:功能是能实现二值图像形态学运算。它的格式如下:
其中:对于格式 (1) , bwmorph函数可对二值图像BW1采用指定的形态学运算;对于格式 (2) , bwmorph函数可对二值图像BW1采用指定的形态学运算n次。
2.4 Radon变换
radon变换实质上就是计算图像在指定方向上的投影。两维情况下radon变换大致可以这样理解:一个平面内沿不同的直线 (直线与原点的距离为d, 方向角为alfa) 对f (x, y) 做线积分, 得到的像F (d, alfa) 就是函数f的Radon变换。一个最简单而直接的应用就是拿来检测图像里面含有的直线成分, 很显然地, 任何直线都会导致Randon像在该直线对应 (d, alfa) 处的极值。
2.5 Radon变换在轮廓提取中的利用价值
基于我们对radon变换的了解, 我们知道radon变换就是检测Radon变换矩阵中的峰值, 这些峰值对应着的就是大米图像的边缘。结合Radon变换在检测图像时其受图像断点的影响小的特点, 我们可以利用Radon逆变换对存在断点的轮廓进行重构。得到连续的轮廓, 实现有效提取。
2.6 Radon变换轮廓提取的matlab实现
theta=0:180 theta是radon变换的角度, 可以自由设置, 这里是从0°到180°一共181个角度, 如果只求等分的60个角度的radon变换, 可以改成theta=0:3:177;如果只求一个特殊角度的radon变换可以写成theta=x;这里x就是希望的角度。R=radon (I, theta) R是存储radon变换的值, 它是一个矩阵, 列数是theta的个数, 表示每一个角度生成一列, 行数是被处理的矩阵 (I) 对角线的长度。
R一般用于inverse radon transform, 程序如下:
以大米为例轮廓提取实现效果对比 (如图)
基于边缘检测算子的大米轮廓提取效果图
基于数学形态学法和radon变换的大米轮廓提取效果图
结语
显然, 相对于边缘检测算子法的轮廓提取效果, 利用数学形态学法与radon变换结合的方法得到的边缘检测效果要好一些, 采用该方法进行轮廓提取不但对断点轮廓进行了较为有效地修复而且避免了断点现象, 达到了一定效果。
参考文献
[1]章毓晋.图像处理和分析基础[M].北京:高等教育出版社, 2002.
[2]张德丰.MATLAB数字图像处理[M].北京:机械工业出版社, 2009:217-220.
[3]张翔, 刘媚洁, 陈立伟.基于数学形态学的边缘提取方法[J].电子科技大学学报, 2002.
如何检测识别新购数码单反相机 篇5
在店内选择时检查包装：完整无缺的包装并不保证里面的相机毫无问题；但明显破旧的包装，或没有说明书、保用证等，却显示相机可能有问题，最好留心。检查机身：一部全新的相机，机身是没有花损的痕迹；假如发觉有花损的情形，最好不要接受。检查镜头：和相机机身一样，镜头亦应该没有花损的痕迹，留意是否应该有镜头前盖及后盖。装上电池：装上电池试用各项操作。
传统单镜反光相机
假若你选择的是传统的单镜反光相机，可继续下列步骤，否则可由10开始。检查按钮：检查每个控制旋钮、推杆、光圈环等，侃侃有没有松脱或过紧的现象。检查观景器：观景器内的指示灯及测光表指针正常地亮着及工作。按动快门：尝试不同的快门速度，虽然不能知道快门是否准确，但仍可以得到一个大概的了解。检查光圈：装上镜头，选择一个慢快门速度（1/2~1/4秒），尝试不同的光圈，望远镜头内，每次按动快门时，都应该看到光圈叶收细及放大的动作，移动的话都应该是顺畅无阻的。检查对焦环：转动时应该顺畅无阻，并能由无限远到最近距离都可对焦。
自动对焦之单镜反光相机检查LCD屏：虽然大多数的LCD屏在相机没有装上菲林时，都不能显示出所有资料，但局部的资料仍应可以显示出来。LCD屏应该清晰和稳定。检查观景器：LED指示冀模式显示应清晰稳定（除警告讯号外）；LCD资料亦应清楚易读。尝试对焦：开动相机并选择自动对焦模式，找一些有足够反差的物料来对焦，看看相机进行对焦时，工作是否正常。试用：现代的自动对焦相机多数具备多项功能，你很难在器材店内一一尝试，而且没有装上菲林，很多相机都不会正常操作！因此，详细的检查工作只能留待以后进行；但卷片器应可以正常运作。14 检查闪灯：这类相机大多数有内置闪光灯，应尝试试用，看看回电时间是否合理（少于10秒）假如电池是新的，但回电时间却过长可，便显示相机可能有问题。
袖珍相机检查LCD屏：装上电池启动相机时，LCD应有清晰、稳定的资料。检查对焦：这类相机的对焦是否准确，很难看得出来；而拥有AF功能的，则绝大部分都有一些对焦完成指示，尝试以一些中等距离的景物来对焦，AF指示灯应会亮起。变焦：有些袖珍相机拥有变焦镜，试用以下，看看变焦动作是否畅顺。闪灯：试把内置的闪灯充电，充电时间应在10秒以内；然后看看可不可以闪亮。
购买后的试用不要及时填写保用证书：假如你回家后才发觉相机有问题，只要不是你错误弄坏的话，最直接的方法是那去更换另一部。详细阅读说明书：依着说明书来试用相机，很多时间并不是出在相机上，而是你使用不当。装上菲林：最好选择一些慢至中等（ISO50~100）感度的幻灯片菲林，来进行试用，原因是这些菲林会客观地反映出有关曝光的问题。检查菲林前卷情况：若是手动相机的换，先把回卷杆轻轻拉紧，再前卷菲林，看看回卷杆有没有转动；至于较新的内置马达卷片相机，多数在LCD屏上都会有指示检查ISO：留意有DX功能的相机，显示出来的DX数值是否和装上的菲林相同。但有些袖珍相机是不能使用低过ISO50的菲林的，那便不要装上这些菲林了。
接下来的检视工作较为重要，最好把有关的灯光条件、曝光资料及模式等记录下来。试验快门速度的稳定性：找一块大面积的纯色墙壁，最好是室外没有直接阳光照射到的地方；把相机安装在三脚架上，距离约
