一种感兴趣区域的定位方法在仪表监控识别中的应用的制作方法
【专利摘要】本发明涉及一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括：A、粘贴二维码；B、摄像头初始化；C、抓取图像；D、移动侦测；E、图像格式转换；F、检测所述Marker标记，定位到ROI感兴趣区域；G、分割感兴趣区域ROI；H、识别读数；I、读数显示；J、声音报警。本发明Marker标记只有黑、白两种颜色，图像二值化后很明显，能够快速而准确地定位感兴趣区域ROI，简化了图像预处理操作，能够适应光线变化的情况且鲁棒性很强。本发明使用移动侦测方法检测仪表的抖动，仅在仪表发生抖动时对字符进行定位，解决了仪表监控识别中的仪表抖动、仪表特征不明显及感兴趣区域ROI定位难度大的问题。
【专利说明】一种感兴趣区域的定位方法在仪表监控识别中的应用
【技术领域】
[0001]本发明涉及一种感兴趣区域的定位方法在仪表监控识别中的应用，属于图像处理与模式识别【技术领域】。
【背景技术】
[0002]目前某些测量仪表不具备数据传送接口，不能实现数据的自动采集，人工读取数据不仅效率低、易出错，而且不适合长时间连续工作。
[0003]在仪表监控识别系统中，有时会因为某些原因，如机械设备工作时的震动或监控摄像头的摇晃，导致采集到计算机的图像中仪表的位置发生轻微的变化，称之为仪表抖动。当仪表发生抖动时，仪表上的字符位置也随之移动，需要重新确定字符区域的位置才能进行字符识别。处理抖动的一般方法是，在对每一帧图像的识别中都要对仪表的字符区域进行定位。在对识别速度要求不高的情况下，这种方法能够有效消除仪表抖动的影响，是被广泛应用的一种方法。然而这种方法不能满足高速识别的要求，因为在连续的识别过程中，当仪表没有发生抖动时，字符的位置也没有移动，这时的字符定位是没有必要的。
[0004]在仪表外部特征不明显、易受光线影响的情况下，实现仪表特征提取必然需要不断的进行滤波、去噪等预处理操作，不仅增加了程序的复杂度，而且识别准确率低。
【发明内容】
[0005]针对现有技术的不足，本发明公开了一种感兴趣区域的定位方法在仪表监控识别中的应用；
[0006]术语解释
[0007]移动侦测，一般也称运动检测，是指通过摄像头连续采集得到的图像被CPU按照一定算法进行计算和比较，当画面有变化时，如有人走过，镜头被移动，若得出的结果超过阈值，系统能够自动作出相应的处理；
[0008]计算机视觉，是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像；
[0009]本发明的技术方案为:
[0010]一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括:
[0011]A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位直能够定位所述感兴趣区域ROI ；
[0012]B、摄像头初始化，包括:设置图像尺寸范围为800X600-1624X1234，设置图像格式MonoS，设置增益为自动增益，设置单次最大采集帧数范围为6-12 ；
[0013]C、抓取图像，即采用摄像头 SDK 中的 StartGrabbingO 和 GetRetrieveResultO方法抓取前后两巾贞CPylonImage格式的图像Al、A2 ；
[0014]D、移动侦测，使用移动侦测方法判定从Al到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留Al或A2作为下一步要处理的图像；
[0015]E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像；
[0016]Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量；
[0017]F、检测所述Marker标记,定位到ROI感兴趣区域,具体步骤如下:
[0018](I)图像灰度化，得到灰度化图像；
[0019](2)对灰度化图像进行直方图均衡化处理；
[0020](3)图像二值化；
[0021](4)检测图像轮廓；
[0022](5)搜索图像中可能的Marker标记；
[0023](6)检测并解码步骤(5)得到的可能的Marker标记；
[0024](7)筛选解码后的可能的Marker标记，找出正确的Marker标记；
[0025](8)对感兴趣区域ROI进行定位,根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
[0026]所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点:
[0027]①所述白色块为白色，所述黑色块为黑色；
[0028]②所述Marker标记为规则的矩形；
[0029]③所述Marker标记有方向属性,所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180° >270°得到的四种图像各不相同；
[0030]④所述Marker标记为7 X 7的栅格，所述Marker标记中心5 X 5的栅格为识别编码，所述Marker标记周围一圈为黑色边界；
[0031]G、分割感兴趣区域R0I,具体是指,采用Mat类的构造函数Mat(Rectl, Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rectl为所述图像，所述Rect2为所述感兴趣区域ROI ；
[0032]H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别；
[0033]1、读数显示，将步骤G识别出的字符显示在屏幕上；
[0034]J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声曰?
