[发明专利]一种基于机器视觉的静脉注射液滴流速的测量方法

权利要求书

1.一种基于机器视觉的静脉注射液滴流速测量方法，其特征在于，包括：

步骤1，拍摄样本视频，视频逐帧转为静态图像；

步骤2，将滴管视为运动目标；提取前景目标，并进行二值化处理；

步骤3，提取含有液滴的帧号，设置阈值Th,当某一帧像素值为255的和Sum＞Th，则认为这一帧是含有液滴帧；否则认为这一帧不存在液滴；记录含有液滴的帧号；不同的静脉注射，由于开关控制型号的不同，流速各不相同；所以出现同一滴液滴的帧不止一帧或者有漏掉的情况，记录每一帧符合含有液滴帧阈值的编号；然后遍历这些编号，当出现编号连续情况，则认为是同一帧，计算连续编号的均值

步骤4，根据V＝fps/ΔN计算流速；首先由上述步骤计算的出现液滴的均值帧号则液滴帧相邻差值则帧间差的均值为ΔN₁，ΔN₂，ΔN₃，…的平均值；这种反复计算均值的方法，有效的解决了漏帧的情况；则流速fps为视频的帧率；

所述步骤2的具体处理步骤基于两种测速方法，包括：

测速方法一，模板匹配法，具体包括：

步骤2.1.1、首先要提取液滴模板，采用的是霍夫变换，圆形提取的方法；液滴在滴灌中形态近似为圆形；提取到圆之后，选取圆心O坐标为(X1,Y1)，圆半径R；则以坐标(X1-R,Y1-R)中心点，长宽2R截取液滴模板；

步骤2.1.2、以上一步提取的液滴为模板，对所有视频帧逐帧进行模板匹配；模板的算法思想：将搜索模板T叠放在被搜索图S上平移，其中模板T为(m×n)个像素,被搜索图S为(W×H)个像素，模板覆盖被搜索图的那块区域叫子图S_ij；i,j为子图左上角在被搜索图S上的坐标；搜索范围是：

1≤i≤W-m

1≤j≤W-m

通过比较T和S_ij的相似性，完成模板匹配过程；

步骤2.1.3、匹配区域二值化，由于含液滴的帧和不含液滴的帧区别比较大，所以这里的二值化方法为局部二值化或全局二值化；二值化目的是为了更好的进行像素的统计；

步骤2.1.4、目标区域的像素值统计Sum；从(0,0)开始从左至右，从上到下逐步遍历图像，进行像素和的累加，若遍历点像素值为255则加1，以此类推；计算像素值为255的总和；

测速方法二，帧差法，具体包括：

步骤2.2.1、利用GMM混合高斯模型提取前景；首先将每个高斯的均值,方差，权值都设置为0，即初始化模型矩阵参数；采用视频中的T帧用来训练GMM模型；对每一个像素而言，建立其模型个数最大GMM_MAX_COMPONT个高斯的GMM模型；当第一个像素来，单独为其在程序中设置好其固定的初始均值，方差，并且权值设置为1；

非第一帧训练过程中，当后面来的像素值时，与前面已有的高斯的均值比较，如果该像素点的值与其模型均值差在均值的3倍的方差内，则认为属于该高斯；此时用如下方程进行更新：

其中α＝1/T,

当该像素点的值与均值的差不在均值的3倍范围内时取到达训练的帧数T后，进行不同像素点GMM个数自适应的选择；首先用权值除以方差对各个高斯进行从大到小排序，然后选取最前面B个高斯，使满足

其中C_f为0.3

这样就可以很好的消除训练过程中的噪声点；在测试阶段，对新来像素点的值与B个高斯中的每一个均值进行比较，如果其差值在均值的2倍的方差之间的话，则认为是背景，否则认为是前景；并且只要其中有一个高斯分量满足该条件就认为是前景；前景赋值为255，背景赋值为0；这样就形成了一副前景二值图；由于前景二值图中含有很多噪声，所以采用了形态学的开操作将噪声缩减到0，紧接着用闭操作重建由于开操作丢失的边缘部分的信息；消除了不连通的小噪声点；

步骤2.2.2、对上一步提取的前景进行自适应二值化处理；

步骤2.2.3、然后对二值化图像分别进行水平和竖直方向的投影；选取阈值Th 1，分别投影图像进行水平和竖直方向遍历；当出现N₀＜Th，而N₀后的连续10个像素点都大于Th，则认为N₀为滴管的一个边界点；获取边界点后，截取滴管目标区域；同理选取阈值Th2，当出现N₁＜Th，而N₁的前5个点都大于Th，后5个点都小于Th，则认为N₁为另一边的界点；同理找到四个边界点，截取目标区域为模板；

步骤2.2.4、用上述模板进行模板匹配，与2.1.2中所述实施模板匹配方法一致；

步骤2.2.5、对上述匹配的区域进行帧差处理；这里选用每隔两帧帧差一次的方式进行差分，为1、4、7、10…，这样做的好处在于提高计算效率；

步骤2.2.6、对差分图像，进行开闭运算处理，然后根据2.1.4所述方法进行像素值和的统计。

2.根据权利要求1所述的一种基于机器视觉的静脉注射液滴流速测量方法，其特征在于，针对静脉注射环境背景复杂，且多样化的特点，执行步骤2时，两种方法均对相关干扰因素进行了处理，因此执行步骤2时进行随机选择模板匹配法或者帧差法进行测速。