10尺的地方上。装上一卷低至中速菲林，然后用不同的快门速度来拍摄一系列照片。可由相机的最高速度开始（例如1/2000秒），根据测光表的指示来定光圈，逐格改变快门速度来拍摄，若光度太强或太弱，可另找地方或等待别的日子，总之务求可以使用最高快门和尽量多用不同的速度。上表是一个光圈和快门配合的例子。
把冲好的底片作比较，不同的格数应该有大致相同的密度，这表示相机的快门速度可算是稳定；若某一格特别深或浅，这显示这格快门速度会有问题（亦可能是镜头光圈叶的收放有问题，这种情形多在细光圈时发生。试验曝光程度：若你买的是AF单镜反光相机，而它又可进行手动控制的话，则只需照第24项的方法来进行。若相机只有程序式曝光控制，则需应用“偏移程序”来改变快门速度，甚至要配合不同的日子来进行拍摄。若连“偏移程序”都没有，则只好靠在不同的时间来拍摄；当然效果没有那么好，但仍可以得到一些可作参考的结果。26 测试AF单镜机的自动对焦功能：在墙上贴上一张报纸，用一个黑胶纸在报纸中央垂直贴上；把相机装在脚架上；从45º角侧面对着报纸，并以黑胶纸为中心，进行自动对焦；把光圈校至最大，然后拍几张照片；把拍好的照片细心观察，最好用10X放大镜，看看真正清晰的地方是否是黑胶纸；若不是的话，相机的对焦系统便有问题。27 试验镜头：找各种不同的距离，不同种类、不同光线条件的东西来拍摄一批照片，尽量在拍摄时使用较大的光圈；细心分析拍摄到的照片的质素、清晰度、色彩、反差等，看看有没有太大的问题。填写保证卡：若以上各项试验都没有大问题，便可填好保用证。退货：否则应尽快把相机那去卖机的店家或去总代理处检查，最好连同有关的底片或照片一起送去。
在选购镜头时，虽然不能对该镜头的成像质量做很准确详细的检查和分析，但可以做一些简易的检查：
1．对焦精度的检查
检查时将一块大小适宜的磨砂玻璃放置在照相机的曝光窗处，使磨砂面朝前，并紧贴在曝光窗平面上，然后打开照相机的B门或T门，对贴在墙壁上的镜头解像率图案或报纸进行取景。同时前后移动照相机的位置，直到磨砂玻璃上所结成的影像清晰为止，最后用尺子度量照相机曝光窗平面至解像率图案或报纸之间的距离。如果度量的结果与镜头上所调节的焦距值相等，说明该镜头的对焦精度高；反之则低。
在检查变焦镜头是否存在着畸变的问题时，应将镜头变焦到各个焦距值处，依次分别检查各个焦距值处有无畸变像差。
2．注意检查画面的四角是否有被遮挡的缺陷
检查时将摄影镜头安装在照相机上，并将光圈缩小，对照度均匀的明亮物体进行取景、对焦，从取景器内观察画面的四角是否被遮挡，正常的镜头是无遮挡现象的。
检查变焦镜头时，应将镜头的焦距调节至各个焦距值处进行检查，观察其各个焦距值处是否出现四角被轻微遮挡的现象。
3．注意对成像变形的检查
在检查时，应将摄影镜头安装在单镜头反光式照相机或直接取景的照相机上，通过取景器观察近距离的横线条或竖直线条有无变形现象。如果位于画面边缘的物体横线条或竖直线条变成弧线状，说明此镜头存在着畸变像差。直线条的变形愈大，说明畸变现象愈严重。对于无限远处被摄体的对焦精度的检查时，应将镜头的焦距调节到无限远标记处，看磨砂玻璃板上所结的像是否最清晰；如果清晰，则表示对焦精度高；如果清晰度较差，则说明该镜头的对焦精度低。
4．对像场照度均匀性的检查
人脸识别系统中活体检测技术 篇6
当前活体人脸检测技术主要是基于人脸细微动作、3D人脸重建、红外人脸检测三个领域上的研究。
1 人脸细微动作
由于照片、模型中的人脸不具备细微等动作的可能, 那么我们在获取人脸的连续一系列细微动作的过程中可以获得一些线索来判断是否是真实的人脸:如眼睛眨动、嘴唇的离合、面部肌肉细微动作以及人脸周边场景的细微变化, 这些我们可以将其设为相应的特征值存储在人脸特征值中, 并设定这些值设置波动范围, 如果这些值没有变化, 就判定这是伪造的人脸。
对于以上归类的细微动作可以采用以下几类人脸经典算法进行特征值提取和判断:霍夫变换法、变形模板法、边缘特征分析法和对称变换法等, 利用这些算法, 从一个较大的特征集中选择少量的关键的特征, 产生一个高效的强分类器, 再用瀑布算法将多个强分类器合成为一个更加复杂的层叠分类器, 使图像的背景区域快速地丢弃, 而在有可能存在目标 (人脸) 的区域花费更多的计算, 其在人脸检测方面速度快且具有鲁棒性[1]。
2 3D人脸重建
平面的人脸图像, 不管是视频还是图片, 都是无法恢复出此特定人的3D结构, 因此出现了基于3D人脸重建的活体检测技术。
3D人脸重建的原理是:人脸都被标准化到一个统一的标准的方向和位置, 人脸的形状由数百个顶点表示, 为简化计算, 均匀采样这些顶点, 在球面谐波函数算法中, 对形状和纹理按照不同的策略分开处理。根据算法理论, 人脸的姿态只与一些关键特征点的位置有关, 通过将形状和纹理分开处理, 避免了复杂的优化过程, 节省了计算时间, 稀疏统计模型的建立过程。我们将人脸的n个顶点的X、Y、Z坐标串接起来, 组成形状向量来描述人脸的3D形状:我们可以重构得到对应于输入人脸的3D形状。为得到更加精细的3D形状的解, 我们按照给定2D图像上的特征点的坐标来对3D形状顶点进行进一步调整, 一旦得到了人脸精细的3D形状信息, 再结合此特定人的纹理图像, 姿态的校正就可以简单地通过旋转3D人脸模型来实现了[3]。
3 红外人脸检测
在人脸活体检测研究中, 由于图片和视频画面或者戴有面具时其表面是没有温度的, 而根据人体温度产生的人脸红外感应成像就成为一个新的人脸活体检测的研究热点, 它的基本原理是:由于人体血液流动的过程中产生了温度, 会被皮肤发散, 从而使皮下血液系统呈现出一种独特的面部信号。这种信号可以被红外照相机获取, 通常就称之为面部热像图。
