本发明涉及微生物分析、水环境分析技术领域,具体涉及一种基于流式影像运动目标追踪的颗粒计数方法。
背景技术:
颗粒计数是藻类计数、浮游植物计数、浮游动物计数、血细胞统计、水中悬浮颗粒分析等工作的基础。传统的颗粒计数方法依赖于人工观察、拍照及统计。随着计算机技术的发展,计算机图像处理技术被应用到了颗粒分析中。其中algaec是将显微镜获得的图像传入电脑,通过计算机图像处理技术对微生物进行分析的软件。counstar是一款结合了智能图像识别技术和美兰染色方法来进行细胞分析的一体化仪器。flowcam、mfi等结合流式影像技术,实现了水样中浮游植物及其他颗粒物流式计数的功能,其计数的原理是颗粒在流过流通池的过程中,其图像会被放大并通过相机采集,然后根据这些图像计算出颗粒数量的总和,进而得到颗粒的浓度。然而,以上技术仍存在以下的缺点:
1,传统的依靠显微镜人工计数方法,人工劳动强度大,效率低。
2,flowcam、mfi等流式影像分析仪在一定程度上满足了自动进样,分析过程可自动化,但是如果颗粒物在流动过程中出现贴壁,该颗粒会被多次采集到,从而造成重复计数。
因此,针对上述出现的问题,本发明采用对运动目标追踪的方法,在分析结果上可以避免杂质背景和样品均匀性对结果的影响,进而提高分析过程的准确性。
技术实现要素:
本发明提供一种基于流式影像运动目标追踪的颗粒计数方法,可以解决现有技术中的上述问题。
本发明提供了一种基于流式影像运动目标追踪的颗粒计数方法,包括以下步骤:
s1,对流动的颗粒样品溶液进行视频流采集;
s2,对采集的视频流进行背景信息提取,并组建得到背景图像;
s3,采用基于高斯混合模型的背景减法来获得当前帧图像中出现的运动目标,并结合形态学操作来处理前景蒙版层消除噪声,筛选出运动目标;
s4,根据视频中被检测到的运动目标出现的位置,判断它们是否为同一运动目标,如果是同一运动目标,则根据同一运动目标出现的次数,设定同一运动目标为追踪目标,并编码区别;
s5,根据追踪目标的位置信息,采用kalmanfilter方法预测所述追踪目标在每一帧图像中的位置,与视频的后续帧图像检测到的运动目标物的位置对比,以两个位置的相对距离作为判断依据,判断是否属于对应追踪目标,若属于对应追踪目标,则关联上检测目标与对应的追踪目标,更新对应追踪目标的位置信息,再进行下一位置的追踪预测,如若连续n次追踪预测都属于对应追踪,则进行追踪计数;若不属于对应追踪目标,则确定为新的运动目标,并采用s4所述的方法来判断是否为新的追踪目标,其中n≥3且为整数;
s6,同时当一个追踪目标在视频的后续帧图像中未出现n次,则判定该追踪目标已离开视野,并删除该追踪目标;
s7,采用上述步骤对t时间内出现在视野范围的追踪目标进行统计,得到数值n,除以这一段时间内流过该视野范围的溶液体积v,得到颗粒样品溶液中目标物的密度,即c=n/v。
优选地,所述颗粒为悬浮颗粒物、浮游动物和浮游植物中的任意一种。
优选地,所述步骤s1中采用相机对视频流进行采集。
与现有技术相比,本发明的有益效果是:
(1)本发明所述的动态追踪技术的颗粒计数方法首次被运用在微生物分析、水环境分析技术领域。
(2)本发明所述的方法与flowcam、mfi等采用静态运动目标计数技术相比,避免了重复计数,避免杂质背景和样品均匀性对结果的影响,进而提高分析过程的准确性,其结果更接近实际值。
附图说明
图1为本发明的一种基于流式影像运动目标追踪的颗粒计数方法的流程图;
图2为本发明的基于运动的目标分离算法。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明提供了一种基于流式影像运动目标追踪的颗粒计数方法,如图1的流程图所示,包括以下步骤:
s1,对流动的颗粒样品溶液进行视频流1采集;
s2,对采集的视频流进行背景信息提取,并组建得到背景图像2;
s3,采用基于高斯混合模型的背景减法来获得当前帧图像中出现的运动目标,并结合形态学操作来处理前景蒙版层消除噪声,筛选出运动目标3;
s4,根据视频中被检测到的运动目标出现的位置,判断它们是否为同一运动目标,如果是同一运动目标,则根据同一运动目标出现的次数,设定同一运动目标为追踪目标4,并编码区别;