[0035]根据所述Marker标记的特点,非常容易将图像中的所述Marker标记提取出来,所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性,对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来区分仪表的类型；检测到所述Marker标记后，即可根据步骤A所述确定位置定位感兴趣区域ROI。
[0036]本发明通过计算机视觉进行自动化识别。
[0037]根据本发明优选的,所述图像灰度化,具体是指,使用OpenCV的cvCvtColorO函数将Mat格式的图像转化生成灰度图。
[0038]根据本发明优选的，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHistO函数对所述灰度化图像进行直方图均衡化。
[0039]根据本发明优选的，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
[0040]根据本发明优选的，所述检测图像轮廓，具体是指，使用opencv库中的findContoursO函数从步骤(3)得到的图像中得到一系列多边形轮廓。
[0041 ] 根据本发明优选的，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates ()方法从所述多边形轮廓中获取可能的Marker标记,用approxPolyDPO函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于lOpixel，则不认为是可能的Marker标记,否则,认为是可能的Marker标记。
[0042]只有顶点数目为4的凸多边形且才有可能是Marker标记。
[0043]根据本发明优选的，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括:
[0044]a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序；
[0045]b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2,取所述周长S1、S2中的较小值S,计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)
<S，则认为所述任意两个Marker标记重复,去掉所述任意两个Marker标记中那个周长较短的Marker标记,保留所述任意两个Marker标记中周长较长的Marker标记,否则,保留所述任意两个Marker标记,接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
[0046]C、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
[0047]d、识别步骤c得到的所述正方形Marker标记,所述正方形Marker标记为7X7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记,如果是,接着对所述正方形Marker标记中心5X5的栅格解码,所述正方形Marker标记中心5X5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
[0048]针对每种所述校验码，最多有1024种不同的编码方式。
[0049]所述正方形Marker标记中心5X5的栅格旋转不变性才能得到唯一的编码。
[0050]根据本发明优选的，筛选解码后的可能的Marker标记，找出正确的Marker标记，具体是指，步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90° > 180° >270°得到的4种不同方向的Marker标记,对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记,所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
[0051]本发明的有益效果为:
[0052]1、本发明使用移动侦测方法检测仪表的抖动，仅在仪表发生抖动时对字符进行定位，省略了未抖动时的字符定位，提高了识别速度，提高了仪表监控识别中的实时性；并且解决了仪表监控识别中的仪表抖动、仪表特征不明显及感兴趣区域ROI定位难度大的问题；
[0053]2、本发明使用Marker标记检测的方法代替对仪表的原始特征提取，降低了程序复杂度，使用marker标志检测方法来定位感兴趣区域R0I，提高了定位的准确性，提升了识别准确度；
[0054]3、本发明通过计算机视觉进行自动化识别，避免了人工读取的不足，是一种非常理想的解放人力、提高效率的途径；
[0055]4、本发明对不同类型的仪表粘贴不同的Marker标记,根据识别出的Marker标记来区分仪表的类型；
