基于轮廓的多尺度多角度图像识别方法及图像识别系统与流程

本发明涉及图像识别领域，特别是涉及到运用图像识别进行产品定位、计数及有无判断等应用领域。

背景技术：

1、随着时代的发展，在工业生产中自动化技术逐渐成熟，人工逐渐被自动化取代。其中，需要视觉检测的岗位，工业生产中最常用的方法为红外线感应等光感式方法。但是，随着工艺的复杂性及对自动化程度需求的提升，有了对工件更快速准确定位的需求。广谱型的方法为采集匹配图像信息，并将匹配图像和模板图像进行匹配的图像识别方法。

2、对此，中国专利cn115619775a公开了基于图像识别的物料计数方法及装置。先提取待检测图像，并对图像先后进行与背景像素的一次分离，再进行轮廓提取及矫正过滤，之后与模板进行对比。此种方案在工业应用上相比光感应，准确度有了明显的提升。但是，工业应用环境复杂，其需要更倾向于检测速度快、适应性强方面。

3、已公布的现有图像识别方法，大多存在耗时长，对边缘特征不强的模板匹配难甚至无法实现匹配，另外匹配多个模板时无法实现过滤功能的问题。

技术实现思路

1、本发明克服了上述技术的不足，提供了新的图像识别方法及图像识别系统，以解决快速识别图像需求问题，并且提升了对边缘特征模糊的模板的匹配准确性。

2、为实现上述目的，本发明采用了下列技术方案：

3、基于轮廓的多尺度多角度图像识别方法，包括有通过将模板图像和采集的匹配图像进行匹配的方式来对重合的目标图像进行定位的步骤，还包括扩展模板图像角度的预处理步骤s1及确定模板图像的边缘特征的预处理步骤s2，所述模板图像经过预处理后再和匹配图像进行匹配。

4、进一步地，所述预处理步骤s1是通过对所述模板图像旋转变化来制作复数个限定角度范围的模板图像m1，所述预处理步骤s2是对经过预处理步骤s1产生的模板图像m1进行处理，并制作复数个边缘特征图像m2。

5、进一步地，所述预处理步骤s2的确定边缘特征的方式采用通过设定阈值的方式。

6、进一步地，设定阈值的方式采用轮廓的多边形逼近和/或轮廓的关键点获取和/或轮廓的边界框和/或轮廓矩的方式。

7、进一步地，根据模板图像的不同类型，可自适应选择阈值设定方式进行特征提取。

8、基于轮廓的多尺度多角度图像识别方法，还包括对模板图像进行预处理步骤s1之前通过缩放模板图像来制作复数个尺寸的模板图像m1-1的预处理步骤s1-1、对采集的匹配图像通过缩放来制作复数个尺寸的匹配图像p1的预处理步骤s3；

9、所述匹配图像p1缩放比例与所述模板图像m1-1缩放比例相对应；

10、所述预处理步骤s1对所述模板图像m1-1进行处理；

11、每个所述匹配图像p1和所对应每个所述模板图像m1-1延伸制作出的复数个边缘特征图像m2进行匹配，并对重合的目标图像进行定位。

12、进一步地，所述预处理步骤s1-1的模板图像的缩放以及所述预处理步骤s3的匹配图像的缩放均采用图像金字塔方式，可以对图像进行最大程度的还原，提升匹配准确性。

13、进一步地，图像识别方法还包括定位目标图像之前，对匹配结果进行筛选的过滤结果筛选步骤，可以对多图像同时匹配造成的不同结果进行筛选过滤，进一步提升匹配准确性。

14、图像识别系统，包括采集匹配图像的图像采集部、储存模板图像的储存部、以及对所述采集部采集的匹配图像和所述储存部的模板图像进行匹配的图像识别部，并利用如上所述的基于轮廓的多尺度多角度图像识别方法，进行图像识别。

15、进一步地，所述图像识别系统还包括将所述图像识别部的匹配结果可视化输出的显示部，便于用户接收图像识别结果。

16、有益效果：

17、1、通过对模板图像进行扩展角度及确定边缘特征的预处理方式，可以在面对复杂的实际使用工况时，避免因目标图像的角度歪斜或者背景环境与模板图像环境差异大而造成的图像识别失效，进而提升了图像匹配准确度。