s5,根据追踪目标的位置信息,采用卡尔曼滤波方法(kalmanfilter)方法进行追踪预测5,预测所述追踪目标在每一帧图像中的位置,与视频的后续帧图像检测到的运动目标物的位置对比,以两个位置的相对距离作为判断依据,判断是否属于对应追踪目标,若属于对应追踪目标,则关联上检测目标与对应的追踪目标,更新对应追踪目标的位置信息,再进行下一位置的追踪预测,如若连续n次追踪预测都属于对应追踪6,则进行追踪计数7;若不属于对应追踪目标,则确定为新的运动目标,并采用s4所述的方法来判断是否为新的追踪目标,其中n≥3且为整数;
s6,同时当一个追踪目标在视频的后续帧图像中未出现n次,则判定该追踪目标已离开视野,并删除该追踪目标;
s7,采用上述步骤对t时间内出现在视野范围的追踪目标进行统计,得到数值n,除以这一段时间内流过该视野范围的溶液体积v,得到颗粒样品溶液中目标物的密度,即c=n/v。
其中,背景图像提取的方法参照申请号为201711104673.1中的背景图像提取的流程,如下所述:
(1)首先通过视频模块拍摄获得帧数为n的视频序列ai;
(2)求得视频序列ai的平均值am;
(3)对序列ai和平均值am进行临界检测提取得到ai和am,将检测结果值中大于gs的点判定为临界点。并把asi(asi为像素某一点的方差)和asm(asm为视频序列平均像素方差)分成8×8的小块序列asi(i,j)和asm(i),同时统计每个小块中的临界点个数。其中gs为阈值,i为每帧的小块序号,j为视频序列的帧号,j=1,2,...;
(4)对每帧中的小块i,都将asi(i,j)块中的临界点数aspi(i,j)和asm(i)中的临界点数aspm(i)进行比较,挑选出与aspm(i)相差最小的块作为候选背景块,设为asi(i,j'),如果二者的差值小于极限值gt,则将背景中的小块b(i)设为asi(i,j'),否则设为asm(i)。
(5)最后将得到的b(i)组成一幅完整的背景b。
背景减法,是当前摄像机静止情况下对运动目标进行检测的方法,就是将当前帧图像与背景做差分,从而得到运动目标。背景减法实现简单,能够检测出运动目标的完整区域。
实施例2:颗粒物
所述颗粒为悬浮颗粒物、浮游动物和浮游植物中的任意一种。悬浮颗粒物有泥沙、细胞碎片、胶体等;浮游动物有桡足类、枝角类、轮虫等;浮游植物有蓝藻、绿藻、硅藻等。
实施例3:视频流采集
所述步骤s1中采用相机对视频流进行采集,根据颗粒的大小可以选用不同的视频拍摄设备,例如微小的颗粒可以采用显微成像系统进行拍摄。
实施例4:颗粒样品溶液流动和拍照方式
颗粒样品溶液可以在流通池中流动,也可以在其它流动的装置中流动。
如在流通池流动,把液体管道和流通池相连通,通过柱塞泵把颗粒样品溶液注入到管道,然后流入流通池;利用led光源把光线照射在颗粒样品溶液上,可以使用物镜对颗粒样品溶液进行观察,利用ccd相机对颗粒样品溶液进行视频流采集。
采用本实施例中的方法,不需要制片,能够实现目标物在流通池内显微成像。
下面根据图2,给出动态追踪颗粒计数的具体算法:
本发明采用的是基于运动的目标分离算法,如图2,目标物a、b、c流过流通池,依次从tn-1进入视野范围,慢慢运动到tn分别为a’、b’、c’,再运动到tn+1分别为a”、b”,此时目标物c轨迹消失,最后运动到tn+2时为a”’、b”’,流出视野范围,整个过程以视频的形式记录下来。d、e为贴壁或其它杂质。
目标物的运动会激活前景检测算法而被标记上,根据目标物a、b、c出现在视野范围前几帧的轨迹,采用kalmanfilter方法进行预测,得出目标物下一帧的位置,并与实际下一帧的位置进行对比,两者的定位距离在一定的误差范围内,则认为是同一个目标物在不同帧的呈现,从而实现对目标物的追踪,如若连续n次追踪预测都属于对应追踪,则进行追踪计数,即目标物a、b、c在视野范围内,依次经过a→a’→a”→a”’、b→b’→b”→b”’、c→c’的路径,目标物a、b仅被计数1次,目标物c不被计数,避免了flowcam、mfi中目标物流动过程贴壁或其它杂质c、d(贴壁的物质或杂质没有运动不会激活算法,也不会被计数)对结果的影响。
本发明的有益效果是:
(1)本发明所述的动态追踪技术的颗粒计数方法首次被运用在微生物分析、水环境分析技术领域。
(2)本发明所述的方法与flowcam、mfi等采用静态运动目标计数技术相比,避免了重复计数,避免杂质背景和样品均匀性对结果的影响,进而提高分析过程的准确性,其结果更接近实际值。
本发明中涉及的未说明部分与现有技术相同或采用现有技术加以实施。
以上公开的仅为本发明的几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。