[0056]5、本发明摄像头开闭、切换仪表界面、存储数据等操作，能够识别5种不同的仪表，有自动跟踪字符功能，在光线合适的情况下，识别准确率能达到95 %以上，识别速度达到4帧/秒。
【专利附图】
【附图说明】
[0057]图1是本发明所述Marker标记的示例图；
[0058]图2是本发明流程图；
[0059]图3是本发明Marker标记的编码图，图3中，Marker标记为7X7的栅格周围一圈为黑色边界，Marker标记中心5X5的栅格中，取第一列、第三列、第五列为校验码，第二列和第四列作为id关键词，第二列和第四列中，黑色栅格编码为0，白色栅格编码为1，编码为 00001010 ；
[0060]图4为感兴趣区域ROI与Marker标记所述确定位置示例图，图4中，已知Marker标记的边长为a,左上角坐标为(al，a2),感兴趣区域ROI位于Marker标记正上方，感兴趣区域ROI长2.5a，宽1.5a ;据此，确定感兴趣区域ROI的左上角坐标(m，η)为(al, a2+l.5a)，感兴趣区域 ROI 长 2.5a,宽 1.5a ;
[0061]图5a为一种Marker标记的不例图；
[0062]图5b为图5a所述Marker标记顺时针旋转90°的示例图；
[0063]图5c为图5a所述Marker标记顺时针旋转180°的示例图；
[0064]图5d为图5a所述Marker标记顺时针旋转270°的示例图；
[0065]图5a、图5b、图5c、图5d为四种不同的Marker标记,反应了 Marker标记的方向属性。
【具体实施方式】
[0066]下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。
[0067]实施例1
[0068]一种感兴趣区域的定位方法在仪表监控识别中的应用，具体步骤包括:
[0069]A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和位直能够定位所述感兴趣区域ROI ；
[0070]B、摄像头初始化，包括:设置图像尺寸范围为800X600，设置图像格式Mono8，设置增益为自动增益，设置单次最大采集帧数6 ;
[0071]C、抓取图像，即采用摄像头 SDK 中的 StartGrabbingO 和 GetRetrieveResultO方法抓取前后两巾贞CPylonImage格式的图像Al、A2 ；
[0072]D、移动侦测，使用移动侦测方法判定从Al到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留Al或A2作为下一步要处理的图像；
[0073]E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像；
[0074]Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量；
[0075]F、检测所述Marker标记,定位到ROI感兴趣区域,具体步骤如下:
[0076](I)图像灰度化，得到灰度化图像；
[0077](2)对灰度化图像进行直方图均衡化处理；
[0078](3)图像二值化；
[0079](4)检测图像轮廓；
[0080](5)搜索图像中可能的Marker标记；
[0081](6)检测并解码可能的Marker标记；
[0082](7)筛选解码后的可能的Marker标记，找出正确的Marker标记；
[0083](8)对感兴趣区域ROI进行定位,根据所述Marker标记与感兴趣区域ROI的所述确定位置，完成对感兴趣区域ROI的定位；
[0084]所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特点:
[0085]①所述白色块为白色，所述黑色块为黑色；
[0086]②所述Marker标记为规则的矩形；
[0087]③所述Marker标记有方向属性,所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180° >270°得到的四种图像各不相同；
[0088]④所述Marker标记为7 X 7的栅格，所述Marker标记中心5 X 5的栅格为识别编码，所述Marker标记周围一圈为黑色边界；
[0089]G、分割感兴趣区域R0I,具体是指,采用Mat类的构造函数Mat(Rectl, Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rectl为所述图像，所述Rect2为所述感兴趣区域ROI ；
[0090]H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别；
[0091]1、读数显示，将步骤G识别出的字符显示在屏幕上；
[0092]J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声曰?
