堆粮高度线的检测方法和装置的制造方法
【技术领域】
[0001] 本发明涉及智能粮食仓储管理领域，尤其涉及一种堆粮高度线的检测方法和装 置。
【背景技术】
[0002] 粮食仓储管理的自动化水平目前仍有待提升。堆粮高度测量、粮食出入仓信息记 录等都依赖人工完成，阻碍了粮食物流组织化程度的发展。堆粮高度线，也称存粮线，是堆 粮高度测量和控制、粮食出入仓检测等的重要参考标志线，其位置的检测对粮仓智能监控 和监管有重要作用。
[0003] 堆粮高度线有特定的颜色和形状，一般为水平涂刷在墙壁上的固定宽度的深红色 长条。但是，粮仓环境中灯光昏暗且光源较多，导致堆粮高度线在图像中的颜色变化较大， 基于颜色空间建模的堆粮高度线的检测结果的漏检率和误检率都较高。另外，堆粮高度线 常常紧邻仓顶、墙面和粮食的分界线、粮面走道板等，类似形状的目标较多。并且，粮面、走 道板等相对位置不固定，屋顶高度离堆粮高度线没有固定距离，所以堆粮高度线在水平边 缘特征上不具有唯一性。
[0004] 颜色空间模型是对图像中颜色进行建模和分析的常用方法，基于肤色的人脸检测 就是颜色空间模型的典型应用。Hough变换是一种可用于检测直线、圆等特定形状的模式识 别方法。目前还没有结合颜色空间模型和形状对堆粮高度线进行检测的有效手段。
【发明内容】
[0005] 本发明的实施例提供了一种堆粮高度线的检测方法和装置，以实现结合颜色空间 模型和形状对堆粮高度线进行有效的检测。
[0006] 本发明提供了如下方案：
[0007] -种堆粮高度线的检测方法，包括：
[0008] 通过摄像机采集堆粮高度线的训练图像，基于所述训练图像组成训练样本集；
[0009] 提取所述训练样本集中的每幅训练图像中的每个像素点的颜色空间特征，用EM 算法训练所有的颜色空间特征得到混合高斯模型；
[0010] 计算待检图像中的每个像素点的颜色空间特征相对于所述混合高斯模型的后验 概率值，得到概率图像；
[0011] 根据所述待检图像的灰度图像和所述概率图像，通过Hough变换分别得到堆粮高 度线上边缘的备选集合和下边缘的备选集合；
[0012] 从所述堆粮高度线上边缘的备选集合、下边缘的备选集合配对得到待检图像中的 堆粮高度线的位置。
[0013] 所述的通过摄像机采集堆粮高度线的训练图像，基于所述训练图像组成训练样本 集，包括：
[0014] 在不同时间段通过摄像机对需要检测堆粮高度线的墙面进行多次拍照，得到多个 训练图像，将所有训练图像组成训练样本集；
[0015] 在每幅训练图像中，选择出堆粮高度线内的若干个像素点，用泛洪填充算法找出 每幅训练图像中所选像素点的邻近点，所述邻近点与所选像素点的像素值之间的差值在指 定数值范围内，将所述邻近点和所选像素点一起加入到所述训练样本集中。
[0016] 所述的提取训练样本集中的每幅训练图像中的每个像素点的颜色空间特征，用EM 算法训练所有的颜色空间特征得到混合高斯模型，包括：
[0017] 对于训练样本集中的每幅训练图像中的任意一个像素点，设其RGB值分别为
R，G，B，该像素点的颜色空间特征为 对于训练样本集中的 ， 每幅训练图像中的每个像素点，分别提取其颜色空间特征；
[0018] 以所有像素点的颜色空间特征作为训练数据，用最大期望算法EM算法训练所述 训练数据得到一个混合高斯模型GMM，记为模型?
