[发明专利]一种多色球形目标检测定位方法及执行该方法的存储介质

说明书

本发明公开了一种多色球形目标检测定位方法，通过对摄像设备拍摄到的单张图像依次进行预处理、距离变换、聚类定位以及分类几个部分的步骤，将每一个聚类结果中点簇的中心以及点簇均值所代表的颜色作为目标输出，实现对单张图像中密集多目标的定位。其有益效果为：通过距离变换获取球心的初始定位后，利用聚类方法定位各球体，根据定位结果进行颜色识别，解决了深色背景下单层排布球形目标位置与颜色的检测问题，以及检测定位问题中目标密集以及高精确度的难点；通过预处理部分的灰度化，将三通道合成的暗通道处理，更有效的进行前景与背景的分离；对圆度较差的目标具有鲁棒性、精确性的特点。能够应用于产品分拣等场景。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种深色背景下的单层排布多色球形目标检测定位方法，以及涉及一种可执行该方法的存储介质。

背景技术

主动视觉最早于20世纪80年代被提出，其核心思想是通过算法控制改变相机的参数以实现视觉系统的主动化。早期的主动视觉系统于20世纪90年代被陆续提出，随着软硬件技术的不断发展，主动视觉系统方面的研究也在不断继续。大多数主动视觉系统被运用于机器人，驾驶辅助以及目标跟踪中。

在现有的目标检测定位算法主要有：

(1)基于颜色的方法——通过训练对目标区域的像素点颜色进行建模，采用获得的模型对图像进行二值化，并通过连通区域检测方法提取出目标。

基于颜色的方法可以实现目标检测定位，能够在背景较为简单的场景准确定位出目标，但该方法受背景噪声及光照变化影响较大，且在同色目标相互贴近的情况下会完全失效。

(2)霍夫变换法——通过将图像平面上的点坐标代入圆方程后，在参数平面上通过统计确定各个圆的参数值，从而求得原图像平面中圆的位置与大小。

霍夫变换法能对简单且标准的轮廓的目标进行准确定位，但对公差较大、数量密集的目标定位检测效果较差。

(3)级联分类器——在检测图像时，对于每个窗口用多个强分类器作检测。若对某个窗口检测结果全部为真，则该窗口为被检测目标；若对某个窗口任一分类器检测结果为假，则该窗口不含检测目标。窗口的选择为先行后列作平移，检测完毕后再放大窗口进行平移，最终得到图中符合所有强分类器的目标结果。

级联分类器能对目标相对较好地做出检测定位，但由于其算法中窗口平移的单位较大、且窗口尺寸放大倍率固定，难以实现像素级的检测定位。

(4)模板匹配算法——指在图像中搜索与已知目标模板匹配度最高的区域的方法。首先建立目标的图像模板，在图像指定的搜索区域内寻找与该模板匹配度最高的区域，通常采用图像间的相关函数来反应匹配程度。

模板匹配算法可以在较复杂背景下精确定位目标，但其时间效率较低，且在目标密集时需要依靠前置步骤进行前景分割。

综上，以上这些方法虽各有优势，但难以运用在类似单层排布的多目标高精度检测定位主动视觉的场景中。

因此，本领域的技术人员致力于开发一种能够在深色背景下精确检测并定位球形目标，并能判断出各球颜色的定位方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是深色背景下对彩色球形目标难以进行精确检测、定位与分类。

为了解决上述问题，本发明提供了一种多色球形目标检测定位方法，通过对摄像设备拍摄到的单张图像依次进行预处理、距离变换、聚类定位以及分类几个部分的步骤，将每一个聚类结果中点簇的中心以及点簇均值所代表的颜色作为目标输出，实现对单张图像中密集多目标的定位。

所述定位方法具体包括如下部分：

第一部分，图像获取，通过摄像设备获取深色背景下的单层排布多色球形目标的图像信息；