[0093]根据所述Marker标记的特点,非常容易将图像中的所述Marker标记提取出来,所述Marker标记只有黑、白两种颜色，在图像二值化后很明显，根据所述Marker标记的矩形特征和方向属性,对图像进行透视变化和倾斜校正，另外，每种所述Marker标记的内部结构不同，对内部结构进行编码和解码，用来区分仪表的类型；检测到所述Marker标记后，SP可根据步骤A所述确定位置定位感兴趣区域ROI。
[0094]本发明通过计算机视觉进行自动化识别。
[0095]实施例2
[0096]根据实施例1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，设置图像尺寸范围为1624X 1234，设置图像格式MonoS，设置增益为自动增益，设置单次最大采集帧数12 ；
[0097]实施例3
[0098]根据实施例1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，设置单次最大采集帧数10 ；
[0099]实施例4
[0100]根据实施例1-3任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述图像灰度化，具体是指，使用OpenCV的cvCvtColor O函数将Mat格式的图像转化生成灰度图。
[0101]实施例5
[0102]根据实施例4所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHistO函数对所述灰度化图像进行直方图均衡化。
[0103]实施例6
[0104]根据实施例5任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
[0105]实施例7
[0106]根据实施例6所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours O函数从步骤(3)得到的图像中得到一系列多边形轮廓。
[0107]实施例8
[0108]根据实施例7所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates O方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDP O函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于lOpixel，则不认为是可能的Marker标记，否贝1J，认为是可能的Marker标记。
[0109]只有顶点数目为4的凸多边形且才有可能是Marker标记。
[0110]实施例9
[0111]根据实施例8所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括:
[0112]a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序；
[0113]b、检测所有可能的Marker标记中是否有重复的Marker标记，计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2,取所述周长S1、S2中的较小值S,计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4)
<S，则认为所述任意两个Marker标记重复,去掉所述任意两个Marker标记中那个周长较短的Marker标记,保留所述任意两个Marker标记中周长较长的Marker标记,否则,保留所述任意两个Marker标记,接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记；
[0114]C、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记；
[0115]d、识别步骤c得到的所述正方形Marker标记,所述正方形Marker标记为7X7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记,如果是,接着对所述正方形Marker标记中心5X5的栅格解码,所述正方形Marker标记中心5X5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
[0116]针对每种所述校验码，最多有1024种不同的编码方式。
[0117]所述正方形Marker标记中心5X5的栅格旋转不变性才能得到唯一的编码。
[0118]实施例10
[0119]根据实施例9任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其区别在于，筛选解码后的可能的Marker标记，找出正确的Marker标记,具体是指,步骤
(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180° >270°得到的4种不同方向的Marker标记,对所述四种不同方向的Marker标记进行编码,得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
【权利要求】
1.一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，具体步骤包括: A、粘贴二维码，具体是指，在所述仪表感兴趣区域ROI边缘确定位置处粘贴二维码即Marker标记；所述确定位置是指通过刻度尺或其它测量工具通过所述Marker标记的大小和似直能够定似所述感兴趣区域ROI ； B、摄像头初始化，包括:设置图像尺寸范围为800X600-1624X1234，设置图像格式MonoS，设置增益为自动增益，设置单次最大采集帧数6-12 ； C、抓取图像，即采用摄像头SDK中的StartGrabbingO和GetRetrieveResultO方法抓取前后两巾贞CPylonImage格式的图像Al、A2 ； D、移动侦测，使用移动侦测方法判定从Al到A2是否发生变化，如果发生变化，则保留A2作为下一步要处理的图像，如果没有发生变化，则保留Al或A2作为下一步要处理的图像； E、图像格式转换，即将步骤C得到的图像转换成Mat格式的图像； Mat是OpenCV库处理图像的标准格式，格式转换的方法是获取源图像的缓存地址，将图像数据逐行赋值给Mat类型的变量； F、检测所述Marker标记,定位到ROI感兴趣区域,具体步骤如下: (1)图像灰度化，得到灰度化图像； (2)对灰度化图像进行直方图均衡化处理； (3)图像二值化； (4)检测图像轮廓； (5)搜索图像中可能的Marker标记； (6)检测并解码步骤(5)得到的可能的Marker标记； (7)筛选解码后的可能的Marker标记,找出正确的Marker标记； (8)对感兴趣区域ROI进行定位，根据所述Marker标记与感兴趣区域ROI的所述确定位直，完成对感兴趣区域ROI的定位； 所述Marker标记是由白色块和黑色块构成的规则图形，所述Marker标记有如下特占-^ \\\.