[0019]所述模型〇包含M个分量，每个分量包含3种参数（Wi,iii,D，i=l.. .M，Wi表 不第i个分量的权值，y i表不第i个分量的均值，2 i表不第i个分量的方差。
[0020] 所述的计算待检图像中的每个像素点的颜色空间特征相对于所述混合高斯模型 的后验概率值，得到概率图像，包括：
[0021] 拍摄出堆粮高度线的待检图像，对所述待检图像中的每个像素点，提取该像素点 的颜色空间特征X，计算所述颜色空间特征x相对于模型?的后验概率值为：
[0023] 其中，g是高斯密度函数。
[0024] 生成所述待检图像对应的灰度图像，该灰度图像中的每个像素点的像素值为所述 待检图像中的相同位置的像素点的所述后验概率值，对所述灰度图像进行腐蚀膨胀，得到 概率图像。
[0025] 所述的根据所述待检图像的灰度图像和所述概率图像，通过Hough变换分别得到 堆粮高度线上边缘的备选集合和下边缘的备选集合，包括：
[0026] 用Canny边缘检测算法对所述待检图像对应的灰度图像进行边缘检测，得到图像 C；
[0027] 用预先设定的索贝尔Sobel算子对所述概率图像进行卷积，得到图像S，将图像S 中负值设为0后的图像作为图像S+ ;将图像S中正值设为0、负值取反后的图像作为图像S-，将图像S+与图像C逐点相乘，得到图像H+，将图像S-与图像C逐点相乘，得到图像H-;
[0028] 对图像H+进行基于线段检测算法的Hough变换，将Hough变换后获得的线段记为 堆粮高度线上边缘的备选集合；对图像H-进行基于线段检测算法的Hough变换，将Hough 变换后获得的线段记为堆粮高度线下边缘的备选集合。
[0029] 所述的从堆粮高度线上边缘的备选集合、下边缘的备选集合配对得到待检图像中 的堆粮高度线的位置，包括：
[0030] 在堆粮高度线上边缘和下边缘的备选集合中，将小于堆粮高度线长度的经验阈值 L的线段去掉；
[0031] 将堆粮高度线的上边缘备选集合中的第i个线段和下边缘备选集合中的第j个线 段的长度之差记为dji,j),夹角记为ds(i,j),中点连线长度记为dM(i,j);
[0032] 则堆粮高度线的上下边缘由下式确定：
[0033] (m,n) =argmini；j-a|dL(i,j) |+b|ds(i,j) |+c|dM(i,j)-w
[0034] 其中，堆粮高度线的上边缘为所述上边缘备选集合中的第m个线段，堆粮高度线 的下边缘为所述下边缘备选集合中的第n个线段，w为堆粮高度线的经验宽度，a，b，c为设 定的权值，在m和n确定之后，将所述上边缘备选集合中的第m个线段作为堆粮高度线的上 边缘，将所述下边缘备选集合中的第n个线段作为堆粮高度线的下边缘，堆粮高度线的上 边缘的左右端点和下边缘的左右端点围成的四边形区域，作为堆粮高度线在所述待检图像 中的位置。
[0035] 一种堆粮高度线的检测装置，包括：
[0036] 训练样本集构造模块，用于通过摄像机采集堆粮高度线的训练图像，基于所述训 练图像组成训练样本集；
[0037] 混合高斯模型构造模块，用于提取所述训练样本集中的每幅训练图像中的每个像 素点的颜色空间特征，用EM算法训练所有的颜色空间特征得到混合高斯模型；
[0038] 概率图像获取模块，用于计算待检图像中的每个像素点的颜色空间特征相对于所 述混合高斯模型的后验概率值，得到所述概率图像；
[0039] 上、下边缘备选集合获取模块，用于根据所述待检图像的灰度图像和所述概率图 像，通过Hough变换分别得到堆粮高度线上边缘的备选集合和下边缘的备选集合；
[0040] 堆粮高度线确定模块，用于从所述堆粮高度线上边缘的备选集合、下边缘的备选 集合配对得到待检图像中的堆粮高度线的位置。
[0041] 所述的训练样本集构造模块，具体用于在不同时间段通过摄像机对需要检测堆粮 高度线的墙面进行多次拍照，得到多个训练图像，将所有训练图像组成训练样本集；
[0042] 在每幅训练图像中，选择出堆粮高度线内的若干个像素点，用泛洪填充算法找出 每幅训练图像中所选像素点的邻近点，所述邻近点与所选像素点的像素值之间的差值在指 定数值范围内，将所述邻近点和所选像素点一起加入到所述训练样本集中。
[0043] 混合高斯模型构造模块，用于对于训练样本集中的每幅训练图像中 的任意一个像素点，设其RGB值分别为R，G，B，该像素点的颜色空间特征为
对于训练样本集中的每幅训练图像中的每个像素点，分 别提取其颜色空间特征；
[0044] 以所有像素点的颜色空间特征作为训练数据，用最大期望算法EM算法训练所述 训练数据得到一个混合高斯模型GMM，记为模型? ;
[0045] 所述模型〇包含M个分量，每个分量包含3种参数（Wi,iii, 2 )，i=l.. .M，Wi表 不第i个分量的权值，y i表不第i个分量的均值，2 i表不第i个分量的方差。
[0046] 概率图像获取模块，用于拍摄出堆粮高度线的待检图像，对待检图像中的每个像 素点，提取该像素点的颜色空间特征X，计算所述颜色空间特征x相对于模型?的后验概率 值为：
[0048] 其中，g是高斯密度函数。
[0049] 生成所述待检图像对应的灰度图像，该灰度图像中的每个像素点的像素值为待检 图像中的相同位置的像素点的所述后验概率值，对所述灰度图像进行腐蚀膨胀，得到概率 图像。