[发明专利]基于形态分量分析的视觉振动放大方法、检测方法及系统有效
| 申请号: | 202110668319.1 | 申请日: | 2021-06-16 |
| 公开(公告)号: | CN113447111B | 公开(公告)日: | 2022-09-27 |
| 发明(设计)人: | 杨学志;沈晶;张龙;张肖;臧宗迪;孔瑞;杨平安 | 申请(专利权)人: | 合肥工业大学 |
| 主分类号: | G01H9/00 | 分类号: | G01H9/00;G06T7/40 |
| 代理公司: | 安徽知问律师事务所 34134 | 代理人: | 代群群 |
| 地址: | 230002 *** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 形态 分量 分析 视觉 振动 放大 方法 检测 系统 | ||
1.一种基于形态分量分析的视觉振动放大方法,其特征在于,所述方法包括:
S100:获取包括目标对象的视频文件,确定所述目标对象在所述视频文件中每帧图像中的感兴趣区域;
S200:构造表征所述视频文件每帧图像中感兴趣区域的结构分量;构造表征所述视频文件中每帧图像感兴趣区域的纹理分量;其中构建品质因子可调小波字典用于表征图像的结构成分,构建局部离散余弦变换与离散正弦变换字典用于表示图像的纹理成分;
S300:分离所述感兴趣区域中的结构分量和纹理分量及噪声分量,将分离出的结构分量和纹理分量,结合欧拉视角放大所述感兴趣区域的微振动信号,重构包含目标对象的放大视频文件;其中每个当前帧和第一帧的结构成分差对应的是正常振动,每个当前帧和第一帧的纹理成分差对应的是异常扰动,利用欧拉视角原理,只放大结构成分,减小纹理成分带来的干扰;
所述分离感兴趣区域中的结构分量和纹理分量的步骤包括:
利用MCA方法对视频文件的每帧图像的感兴趣区域进行分离,获得每帧图像的结构分量纹理分量以及噪声分量;其中结构分量与纹理分量之和与原图像的差值,为噪声分量;
构建基于广义高斯密度分布的阈值选择算法,确定所述纹理分量和所述结构分量的硬阈值;
根据所述纹理分量和所述结构分量的硬阈值,通过迭代阈值法求解结构分量和纹理分量;
结合欧拉视角放大所述感兴趣区域的微振动信号,重构包含目标对象的放大视频文件数据的步骤包括:
根据所述视频文件中每帧图像结构分量中各个像素的亮度变化来表征目标对象的振动变化,获得视觉振动信号;
接收放大倍数,将所述放大倍数乘以视觉振动信号,再将每帧图像结构分量中各个像素的亮度变化加上放大后的视觉振动信号;
根据目标对象的理论频带范围设计带通滤波,使得感兴趣区域在特定的频带中振动幅度放大;
将所述感兴趣区域放大后的结构分量与纹理分量重新组合以生成振动放大视频。
2.根据权利要求1所述的一种基于形态分量分析的视觉振动放大方法,其特征在于,所述确定目标对象在视频文件中每帧图像中感兴趣区域的步骤包括:
构建SVM识别模型,将所述视频文件数据的某一帧图像输入所述SVM识别模型,获取所述目标对象的关键区域,作为感兴趣区域;其中所述SVM识别模型是通过训练集训练得到的。
3.根据权利要求2所述的一种基于形态分量分析的视觉振动放大方法,其特征在于,所述训练集的获取步骤包括:
获取包含目标对象的多组图像,采用分水岭算法,分割出每一组图像的候选区域,所述每个候选区域内只包含所述目标对象的一组关键对象,对所述候选区域进行标记;
采用滑动窗口的方式,将带有关键对象标记的候选区域图像块作为正例,将无关键对象标记的背景图像块作为负例,构建多值分类的训练集。
4.一种基于形态分量分析的视觉振动检测方法,包括其特征在于:
将获得的视觉振动信号,通过快速傅里叶变换,获得视觉振动信号对应的频谱;
将所述视觉振动信号对应的频谱结合权利要求1-3任意一项获得的振动放大视频,对目标对象的振动情况检测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110668319.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种自带储物箱的金属集装箱
- 下一篇:一种耐强酸碱的四氟管及其制备工艺