①所述白色块为白色，所述黑色块为黑色； ②所述Marker标记为规则的矩形； ③所述Marker标记有方向属性,所述方向属性是指将所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180° >270°得到的四种图像各不相同； ④所述Marker标记为7X7的栅格,所述Marker标记中心5X5的栅格为识别编码,所述Marker标记周围一圈为黑色边界； G、分割感兴趣区域R0I,具体是指,采用Mat类的构造函数Mat(Recti, Rect2)将步骤E定位到的感兴趣区域ROI分割出来作为目标图像；其中，所述Rectl为所述图像，所述Rect2为所述感兴趣区域ROI ； H、识别读数，使用模板匹配方法对步骤F中所述目标图像进行字符识别； 1、读数显示，将步骤G识别出的字符显示在屏幕上； J、声音报警，如果步骤H所述字符超过预先设定的分贝上限值dbH，发出报警声音。
2.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述图像灰度化，具体是指，使用OpenCV的cvCvtColorO函数将Mat格式的图像转化生成灰度图。
3.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述对灰度化图像进行直方图均衡化处理，具体是指，扩大所述灰度化图像的动态范围，增强灰度化图像的亮度和对比度，使用cvEqualizeHistO函数对所述灰度化图像进行直方图均衡化。
4.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述图像二值化，具体是指，采用Otsu算法获取步骤(2)处理后的灰度化图像的自适应阈值，进行二值化，得到二值化图像，并将所述二值化图像进行反色得到二值化图像的背景，所述Otsu算法为最大类间差法或大津算法。
5.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述检测图像轮廓，具体是指，使用opencv库中的findContours O函数从步骤(3)得到的图像中得到一系列多边形轮廓。
6.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述搜索图像中可能的Marker标记，具体是指，通过MarkerDetector类中的findMarkerCandidates O方法从所述多边形轮廓中获取可能的Marker标记，用approxPolyDPO函数从所述多边形轮廓中筛选出顶点数目为4的凸多边形，检测所述凸多边形边长，如果所述凸多边形的最小边长小于lOpixel，则不认为是可能的Marker标记，否贝1J，认为是可能的Marker标记。
7.根据权利要求1所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，所述检测并解码步骤(5)得到的可能的Marker标记，具体步骤包括: a、将所有步骤(5)得到的可能的Marker标记逆时针排序，即将所述步骤(5)得到的可能的Marker标记4个顶点按照逆时针排序； b、检测所有可能的Marker标记中是否有重复的Marker标记,计算所有可能的Marker标记中任意两个Marker标记的周长S1、S2,取所述周长S1、S2中的较小值S,计算所述任意两个Marker标记的4个对应顶点之间的距离L1、L2、L3、L4，如果(L1+L2+L3+L4) < S，则认为所述任意两个Marker标记重复,去掉所述任意两个Marker标记中那个周长较短的Marker标记,保留所述任意两个Marker标记中周长较长的Marker标记,否则,保留所述任意两个Marker标记,接着采用上述同样的方法检测剩下的可能的Marker标记中是否有重复的Marker标记； C、利用透视变换将步骤b得到的所述Marker标记转换成正方形Marker标记； d、识别步骤c得到的所述正方形Marker标记,所述正方形Marker标记为7X7的栅格，首先，检测所述正方形Marker标记的周围一圈是否为黑色边界，如果不是，检测下一个Marker标记，如果是,接着对所述正方形Marker标记中心5X5的栅格解码,所述正方形Marker标记中心5X5的栅格中，取第一列、第三列、第五列为校验码，用来保证旋转，第二列和第四列作为id关键词。
8.根据权利要求1-7任一所述的一种感兴趣区域的定位方法在仪表监控识别中的应用，其特征在于，筛选解码后的可能的Marker标记,找出正确的Marker标记,具体是指,步骤(5)得到的所述Marker标记以及按照同一方向将所述Marker标记旋转90°、180°、270°得到的4种不同方向的Marker标记,对所述四种不同方向的Marker标记进行编码，得到4种不同的编码，取所述4种不同的编码中汉明距离最小的编码对应的Marker标记为正确的Marker标记，所述汉明距离是指4种不同的编码中一、三、五列与校验码不同的栅格总数。
【文档编号】G06K9/60GK104361353SQ201410655580
【公开日】2015年2月18日 申请日期:2014年11月17日 优先权日:2014年11月17日
【发明者】姜威, 于向阳, 李振宇, 朱秀娟 申请人:山东大学