欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2019102887510
申请人: 江苏大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于多特征和尺度估计的PCB板标识跟踪方法,其特征在于,包括以下步骤:

初始化:读入第一帧中传送带上PCB板图像,同时获取PCB板标识位置;

构造分类器:利用循环矩阵构造PCB板标识样本,对PCB板标识训练样本加汉宁窗,提取训练样本的灰度特征图,因为HOG特征取自灰度特征图,在灰度图的基础上,设置阈值,对灰度图进行图像增强效果,提取HOG特征和CN特征,融合后的特征定义为x=[x1,x2,...,xc],c为特征维度,训练样本特征进行傅里叶变换,训练样本核空间矩阵进行傅里叶变换,通过傅里叶反变换求出权重系数α来构造的分类器函数f(z),z为样本;

更新PCB板标识位置:在下一帧中,对检测样本加汉宁窗后,提取待检测PCB板标识样本z的HOG特征和CN特征,对两个特征进行傅里叶变换,检测样本核空间矩阵傅里叶变化,通过其中 为权重系数, 为高斯核函数,对其做傅里叶反变换来计算它们的响应值f(z),并计算两特征的权重,通过加权方式并确定最终位置;

尺度估计:设计一个相关滤波器,建立PCB板标识尺度池,设PCB板标识为T,同样以si*T提取i个样本,si为尺度样本,并将这些样本变换为固定尺寸,然后代入尺度滤波器计算其响应,PCB板标识的尺度为其对应的输出响应最大,实现尺度估计;

更新分类器和尺度估计模型:得到PCB板标识的位置后,将更新分类器和尺度估计模型,然后再对下一帧进行检测;

所述构造分类器是利用循环矩阵把图像中的PCB板标识向上、向下分别移动不同的像素得到新的样本图像为I,大小为1280*720像素;首先对图像I加汉宁窗,得到图像I2,大小为214*74像素,提取训练样本的灰度特征图,紧接着提取HOG特征和CN特征,将特征融合,定义x=[x1,x2,...,xc],c为特征维度,训练样本特征进行傅里叶变换,训练样本核空间矩阵进行傅里叶变换为 λ为正则化参数,对回归值y傅里叶变换 通过 计算对 进行傅里叶反变换求出权重系数α,则构造的分类器函数 其中

f(z)为响应值,z为训练样本,w为权重,k(z,xi)为核函数,xi代表特征向量,α为权重系数。

2.根据权利要求1所述的一种基于多特征和尺度估计的PCB板标识跟踪方法,其特征在于,所述初始化是采集传送带上PCB板图像,使用matlab读入图像,并获取PCB板标识的位置。

3.根据权利要求1所述的一种基于多特征和尺度估计的PCB板标识跟踪方法,其特征在于,更新PCB板标识位置中,对检测样本加汉宁窗后,提取待检测样本z的HOG特征和CN特征,并进行傅里叶变换,检测样本核空间矩阵傅里叶变化,通过 为权重系数, 为高斯核函数,对其做傅里叶反变换来计算HOG特征的响应值f(zh)和CN特征的响应值f(zc),其中,zh为待检测HOG特征样本,zc为待检测CN特征样本,计算权重 并确定最终位置p最终位置=θ*pc+(1‑θ)*ph,ph为HOG特征的位置,pc为CN特征的位置。

4.根据权利要求1所述的一种基于多特征和尺度估计的PCB板标识跟踪方法,其特征在于,尺度估计过程中,PCB板标识的尺度为其对应的输出响应最大,获得最大响应时的尺度‑1系数为: 为检测样本的响应值,F 为傅里叶逆变换。

5.根据权利要求1所述的一种基于多特征和尺度估计的PCB板标识跟踪方法,其特征在于,更新分类器中,分类器更新系数为: 更新目标模板为:n为图像序列号,第n帧的参数αn为第n‑1帧的参数αn‑1与当前帧

训练得到的参数 的线性加权,β为更新系数;更新尺度估计模型的带宽更新参数为:σw=σw'*s和σh=σh'*s,σw'为上一帧的尺度宽度系数,σh'为上一帧的尺度高度系数,σw为本帧的尺度宽度系数,σh为本帧的尺度高度系数,s为尺度变化因子。