[发明专利]一种基于模糊算法的目标监视检测方法及系统

权利要求书

1.一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。

2.一种基于模糊算法的目标监视检测方法，其特征在于，所述方法包括如下步骤：

步骤S1：获取目标图像及背景图像；

步骤S2：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；

步骤S3：检测目标相似度；根据步骤S2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；

步骤S4：目标判决步骤；由目标的统计参数值，使用模糊判别法，进行目标未出现、目标出现的决策可能性判断。

3.根据权利要求2所述的基于模糊算法的目标监视检测方法，其特征在于：

所述方法还包括：

目标与背景分割步骤；根据目标图像的灰度值，将背景区域作为参考，从画面中分割出目标和非目标图像灰度级区域；

判决阈值优化步骤；根据统计结果，调整检测间隔的上下判断阈值，用上下间隔阈值的中值作为唯一判断阈值标准，提高判断结果的可靠性。

4.根据权利要求2所述的基于模糊算法的目标监视检测方法，其特征在于：

所述步骤S2中，提取疑似目标与非目标区域的特征，特征提取算法使用灰度级累积，或者采用特征量提取并建立特征矢量，为后续对每一个子区域ROI内进行相对应的目标识别匹配准备参数。

5.根据权利要求2所述的基于模糊算法的目标监视检测方法，其特征在于：

所述步骤S2的差分算法中，执行图像差分算子之前，做漂移纠正，以消除由于相机或者目标的微小移动带来的错误。

6.根据权利要求2所述的基于模糊算法的目标监视检测方法，其特征在于：

所述步骤S3中，分别统计当前图像与背景画面、当前图像与塑件目标、当前图像与模腔目标的差分特征参数，并且是每个ROI内部单独进行统计。