一种基于RGB色彩特征的衣物洗烘设备洗烘过程衣物运动轨迹分析方法及系统

本发明涉及计算机图像处理技术领域，尤其涉及一种基于rgb色彩特征的衣物洗烘设备工作过程衣物运动轨迹分析方法及系统。

背景技术：

洗烘设备是指将沾染污渍衣物的污渍清洗干净的设备(洗衣机)和将含湿衣物内多余的水分迁移出去的设备(干衣机)或者沾染污渍衣物洗涤与其洗后含湿衣物烘干一体的设备(洗干一体机)，故洗烘设备洗烘衣物分为利用洗涤设备(洗衣机)洗净沾染污渍衣物和烘干设备(干衣机)烘干含湿衣物。其中，洗涤设备(洗衣机或洗干一体机)洗涤衣物是指将沾染污渍的衣物放进洗涤设备转筒内，给其设备一个洗涤程序，在水流、洗涤剂、机械力等作用下，衣物随转筒运动，并将其上污渍与衣物脱离的过程。烘干设备(干衣机或洗干一体机)烘干衣物是指将含湿衣物放进烘干设备转筒内，给其设备一个烘干程序，在高温气流和机械力作用下，含湿衣物随转筒运动，并将其内部多余水分迁移出去的过程。显然，洗烘设备进行衣物洗烘时，其过程衣物会经历随转筒升高、旋转，从空中摔落或滑落，摔落时与筒壁、水流或者高温气流、织物发生冲击、融合揉搓或摩擦等一系列物理现象，而这些物理现象显著影响衣物上污渍从衣物剥离的效果或者含湿衣物内部多余水分迁移速率，故深入研究洗烘设备工作过程示踪物运动轨迹及形态变化可有效解决目前洗涤设备耗水量大、洗净率低、洗烘设备耗能高、洗烘后衣物性能下降等问题，也可为深入理解洗烘设备洗护过程示踪物运动形态、传热传质机理和洗烘过程效能优化提供实验支持。

然而，不论目前的研究装置或者市场上的洗烘设备均不具备洗烘过程衣物运动轨迹及形态数据实时追踪(可视化)功能。而且，目前的研究仅限于对洗烘设备洗烘参数优化的试验研究和经验数学模型的构建，并采用将洗烘设备洗烘过程作为一个“黑箱”处理，仅关注洗烘结束时的耗水量、耗能耗时及洗烘衣物的洗净率或烘干均匀性等指标的数值的大小，而对于洗烘设备洗烘过程衣物运动轨迹的关注相对较少。殊不知，衣物运动才是制约洗涤设备洗护过程污渍与衣物的吸附脱附效果或者烘干设备多余水分与衣物迁移速率、洗涤设备衣物最终的耗水量或者烘干设备最终含水率、洗烘设备耗能耗时及洗烘后衣物的服用性能的关键。此外，随着计算机科学和视觉图像分析技术的迅猛发展，利用数字图像技术分析对物体运动轨迹进行跟踪、分析、拟合已成为可能。而相比于黑白图像，彩色图像能够承载更多的有效信息，因此本发明公布了一种基于rgb色彩特征的洗烘设备洗烘过程衣物运动轨迹分析方法及系统。

技术实现要素：

本发明所要解决的技术问题是实现一种基于rgb色彩特征的洗烘设备洗烘过程衣物运动轨迹分析方法及系统，解决了目前衣物洗烘技术研究中，缺乏可实现从洗烘设备洗烘过程示踪物运动的角度进行洗烘设备洗烘过程衣物洗洪效能优化研究的分析方法及系统的问题。

同时，也解决了目前因彩色运动图像经过灰度化处理造成的大量有效信息丢失导致的运动轨迹分析不准确的难题，还能解决了目前洗烘设备洗护过程示踪物运动数据监控缺失的问题，适用于衣物洗烘技术、洗烘机理、洗烘品质、洗烘程序优化及智能洗烘等方面的研究。