目前主要的研究方向是根据脸皮下面复杂的血管末梢产生同温线而形成的特征值提取来实现识别, 可以采用同温线匹配方法特征提取和识别方法进行红外人脸识别技术, 通过对于人脸皮肤下面的血管分布信息, 使用热灵敏度小于或等于0.7℃的红外照相机所拍摄的人脸照片, 每张脸一般含有数百个或者更多的封闭的同温线。提取同温线特征, 用包含该特征的区域的标准模板进行提取, 用几何分析的方法来分析同温线形状, 分析的结果产生的特征值就用来进行人脸活体检测[2]。
4 结语
以上几个活体检测技术主要基于人脸的各项生理特征来进行设定识别, 其各自存在局限性, 如人脸细微动作:在光线发生变化的时候, 其可靠性目前还无法保证;3D人脸识别在检测戴有头套的伪装模型或者当某个目标试图采用三维模型或面具试图欺骗该系统时, 也可以让系统难以察觉和受骗;而红外人脸检测时, 周边环境温度的变化和人自身身体状况如运动, 情感等因素使得面部热像图是否具有唯一性和稳定性, 还有待进一步验证。综上所述, 同时结合上面三种活体检测技术, 可以取长补短, 提高识别率, 实现真正的活体检测。
参考文献
[1]孙霖.人脸识别中的活体检测技术研究[D].杭州:浙江大学, 2010.
[2]伍世虔, 等.红外人脸识别技术[J].中国图象图形学报, 2008 (12) .
交通标志检测与识别技术分析 篇7
随着我国经济的高速发展, 交通行业也在逐步强化, 但是人们虽然享受着交通代步工具的便利, 但也面临着越来越拥堵的交通情况, 在实际的道路使用过程中, 交通标志的相应问题得到了社会各界广泛的关注。对于基础交通标志的检测和识别技术, 虽然我国在相应的研发领域已经有了很大的突破, 但是还需要更加深化的研究和升级。
1 交通标志的检测
对于交通标志的检测, 主要进行的就是对于颜色和形状的检测, 但是形状检测手段的实施中, 相应的技术手段不能提供十分明确的数据体现, 因此主要进行的就是对于交通标志颜色信息的甄别和测试。目前, 我国研究比较健全的检测方式主要是针对彩色模型分量差值的色彩分析。
1.1 三色模型分割算法
经过大量实验和数据的分析, 在差异性的亮度情况下, 相同的颜色会根据不同的分量差值形成一定的区域范围, 三色模型的相对差值就是交通标志分割算法的实质。在实际推算中三色模型形成的基本结构是:
并且保证相应的关系式:当 (r-g) >0.08& (r-b) >0.08 时, 相应的颜色关系显示, 呈现的就是红色的像素;当 (r-b) >0.12& (g-b) >0.12 时, 相应的颜色关系显示, 呈现的就是黄色像素;当 (b-g) >0.01& (b-r) >0.01 时, 相应的颜色关系显示, 呈现的就是蓝色像素。当基础数值不在这个关系范围内, 显示的就是其他形式的色素。
1.2 交通基础标志的区域过滤
在自然环境中, 存在着许多与交通标志相似的事物, 这会导致吸引人群关注的区域是非交通标注区域, 而实际分割时就会形成错误的基础分割。并且这些区域无论是从颜色还是形状都有很大的波动性和不确定性, 差异的区分也不是很明显。就要求人们在对交通标志关注时, 进行特性化标志的记忆, 形成比较稳定的识别结构。实验表明, 人们通过标志的基本性特征来确定基础阈值, 能有效对相应的混淆标志进行合理化过滤。在实体的标志留存过程中, 由于角度和视线的差异, 可以尽量扩展阈值范围, 保证正确的交通标志不被遗漏。对于交通标志的基本阈限有这样的数据指导, 详见表1。
在实体化的交通标志区域的分割和划分过程中, 需要对相应的区域内具有的特殊性质和标志性特点进行基础判别, 形成的局部区域数量直接决定相应人群的区域搜索时间, 区域分割数目与区域搜索时间成线性正比。总结起来就是, 相关工作人员先进行相应图像的采集, 然后进行相应的空间差值分割, 以保证正确地寻找全部的目标区域。在对区域进行划分时, 初步判断是否满足基本阈值, 对于不符合的项目进行目标的删除, 最终形成基础形状的判断以及基本含义的识别。
2 交通标志的识别
2.1 通过模板匹配识别交通标志
在实际的交通标志识别过程中, 模板匹配方法是比较常规的识别手段, 不仅计算比较简约, 而且在具体实际操作中也比较容易实现, 另外, 在实体操作过程汇总也可运用其很好地扩展性能进行优化的标志识别, 基于以上的模板优势, 使相应的模板匹配识别方法成为了多数研究者比较热衷的研究模式。在实际的模板匹配操作中, 比较常用的运算角度主要有三种, 多角度模板、多尺度模板以及模板匹配的相似度度量。多角度模板主要特点是旋转模板图像的数量堆积, 形成精确识别目标的最终结果。多尺度模板的主要特点是对模板内部信息的识别, 形成简单稳定的相似性计算。模板匹配的相似度度量就是针对相似度进行一定的阈值限制, 基本相似的情况就同属相同的交通标志。
2.2 交通标志检测的基础结果
在实际的检测结果比较过程中, 比较常用的手段有两种:相关系数度量法和欧式距离法。都能对相应的识别率进行基础的提升, 但是基础实验数据表明, 还是相关系数度量法的基础效果更好。因为, 在实际操作中, 不会形成比较明显的对应关系, 并且外界的因素影响也随之减少很多, 尤其是对于离散噪声的削减程度。因此, 使用相关系数度量法能有效地判断相应的交通标志检测结果, 对于交通标志的识别正确率也能得到有效地提升。详细的抽样数据请见表2。
3 结束语
交通标志的检测与识别是一项十分艰巨的时代任务, 要求相关工作人员认真在实践中进行思考和探索, 保证对于交通标志进行细化的研究, 这对于智能代步工具的发展起着非常重要的作用。相关的研究人员和项目监管人员要从根本应用的角度出发, 结合实际的数据进行进一步的分析和探索, 才能有效助推智能化识别时代的发展。总而言之, 强化交通标志的检测和识别技术, 是具有划时代意义的研究方向。
参考文献
[1]常发亮, 黄翠, 刘成云等.基于高斯颜色模型和SVM的交通标志检测[J].仪器仪表学报, 2014, 35 (01) :43-49.