18、2、通过旋转的方式可以快速对模板图像进行角度扩展，并且先扩展角度再进行边缘特征的确定，可以降低因模板图像角度不同造成的边缘特征确定时的噪音。

19、3、模板图像的边缘特征确定方式采用计算简单、运算效率较高、速度快的阈值设定方式。同时，其阈值设定方式采用多种方式，并根据模板图像的不同类型，可自适应选择阈值设定方式进行特征提取，在保证匹配准确性的同时，提升匹配效率。

20、4、通过对模板图像及匹配图像进行相对应的尺寸扩展预处理，然后再对模板图像进行角度扩展及确定边缘特征的预处理。如此，可以同时对多尺寸的匹配图像进行多角度的匹配，降低工况环境造成的噪音，提升匹配准确性的同时，还能保证匹配效率。

技术特征：

1.基于轮廓的多尺度多角度图像识别方法，包括有通过将模板图像和采集的匹配图像进行匹配的方式来对重合的目标图像进行定位的步骤，其特征在于还包括扩展模板图像角度的预处理步骤s1及确定模板图像的边缘特征的预处理步骤s2，所述模板图像经过预处理后再和匹配图像进行匹配。

2.如权利要求1所述的基于轮廓的多尺度多角度图像识别方法，其特征在于所述预处理步骤s1是通过对所述模板图像旋转变化来制作复数个限定角度范围的模板图像m1，所述预处理步骤s2是对经过预处理步骤s1产生的模板图像m1进行处理，并制作复数个边缘特征图像m2。

3.如权利要求2所述的基于轮廓的多尺度多角度图像识别方法，其特征在于所述预处理步骤s2的确定边缘特征的方式采用通过设定阈值的方式。

4.如权利要求3所述的基于轮廓的多尺度多角度图像识别方法，其特征在于设定阈值的方式采用轮廓的多边形逼近和/或轮廓的关键点获取和/或轮廓的边界框和/或轮廓矩的方式。

5.如权利要求4所述的基于轮廓的多尺度多角度图像识别方法，其特征在于根据模板图像的不同类型，可自适应选择阈值设定方式进行特征提取。

6.如权利要求2所述的基于轮廓的多尺度多角度图像识别方法，其特征在于还包括对模板图像进行预处理步骤s1之前通过缩放模板图像来制作复数个尺寸的模板图像m1-1的预处理步骤s1-1、对采集的匹配图像通过缩放来制作复数个尺寸的匹配图像p1的预处理步骤s3；

7.如权利要求6所述的基于轮廓的多尺度多角度图像识别方法，其特征在于所述预处理步骤s1-1的模板图像的缩放以及所述预处理步骤s3的匹配图像的缩放均采用图像金字塔方式。

8.如权利要求6所述的基于轮廓的多尺度多角度图像识别方法，其特征在于还包括定位目标图像之前，对匹配结果进行筛选的过滤结果筛选步骤。

9.图像识别系统，其特征在于包括采集匹配图像的图像采集部、储存模板图像的储存部、以及对所述图像采集部采集的匹配图像和所述储存部的模板图像进行匹配的图像识别部，并利用权利要求1至权利要求8的任意一项权利要求所述的基于轮廓的多尺度多角度图像识别方法，进行图像识别。

10.如权利要求9所述的图像识别系统，其特征在于还包括将所述图像识别部的匹配结果可视化输出的显示部。

技术总结
本发明公开了基于轮廓的多尺度多角度图像识别方法，通过将模板图像和采集的匹配图像进行匹配的方式来对重合的目标图像进行定位，还包括扩展模板图像角度的预处理步骤S1及确定模板图像的边缘特征的预处理步骤S2，所述模板图像经过预处理后再和匹配图像进行匹配。通过对模板图像进行扩展角度及确定边缘特征的预处理方式，可以在面对复杂的实际使用工况时，避免因目标图像的角度歪斜或者背景环境与模板图像环境差异大而造成的图像识别失效，进而提升了图像匹配准确度。

技术研发人员：张治国,吴茂聪,郭世宝,徐海东,冷斌,金清泉
受保护的技术使用者：长园医疗精密（深圳）有限公司
技术研发日：
技术公布日：2024/2/1