为了实现上述目的，本发明采用的技术方案为：一种基于rgb色彩特征的洗烘设备洗烘过程衣物运动轨迹分析方法，包括以下步骤：

1)准备洗烘负载以及与洗烘负载和洗烘滚筒内壁有差异颜色的示踪物，将洗烘负载和示踪物置入洗烘设备，启动洗烘设备；

2)洗烘运行过程中通过摄像头采集洗烘设备洗烘过程示踪物运动视频；

3)将视频逐帧分解，获得其运动原始图像序列；

4)对获取的原始图像序列进行降噪滤波处理，获得处理后示踪物运动图像序列；

5)对处理后示踪物运动图像序列进行图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析；

6)根据图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析的结果获得示踪物轨迹及形态规律数据，并将数据输出。

所述1)中，所述洗烘设备为洗衣机或烘干机，所述洗烘设备执行设定的工作程序为设定的洗涤程序或者设定的烘干程序，所述示踪物为衣物，所述洗涤程序包括注水阶段、主洗阶段、漂洗阶段、脱水阶段。所述的烘干设备烘干程序包括烘干气流温度、转速、风速、转动方向、转停比。

所述3)中利用视频播放软件将采集的示踪物运动视频逐帧分解，获得其运动原始图像序列。

所述4)中利用小波变换对获取的原始图像序列进行降噪滤波处理，获得处理后示踪物运动图像序列，所述降噪滤波处理方法：

对获取的原始图像序列进行小波变换分析；

计算各个高分辨率子带图像的去噪阈值；

判断各个高分辨率子带图像的去噪阈值是否小于设定阈值，若是则小波系数取0，若否则依据尺度大小进行软硬法制去噪处理；

利用小波反变换获得到去噪后的图像。

所述5)中，针对处理后示踪物运动图像序列进行示踪目标图像的检测、分割、运动特征提取，其中目标图像的检测包括像素矩阵构建、图像rgb值赋值、图像rgb矩阵赋值、图像rgb矩阵分解、各分解矩阵的图像rgb值求和；其中目标图像的分割包括背景差分、阈值分割、形态学处理与连通域标记；其中目标图像的特征提取包括运动示踪物轮廓边缘检测、运动示踪物形心三维坐标计算。

所述6)中，示踪物运动轨迹的拟合方法包括：利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算器形心，并将其形心作为示踪运动示踪物的三维空间坐标，再借助matlab中plot3函数拟合示踪目标示踪物的运动轨迹拟合，将依据最小二乘法原理判断其拟合误差是否到达最小值，如达到最小值则认为拟合有效，实现了对示踪物运动轨迹的拟合，否则重新进行拟合，直至拟合符合实际运动轨迹为止；

所述6)中，运动示踪物形态特征的拟合方法包括：利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算其形心坐标，再利用蒙特卡洛模拟方法实现示踪示踪物运动图像面积，并与示踪示踪物初始面积对比，求解运动示踪示踪物的铺展程度、折叠程度，实现示踪物形态规律的拟合；

所述6)中将获得示踪物运动轨迹、形态变化特征拟合的规律以数据形式输出，所述数据形式输出包括示踪物运动轨迹数据和示踪物形变数据，所述示踪物运动轨迹数据包括各向运动速度、加速度、滞留时间、分布区域，所述示踪物形变数据包括外部轮廓、形心坐标、铺展程度、折叠程度。

图像采集模块：采集洗烘设备滚筒内工作过程示踪物运动视频的图像采集设备，并将采集的运动视频发送至图像预处理模块；

图像预处理模块：将运动视频逐帧分解，获得其运动原始图像序列，再对获取的原始图像序列进行降噪滤波处理，获得处理后示踪物运动图像序列，并输送至图像分析模块；

图像分析模块：对处理后示踪物运动图像序列进行图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析，并将分析结果输送至轨迹形态拟合模块；

轨迹形态拟合模块：根据图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析的结果获得示踪物轨迹及形态规律数据，并将数据输出。

本发明是一种基于rgb色彩特征的洗烘设备工作过程示踪物运动轨迹分析方法，具有不需要对获取的高质量运动图像进行灰度化处理即可完成运动轨迹分析的特点，可有效解决目前因彩色运动图像经过灰度化处理造成的大量有效信息丢失导致的运动轨迹分析不准确的难题，适用于衣物洗烘过程的机理(洗烘设备洗烘过程示踪物运动对洗烘设备耗水量、耗能耗时、洗净率的影响研究)和洗烘设备性能优化研究。