[2]徐迪红, 唐炉亮.基于颜色和标志边缘特征的交通标志检测[J].武汉大学学报 (信息科学版) , 2008, 33 (04) :433-436.
检测识别 篇8
在日常的生产和科学研究当中, 人们经常会在一些复杂的场景当中研究某一个球形物体 (如乒乓球) 的特征和运动轨迹等, 如果直接从摄像机采集到的图像进行研究, 会受到周围的物体的影响, 大大影响了对物体运动轨迹的判断和物体特征分析的准确性, 因此, 本文提出了基于DM6446的球形物体的在线检测与识别, 能很好地解决以上的问题, 提高对物体的分析与判断的准确性, 节省了存储空间。
本文探讨了以TI的TMS320DM6446为嵌入式开发平台的球体物体的在线检测与识别, 通过摄像机对场景的拍摄, 运用Sobel算子, OTSU算法和Hough变换等, 成功地将球体物体从背景中分离出来, 并且将球体物体以外的背景用黑色背景替换, 便于对球体物体的分析与判断, 简化了日常当中的很多工作。
1 系统的硬件部分
1.1 系统的硬件架构
硬件部分采用TI公司的Da Vinci系列双核芯片TMS320DM6446, 包含一个ARM和6000系列DSP, 其中ARM主要用来运行操作系统及数据采集输出, 外围设备控制等, DSP的职责是负责算法运行, 结合这芯片两大核心的特点, 各自发挥两大核心本身的优势, 确保了系统运行的流畅性, 平台都采集D1格式视频数据。操作系统为Linux2.6.x系列嵌入式系统。
TMS320DM6446是德州仪器基于Da Vinci技术的第一款产品, 内部集成了高性能的DSP核和ARM核, 此外, 还包含了视频/图像协处理器 (VICP) , 用于减轻相关算法中DSP内核繁重的处理负担。作为一款数字媒体So C, DM6446包括ARM子系统、DSP子系统、视频处理子系统 (VPSS) , 以及丰富的外设接口, 代表了数字媒体领域DSP的最新高度。
DM6446的双内核架构兼具DSP和RISC技术优势。其ARM核采用ARM926EJ, SMPU核, 最高主频297MHz:DSP核采用TMS320C64x+DSP核, 最高主频为594MHz, 其运行速度可达每秒4752兆条指令 (4752MIPS) ;视频处理子系统包括视频前端 (VPFE) 和视频后端 (VPBE) , 支持图像缩放、自动聚焦/曝光/白平衡、CFA插值、隔行逐行转换、画中画、OSD数据混合等一系列图像处理功能。DM6446的外设包括DDR2控制器、ATA硬盘控制器、USB2.0接口和VLVNQ接口等。TMS320DM6446与ARM9和C64x软件代码兼容。图1为DM6446的硬件框图。
1.2 系统工作流程
图2是系统的工作流程图。
开发板上电后, 自动加载Linux操作系统, 摄像头采集视频信号, 本文采用的视频芯片为TVP5158, 采集到的视频数据由ARM打包传送到DSP子系统进行在线检测与识别, DSP子系统调用算法, 对图像进行边缘提取, 二值化和Hough变换[1]等, 检测到球体物体之后, 将球体物体部分的图像提取出来, 其余部分用黑色背景取代。DSP子系统将数据传送回ARM端, 进行显示, 便于人们对球形物体的判断和检测。
2 系统的软件设计
2.1 软件的数据流程
DM6446主要集合了ARM和DSP两大芯片, ARM端主要进行的工作有视频的采集, 传送, 视频的显示, 视频的远距离传输。DSP端主要的工作是对ARM端传送过来的数据, 调用算法, 进行球体的识别, 检测, 处理完的数据再回传给ARM端。DM6446采用的是TI公司CE (code engine) 机制, 程序运行的时候是ARM采集视频数据, 再经数据封装, 然后通过.x64P文件和DSP进行通讯, 把数据解封装后丢给DSP进行图像预处理的运算, 再运行Hough变换识别球体, 识别后的数据再通过.x64P封装接封装重新发回给ARM端的主程序, ARM端接收到数据后, 再调用H.264算法, 再通过.x64P封装接封装数据传送给DSP, 在DSP端运行的H.264程序对数据进行压缩编码, 编码完毕再传回给ARM, 此时ARM主程序根据程序运行时输入的参数进行网络传输。双核的运行情况如图3所示。
2.2 系统软件总体设计
图4为系统的软件设计总体框图, 系统流程包括数据采集, 图像数据预处理, 对象识别辨析成像, 数据压缩, 封装成RTP数据包[2]RTSP控制数据网络发送, 当然, 识别后数据可以保存为本地文件, 可根据具体的应用场合确定数据流的去向。
硬件摄像头采集视频数据, 获得YUV4:2:0格式720×576帧率为25fps的数据, 在灰度图、预处理部分, 直接提取视频数据中的Y分量即为视频图像数据的灰度图像, 再对图像进行去噪, 边缘提取等预处理, 在OTSU二值化一步, 使用OTSU对一帧图像进行处理, 找出一个最佳的二值化阈值T, 然后用该阈值T对图像进行二值化, 初步区分整幅图像前景色和背景色, 再由边缘检测部分, 使用Sobel算法对整幅图像进行边缘检测[3], 增加识别的成功率, 接着进行Hough变换对象识别, 根据Hough变换基本原理, 对已设定的参数对象进行匹配, 找到球体在图像中的位置, 从Hough变换获得球体的参数[4], 就可以将图像分割成两部分, 前景和背景部分, 在这里, 只保留前景部分数据, 背景部分数据全部使用区别于感兴趣对象的单色替代[5]。到此为止, 已经将球体物体识别出来了, 下文就是进行数据的远距离传输工作了。
在视频的远距离传输方面, 在实际应用场合中, 视频数据都会经过编码进行压缩, 目前最流行的为H.264编码[6], 由于其高效的压缩率, 所以得到广泛应用, 文中也采用该编码, 获取到的图像数据进行编码, 形成H.264数据流, 用于保存为本地文件或进行网络传输。视频数据用于网络传送需经过RTP封包[7], 才能进行传送, 由于H.264编码后的数据结构和RTP数据包的结构不一致, 所以, 需要将H.264数据进行拆包, 根据H.264数据结构, 找到NAL单元起始码0x00000001, 计算NAL单元大小, 去掉起始码, 再进行RTP封包。然后RTP数据包被送到UDP套接接口, 在那里再被封装在UDP数据包中[8]。然后进行数据的传送。
Hough变换中, 对圆形物体的检测原理如下:已知一个圆可以用圆心坐标 (a, b) 及半径r三个参数来表示, 圆形的基本方程式可以表示为:
参考检测直线的方法, 可将图像中间的 (x, y) 映射到三维空间 (a, b, r) , 映射至参数空间后, 方程式仍然是圆方程式的形式, 但是此时的半径r是未知的参数, 因此变换至参数空间上的图形, 将会形成一个随着参数r变化而变化的圆锥体如图5所示。
图像空间上的各个不同点映射至参数空间的圆锥是各圆锥两两交集出两条弧线, 但若图像空间上的各点皆处于同一个圆的轨迹上时, 则这些图像空间中的各点映射至参数空间后, 其圆锥将会交于同一点, 同样的使用累加器来找出累加值最高的一组 (a, b, r) , 则这组 (a, b, r) 即为图像中, 该圆的圆心坐标 (a, b) 及半径r, 得出了圆心和半径之后, 就能将圆分离出来, 从而识别出球体。
3 实验结果
本文主要运用了OTSU二值化, 边缘检测, Hough变换等算法, 结合了TI的DM6446开发板, 以乒乓球为例子, 实现了球体物体的在线检测与识别系统的设计, 基本能精确地, 快速地检测到乒乓球, 并将背景替换为黑色和实现远距离的传输。可以利用于生产线上的球形物体的检测上, 大大提高检测的准确性。下文提供两组实验数据, 一组为简单背景下的乒乓球识别, 图6为摄像头直接采集到的图像, 图7为经过识别后的图像, 图8为经过数据封装并远距离传输后的图像。
下文一组为复杂背景下的乒乓球识别实验结果, 图9为摄像头的原始图像, 图10为识别后的图像, 图11为传输后的图像。
4 结束语
本文给出了一种基于DM6446的球体物体的在线检测的实现方案, 描述了硬件平台的总体架构, 给出了软件设计的总体思路, 从本文给出的实验结果可以看出, 本系统的技术可行性及检测性能是良好的, 但是系统对检测的光线要求与实时性, 还需要在算法上进一步的考虑与优化, 这也是下一步要进行的研究工作。
摘要：针对在日常的生产实践当中, 摄像头采集到的数据并不是全部是人们想要的数据, 可能人们只对某个球体物体的运动轨迹, 运动特征感兴趣, 因此提出了基于TMS320DM6446的球体物体的在线检测与识别, 减少视频存储的数据量, 便于视频的后期处理。
关键词：DM6446球体物体,检测,数据量
参考文献
[1]Xu B, Liu D, Xu G, et al.A measurement method for contact angle based on Hough Transformation[J].Measurement, 2013, 46 (3) :1109-1114.
[2]熊荣海, 刘立柱.H.263码流的RTP封装的研究与实现[J].中国有线电视, 2005 (6) :536-539.
[3]金刚.自适应Canny算法研究及其在图像边缘检测中的应用[D].浙江:浙江大学, 2009.
[4]杨全银.基于Hough变换的图像形状特征检测[D].山东大学, 2009.
[5]欧阳鑫玉, 赵楠楠, 宋蕾.图像分割技术的发展[J].鞍山钢铁学院学报, 2002, 25 (5) :363-368.
[6]刘亚楠.基于移动检测的视频码流控制与Qo S的研究与实现[D].北京:北京交通大学, 2006.
[7]王冰.基于RTP/RTCP协议的视频网络传输及拥塞控制问题的研究[D].上海:同济大学, 2009.