同时，也具有洗烘设备工作过程示踪物运动轨迹及其形态变化数据实时追踪，并可定量分析示踪物运动轨迹形变规律的功能，实现了洗烘设备工作过程示踪物运动轨迹及形态变化的可视化，解决了目前洗烘设备洗护过程示踪物运动数据监控缺失的问题，适用于衣物洗烘技术、洗烘机理、洗烘品质、洗烘程序优化及智能洗烘等方面的研究。

附图说明

下面对本发明说明书中每幅附图表达的内容作简要说明：

图1为衣物洗烘设备洗烘过程衣物运动轨迹分析方法流程图；

图2为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的系统整体框架图；

图3为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的运行流程图；

图4为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的图像预处理流程图；

图5为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的图像检测流程图；

图6为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的运动轨迹拟合流程图；

图7为衣物洗烘设备洗烘过程衣物运动轨迹分析方法的形态规律分析流程图。

具体实施方式

下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

如图1和3所示，洗烘设备洗烘过程衣物运动轨迹分析方法具体包括以下步骤：

(1)将与洗烘负载和滚筒背景差异显著的异色示踪物置入洗烘设备，示踪物一般为衣服，异色示踪物的颜色一般需要选择比较鲜艳的色彩，并与滚筒内壁颜色和洗烘负载有着明显的色彩，方便图像采集，放置后关闭滚筒舱门并启动洗烘设备，洗烘设备所执行的程序根据预设程序执行；

(2)洗烘设备执行过程中,依据采集实际需要，校准图像采集设备，并利用校准好的图像采集设备获取洗烘设备工作过程示踪物运动视频，以便后续分析使用；

(3)利用视频软件将采集的示踪物运动视频逐帧分解，如采用kmplayer软件，获得其运动原始图像序列；

(4)再利用小波变换对获取的原始图像序列进行降噪滤波处理，获得高质量(优质)的示踪物运动图像序列；

如图4所示，降噪滤波处理包括以下步骤：

a、对获取的图像进行小波变换分析；

b、计算各个高分辨率子带图像的去噪阈值；

c、判断各个高分辨率子带图像的去噪阈值是否小于设定阈值若是，则该高分辨率子带图像的小波系数取0，否则该高分辨率子带图像依据尺度大小进行软硬法制去噪处理；

d、小波反变换，进而得到去噪后的图像。

(5)对获得的高质量示踪物运动图像序列进行图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析；

上述图像分析主要是利用图像像素分析技术、rgb色彩特征模型、背景差分、阈值分割、形态学分析及连通域标记完成。主要分析步骤包括示踪目标图像的检测、分割、运动特征提取。

目标图像检测包括像素矩阵构建、图像rgb值赋值、图像rgb矩阵赋值、图像rgb矩阵分解、各分解矩阵的图像rgb值求和；

具体如图5所示，目标图像检测包括以下步骤：

a、视频分解，获取有效图像；

b、图像像素矩阵构建；

c、将图片像素与图片位置对应；

d、提取图像像素的rgb值；

e、图像rgb值赋值、图像rgb矩阵赋值；

f、赋值后的图像rgb矩阵分解，分解成r矩阵、g矩阵、b矩阵；

g、求解各分解矩阵的相似度；

h、各分解矩阵的相似度数值求和，若和值大于设定阈值则返回a步骤，若和值小于等于设定阈值则该目标图像检测合格；

目标图像分割主要包括背景差分、阈值分割、形态学处理与连通域标记；

目标图像特征提取主要包括运动示踪物轮廓边缘检测、运动示踪物形心三维坐标计算。

(6)依据高质量示踪物运动图像序列的图像像素分析、rgb特征分析、运动轨迹分析和示踪物形态特征分析结果进行示踪物轨迹及形态规律拟合及规律输出。

如图6所示，示踪物运动轨迹的拟合主要包括：

a、基于rgb颜色特征获得运动示踪物的有效图像序列；

b、利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算器形心，并将其形心作为运动示踪物的三维空间坐标；

c、借助matlab中plot3函数拟合示踪目标示踪物的运动轨迹拟合；

d、将依据最小二乘法原理判断c步骤中拟合误差是否到达最小值，如达到最小值则认为拟合有效，实现了对示踪物运动轨迹的拟合，否则返回步骤c重新进行拟合，直至拟合符合实际运动轨迹为止。