供电系统配电线路故障识别与检测 篇9
关键词：配电线路,供电系统,供电企业,高阻故障,被动,主动,检测,诊断
当前, 供电企业中存在将主要精力和投入放在经营与管理方面上, 而对供电系统配电线路的维护与检测重视不足的实际问题, 如果任由这一错误持续发展, 很容易造成供电系统配电线路问题的积累, 导致供电系统配电线路故障的频繁发生, 给整个供电系统的安全和功能带来影响。因此, 必须在供电企业内部建立起重视供电系统配电线路故障识别、监测、维修的新机制, 为供电系统配电线路的稳定、可靠运行建立起技术、体系上的保障, 在满足供电系统配电线路安全运行的前提下, 提升供电系统配电线路的运行质量, 整体上实现电力安全、健康、全面、稳定发展的目标。
1供电系统配电线路故障的识别
1.1供电系统配电线路的高阻故障
在供电系统配电线路的建设过程中各方面环境因素对架空线路和配电设备有着直接的影响, 如果在外力作用下, 特别在特殊气候季节里会产生供电系统配电线路的断裂和下垂, 与地面、树木和建筑物产生接触, 由于上述物体具有高阻抗性, 会导致供电系统配电线路产生短路, 进而引发供电系统配电线路更为严重的事故。由于高阻故障具有突发性, 导致传统的供电系统配电线路检测方法和保护方式没有针对性的有效措施, 使高阻故障的后果更加严重, 直接对供电系统配电线路的稳定性和电力整个系统安全带来威胁。
1.2供电系统配电线路的短路故障
短路故障的产生于外部机械力、电击事故有着直接的联系, 由于供电系统配电线路运行中不可靠的人类活动、牲畜放养、鸟类繁衍、雷电闪击都会产生供电系统配电线路的短路问题。由于短路会造成供电系统配电线路瞬间电流加大, 导致供电系统配电线路中电气、变压器、功能设备出现烧毁和击穿, 给供电系统配电线路带来严重的系统性隐患和威胁, 甚至会造成供电系统配电线路的整体性崩溃。
1.3供电系统配电线路的单相接地故障
单项接地故障是供电系统配电线路故障的主要类型, 其中最难监测和识别的是供电系统配电线路小电流单项接地问题。由于电流强度不高, 又出现在供电系统配电线路的单相侧, 导致传统的分段检查、分段巡线等方法难以发现此类问题, 进而会产生单线接地故障的累积, 不但给供电系统配电线路的经济效益实现带来影响, 而且也造成供电系统配电线路巨大的安全隐患。
1.4供电系统配电线路的间歇性故障
间歇性故障是供电系统配电线路常见的一种特别故障, 对整个供电系统配电线路会带来电压、电流上的直接影响, 如果对供电系统配电线路间歇性故障缺乏必要的重视, 将会产生供电系统配电线路的运行隐患, 甚至会导致整个供电系统配电线路的崩溃。间歇性故障从规律上看既具有重复性, 同时也具有随机性, 一旦供电系统配电线路发生间歇性故障, 往往会牵扯到供电系统配电线路维护与技术人员大量的时间、精力和投入。此外, 间歇性故障还具有一定的隐藏性, 通过日常的检查和维护难以发现间歇性故障, 导致供电系统配电线路一直存在故障隐患, 给供电系统配电线路的安全、持续运行埋下隐患。
2供电系统配电线路故障检测方法
2.1被动定位供电系统配电线路故障的方法
被动定位供电系统配电线路故障主要方法有三种, 其中一种是, 根据供电系统配电线路的区段划分查找线路的故障。这个方法是通过配电网中自动化设备对各个线路监测的电气信息, 快速准确地查找出故障发生的部分, 通过这样的方法能够减小工作量, 节省时间提高效率, 缩小了故障区域。接着是阻抗法, 在这三种方法中, 其最主要的优点就是经济性, 但是受路径阻抗与线路负荷的影响较大。最后就是行波法, 这种方法能够很好地在监测故障的工作中发挥作用, 但是对于供电系统配电线路故障的准确性却存在一定的问题。
2.2主动定位供电系统配电线路故障的方法
首先是s注入法, 这个方法的定位精度较高, 因为这个方法首先对所发生的故障进行确定, 接着会通过信号对故障点进行确定, 不过s注入法无法应用于配电网故障的在线定位。第二是交直流综合注入法, 这个方法无法对所发生故障的区域进行较为及时的检测, 会影响工作效率, 同时这种检测方法具有一定的危险性。
2.3监测定位供电系统配电线路故障的方法
这个方法就是将故障探测器设置在线路支点极易发生故障的地方, 可以对定位点进行实时监控, 一旦发现故障检测器就会做出反应, 工作人员可以根据检测线路参数的变化去分析与确定故障的发生地, 从而对这个点进行及时地维修。
2.4智能定位供电系统配电线路故障的方法
这种方法是基于故障投诉信息进行推理的故障定位的方法, 是利用svm方法和神经网络方法相结合去确定故障发生的区域, 不过这种方法使用于线性可分的数据, 从而使得配电线路的在线故障被识别。
3结语
在对供电系统配电线路的深层次认知中, 既要看到供电系统配电线路稳定运行的重要价值, 同时也应该看到供电系统配电线路故障监测和检查的重要意义;应该从确保国家和社会快速发展的角度出发, 建立起供电系统配电线路安全的体系, 重点控制供电系统配电线路故障的产生和累计, 确保供电系统配电线路工作人员技术、工作的合格、规范、到位, 从深层次保证供电系统配电线路的安全可靠运行, 为供电系统的稳定和功能正常提供体系和技术前提, 为实现电力、社会和国家发展做出贡献与保证。
参考文献
[1]陈卫民, 张洪涛.农网10 k V配电线路常见故障分析及防治[J].价值工程, 2010 (12) :229.
[2]张勇.小议新建线路的规划设计以及配电线路的改造[J].中国科技财富, 2011 (3) :144.
[3]陈恒龙.如何有效做好配电线路运行维护管理工作[J].现代物业:上旬刊, 2013 (1) :82-84.
[4]侯亚波, 侯志锋.平遥、介休供电支公司配电线路“4.11”故障分析及治理措施[J].河北企业, 2013 (7) :140.
[5]黎玲.农村10 k V配电线路的断线分析及防治措施[J].中外企业家, 2013 (12) :200.
[6]任导群, 任健, 桑静.火电厂主变压器与屋内配电装置混合布置的设计实践[J].黑龙江电力, 2008 (4) :318-320.
[7]林生逸, 彭雪平, 韩雷, 等.核电站常规岛主厂房基于性能的抗震分析[J].地震工程与工程震动, 2011 (5) :50-59.
[8]张保利.电力调度管理信息系统发展现状及趋势[J].能源工程, 2014 (3) .
[9]陈山胜.西宁配电网系统调度管理模式的探讨[J].青海电力, 2014 (2) :1-3.
检测识别 篇10
水下目标检测与识别是水下智能机器人(Autonomous Underwater Vehicle,AUV)的感知目标信息,也是顺利进行自主作业的关键技术。水声信号的声成像技术是实现水下目标检测和识别的有效途径,然而在水下复杂环境下,声成像的图像质量差,分辨率低,需要进行二次处理[1]。水下光视觉系统包括图像获取、预处理、特征提取和目标识别等部分,同样广泛应用于水下目标探测、识别和跟踪等领域。规则几何形状目标的检测和识别在视觉领域中一直占有重要的位置,各种规则多边形、圆和椭圆是广泛应用的基元。椭圆的检测计算量很大,因为椭圆有五个自由参数:中心坐标、长短轴长度以及主轴方向信息。基于Hough变换及其改进算法的椭圆检测方法[2]虽然在去噪声方面有优势但在实际应用中,不可避免地存在计算量大,对内存需求大,识别时间长等问题,因此在降低空间维数,加快检测速度等方面一直是研究的热点。本文针对水下光照不均等特殊的环境,提出了一种基于霍夫变换与几何特征匹配相结合的水下目标检测与识别算法。首先通过基于Canny边缘检测和迭代阈值分割相融合的后处理式联合分割[3]进行水下图像的边缘检测,通过连通域标签化进行目标提取得到所需目标,然后通过Hough变换直线匹配,实现了对多边形目标的检测识别,进一步通过几何特征匹配,实现了椭圆形目标的检测与识别。
1 水下图像边缘检测
目前广泛应用于目标检测的提取算法主要分为基于边缘和基于区域的图像分割两种。对于水下图像,由于光照不均、目标物吊绳和水波等噪声的影响,单独应用任何一种分割算法都难以取得令人满意的结果[4]。本文结合了Canny边缘检测和迭代阈值选择两种分割算法的优势,设计实现了一种提取性能较优的后处理式联合分割算法
1.1 后处理式联合分割算法
联合分割算法是充分利用图像的边缘和区域两方面信息的融合算法,根据两种类型分割算法的融合阶段不同,联合分割可以分为嵌入式(Embedded)联合分割和后处理式(Post-Processing)联合分割两种。
嵌入式联合分割就是首先对图像进行基于一种类型(基于边缘或区域)的分割,得到的分割信息作为必要参考信息,定义另一类型分割算法的参数或者逻辑准则。后处理式联合分割就是采用两种类型的分割算法分别对图像进行分割,这样得到的两种分割信息即为边缘信息和区域信息,将这两种信息按照一定的融合准则进行处理,以实现准确而有意义的分割。图1为本文所采取的后处理式联合分割结构框图。
1.2 连通域标记目标提取
经过图像分割获得的二值图像中存在着真实目标和伪目标,需要对不同目标的特征差异进行描述及计算,最后获得所需要的真实目标。为了加以区别,需要对不同的连通域进行标识,即标签化。标签化完成后获得图像对应的标签矩阵,对标签矩阵进行统计分析,提取所需目标。
由于水下图像背景相对简单,边缘检测结果包含的伪目标主要是目标物吊绳和水波,因此提取最大面积连通域,即可获得真实目标,排除伪目标物的干扰,可大大降低后续目标识别算法的复杂度和计算量。
2 水下目标识别算法
霍夫(Hough)变换是一种快速形状匹配技术,其基本思想是对图像进行某种形式的坐标变换,使得图像空间特定形状曲线上的点映射到参数空间的参考点上,把对图像空间特定形状曲线的检测问题转化为参数空间参考点的查找问题。霍夫变换的突出优点是受噪声和曲线断裂的影响较小,在曲线匹配领域广泛应用。霍夫变换不仅可以用于检测直线,也可以用来检测圆、椭圆和抛物线等曲线,然而随着参数空间维数的增加,时间和空间的复杂度增大。本文首先通过Hough变换完成规则多边形目标的匹配识别,进一步根据圆和椭圆的几何性质计算面积相关度的方法匹配识别椭圆形目标。
2.1 霍夫变换直线匹配
对于图像空间的一条直线,可以用如下参数方程来表示:
式中:ρ为直线距原点的法线距离;θ为该法线与x轴的夹角,如图2所示。
可见,(x,y)空间中的一点对应于(ρ,θ)空间中的一条正弦曲线,图像空间中所有这条直线上的点经变换后在参数空间中的曲线都会交于一点。极坐标下霍夫变换具体实现步骤如下:
(1)在参数空间中建立一个二维累加数组,分别为ρ和θ的取值范围,ρ的范围为[-D,+D],D为图像的对角线长度,θ的范围为[-90°,+90°],位于坐标(ρ,θ)处的累加值记为A(ρ,θ),初始值置为零。
(2)对图像空间中的待检测点进行计算,得出所有的(ρ,θ)值,数组对应累加值A(ρ,θ)=A(ρ,θ)+1,计算结束后,A(ρ,θ)的值就是图像空间中距原点法线距离为ρ,法线与x轴夹角为θ的直线上点的数目。