如图7所示，运动示踪物形态特征的拟合步骤主要包括：

a、基于rgb颜色特征获得运动示踪物的有效图像序列；

b、利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算其形心坐标；

c、用蒙特卡洛模拟方法实现示踪示踪物运动图像面积，并与示踪物初始面积对比，求解运动示踪物的铺展程度、折叠程度；

d、获得示踪物形态规律的拟合。

根据上述两个步骤获得示踪物轨迹的拟合，以及示踪物形态规律的拟合后，将规律输出是以数据形式输出，主要包括示踪物运动轨迹数据和示踪物形变数据。其中示踪物运动轨迹数据包括各向运动速度、加速度、滞留时间、分布区域等，示踪物形变数据包括外部轮廓、形心坐标、铺展程度、折叠程度。

洗烘设备洗烘过程衣物运动轨迹分析系统硬件结构如图2所示，包括：图像采集模块、图像预处理模块、图像分析模块及轨迹形态拟合模块，各模块统一集成形成一体化自动分析软件。

图像采集模块主要用于示踪物运动视频或者图像序列的采集，优选采用内嵌式渔网高速摄像机完成目标图像的采集，其采集过程主要包括两步：首先，将与洗烘负载和滚筒背景差异显著的异色示踪物置入洗烘设备，并启动洗烘设备进行工作过程示踪物运动轨迹研究；其次，依据采集实际需要，校准图像采集设备，并利用校准好的图像采集设备获取洗烘设备工作过程示踪物运动视频，以便后续分析使用。

图像预处理模块主要用于由运动视频逐帧分解得到的图像序列的降噪滤波处理，以便获取高质量的运动图像。其预处理过程主要包括：首先，利用kmplayer将采集的示踪物运动视频逐帧分解，获得其运动原始图像序列；其次，利用小波变换对获取的原始图像序列进行降噪滤波处理，获得高质量(优质)的示踪物运动图像序列。其中，图像降噪处理又包括如下步骤：对获取的图像进行小波变换分析、计算各个高分辨率子带图像的去噪阈值、判断其设定阈值(是，小波系数取0，否则依据尺度大小进行软硬法制去噪处理)、小波反变换，进而得到去噪后的图像。

图像分析模块主要用于洗烘设备洗烘过程衣物运动轨迹及形态的分析，主要包括示踪目标图像的检测、分割、运动特征提取。其中，目标图像检测包括像素矩阵构建、图像rgb值赋值、图像rgb矩阵赋值、图像rgb矩阵分解、各分解矩阵的图像rgb值求和。目标图像分割主要包括背景差分、阈值分割、形态学处理与连通域标记。目标图像特征提取主要包括运动示踪物轮廓边缘检测、运动示踪物形心三维坐标计算。

轨迹形态拟合模块主要用于洗烘设备洗烘过程衣物运动轨迹及形态的拟合及其规律输出。拟合部分主要包括示踪物运动轨迹和形态变化特征拟合。其中，示踪物运动轨迹的拟合主要包括：利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算器形心，并将其形心作为运动示踪物的三维空间坐标，再借助matlab中plot3函数拟合示踪物的运动轨迹拟合，将依据最小二乘法原理判断其拟合误差是否到达最小值，如达到最小值则认为拟合有效，实现了对示踪物运动轨迹的拟合，否则重新进行拟合，直至拟合符合实际运动轨迹为止。运动示踪物形态特征的拟合主要包括：利用背景差分、阈值分割、连通域标记提取示踪物的边缘轮廓，计算其形心坐标，再利用蒙特卡洛模拟方法实现示踪示踪物运动图像面积，并与示踪物初始面积对比，求解运动示踪物的铺展程度、折叠程度，实现示踪物形态规律的拟合。规律输出主要包括示踪物运动轨迹数据(各向运动速度、加速度、滞留时间、分布区域等)和示踪物形变数据(外部轮廓、形心坐标、铺展程度、折叠程度)。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。