(3)查找累加数组中的局部峰值点,峰值点的位置对应于图像空间中待检测直线的参数,峰值高低反应直线上像素点的多少。
2.2 椭圆目标几何特征匹配
2.2.1 提取目标的中心坐标
矩是一种线性特征,可以用来对区域进行描述。离散图像f(i,j)的(i+j)阶矩为:
如果将图像灰度看作质量,二值图像区域的质心可表示为:
对连通域标记提取的目标区域进行填充,计算目标区域的质心坐标,质量分布均匀的图像,目标质心与形心重合。
2.2.2 最小外接矩形提取目标长短轴
对于任意朝向的目标,需要确定目标的主轴,然后计算反映目标形状特征主轴方向上的长度和与之垂直方向上的宽度这样的外接矩形是目标的最小外接矩形(Minimum Enclosing Rectangle,MER),如图3所示。
MER提取目标长短轴步骤如下:
(1)将目标边界以3°左右的增量在90°范围内旋转,记录每次旋转后目标边界在坐标系方向上的最大最小值,计算对应外接矩形的面积。
如图4所示,平面上一点(x,y)绕坐标原点顺时针旋转θ角度后到(u,v)处,两点对应的极坐标分别为(r,α)和(r,β),对应的转换关系为:
(2)旋转到某个角度时,外接矩形面积最小,即MER,取最小面积外接矩形的参数计算目标对应的长短轴。
2.2.3 面积相关度匹配
圆是椭圆长短轴相等情况时的特殊情况,以椭圆为例,说明面积相关度的匹配方法。对于直线匹配失败的目标图像进行中心和长短轴数据提取,得到对应的标准椭圆方程。根据式(4)计算实际目标落在所得标准椭圆范围内的面积百分比,百分比在95%以上认为目标匹配成功。
3 实验结果分析
本文采用盛博公司的PC104主机与嵌入式实时操作系统VxWorks结合作为开发平台,在Tornado开发环境下实现了三角形、四边形、圆和椭圆形四类水下浮标物的准确检测与识别实际获取水下图像如图所示
(1)后处理式联合分割
实验证明,由于光照不均、目标物表面灰度不均、吊绳以及水波等噪声的干扰,单纯的边缘检测提取的边缘不连续,目标提取得不到真实的目标,阈值分割得到的目标区域也不准确。因此本文采用后处理式联合分割算法,将迭代阈值区域分割得到的区域边缘和Canny边缘检测的结果进行边缘信息融合,最终得到的边缘结果如图6所示。可见,边缘图像包含了完整的目标信息,目标边缘连接性较好。
(2)连通域标记提取
由图6可见,后处理式联合分割获得的边缘图像在最大限度包含目标信息的同时,引入了目标物吊绳和水波等噪声干扰。需要对不同的连通域进行标识,提取最大面积的连通域作为所需目标,如图7所示。可见,得到了所需的准确目标,且各目标边缘连接性很好。
(3)基于霍夫变换的直线匹配
对提取的目标边缘进行Hough变换直线匹配,查找累加数组中的局部峰值点,并对其附近区域的非局部极大值进行抑制,排除共线干扰,如图8(a),(b)所示。定义Hough变换直线匹配函数返回检测到有效直线的条数,小于3条的视为噪声,三角形、四边形的目标图像分别得到3条和4条清晰的直线,如图8(c),(d)所示。
(4)圆和椭圆形目标匹配
对于直线匹配失效的图像目标进行中心坐标和长短轴数据提取,得到对应的标准方程,计算面积匹配度。圆是椭圆长短轴相等时的特殊情况,当长短轴长度之差在5个像素范围内时,认为是圆球目标,实际提取的数据如表1所示。
根据原理旋转到标准坐标系方向的实际目标如图9(a),(b)所示,图9(c),(d)为根据提取数据所得圆和椭圆的标准方程。
由匹配算法原理知,无论是Hough变换直线匹配还是椭圆类目标的几何特征匹配都具有平移、旋转、缩放不变性。为了验证算法的准确性和稳定性,采集包含具有平移、一定角度旋转和大小缩放等随机状态水下目标图像共400幅,进行目标检测提取和特征匹配识别,识别准确率为95.62%。实验结果证明了算法的有效性。
4 结语
通过实验结果分析可以看出,本文实现的后处理式联合分割水下目标检测提取以及基于Hough变换直线匹配和几何特征匹配的识别算法,具有较优的准确性和稳定性。通过目标的检测提取简化了后续目标识别算法的复杂度和计算量,同时保证了目标匹配识别的速度和准确性。Hough变换直线匹配多边形目标识别算法和通过矩特征和最小外接矩形提取椭圆类目标参数的匹配算法都具有较强的抗干扰能力,在一定程度范围内不受目标旋转平移和缩放的影响
参考文献
[1]王志杰,杨宝民,王海陆.水下目标声图像特征分析与二次处理[J].现代电子技术,2007,30(16):118-121.
[2]薛程,王士同.椭圆检测算法的比较[J].江南大学学报,2006(5):674-678.
[3]余松煜,周源华,张瑞.数字图像处理[M].上海:上海交通大学出版社,2007.
[4]王猛,杨杰,白洪亮.基于区域分割的水下目标实时识别系统[J].系统仿真技术,2005(1):33-39.
[5]余西,彭复员.一种有效的水下图像分割算法[J].微机发展,2005,15(2):76-77.
[6]贺岳平.平面规则图形检测算法的研究与应用[D].湘潭:湘潭大学,2009.
[7]薛成海.数字图像中提取椭圆与直线类几何形状方法研究[D].西安:西北工业大学,2003.
[8]冯占国,徐玉如.基于不变性特征的水下目标特征提取[J].哈尔滨工程大学学报,2007,28(12):1343-1347.
[9]张铭钧,尚云超,杨洁.基于梯度-灰度不变矩的水下目标识别系统[J].哈尔滨工程大学学报,2009,30(3):653-657.