一种图像目标识别及计数方法与流程
本发明涉及图像处理的,特别是涉及一种图像目标识别及计数方法。
背景技术:
1、在图像自动化处理场景中,常需要从大量截图中提取特定视觉元素并进行数量统计,例如,在电商平台的内容审核、数据统计与自动化运营中,需要通过识别截图中的特定图标及其关联元素来判定内容的互动热度或奖励资格。
2、现有技术方案通常采用以下方式:
3、一是单模板固定阈值法,仅准备一张模板图像,在整张图片中滑动模板计算相似度,高于固定阈值则判定为目标,该方法的缺陷在于当截图存在不同背景亮度风格时,单一模板无法同时适配,深色主题下目标图标的边缘对比度与浅色主题差异显著,导致匹配失败率极高;
4、二是单阈值二值化法,将图像转换为灰度图后,采用单一固定像素值进行二值化分割,该方法的缺陷在于同一固定阈值无法同时适用于亮底图和暗底图,阈值设高则暗底图全黑,阈值设低则亮底图全白,无论怎么调整都存在大量漏检;
5、三是深度学习检测法,如基于yolo、faster-rcnn等目标检测模型,该方法的缺陷在于需要大量人工标注的训练样本,训练成本高,推理速度慢,且对边缘设备或批量处理场景不友好;
6、四是全局亮度统计分流法,通过计算整图灰度均值来判断亮暗,再选择不同阈值,该方法的缺陷在于全局均值无法反映目标区域的局部对比度特征,当截图中存在大面积中性色块时,全局均值会严重偏离目标区域的真实亮度分布,导致分流错误。
7、综上所述,现有技术在处理同时存在不同背景亮度风格的批量截图时,存在适应性差、误检率高、暗底场景几乎失效的技术瓶颈。
技术实现思路
1、为解决上述技术问题,本发明提供一种通过双模板匹配结果直接驱动二值化策略选择,实现了不同背景亮度下目标识别的自适应切换的图像目标识别及计数方法。
2、本发明的一种图像目标识别及计数方法,包括以下步骤:
3、s1、搜索区域截取:
4、获取待处理图像,将其转换为灰度像素矩阵:
5、;
6、根据预设锚点坐标(,)及沿第一方向(x轴)的容差和沿第二方向(y轴)的容差,从灰度像素矩阵中截取矩形搜索区域r:
7、
8、;
9、其中(,)为模板尺寸,(w,h)为图像宽高,该步骤将后续匹配的搜索范围从全图缩小至局部区域,减少计算量;
10、s2、双模板获取:
11、获取第一样式模板图像和第二样式模板图像,第一样式模板图像对应第一类背景亮度下的目标图标样式,如深色主题下的目标图标,第二样式模板图像对应第二类背景亮度下的目标图标样式,如浅色主题下的目标图标,两类模板分别捕获目标图标在不同背景亮度下的外观特征;
12、s3、多尺度归一化互相关匹配:
13、对和分别执行多尺度归一化互相关匹配,缩放系数序列由下式生成:
14、;
15、其中=0.8,=0.1,
16、;
17、优选=4;于各尺度下,将模板按该尺度缩放后,使用tm_ccoeff_normed算法计算模板与搜索区域的归一化互相关系数:
18、;
19、其中为模板像素灰度值,为模板灰度均值,为搜索区域对应位置灰度值,ō为搜索区域灰度均值;
20、s4、形状校验与最佳匹配更新:
21、在各尺度遍历过程中,当任一模板的当前匹配度大于已记录的最高匹配度时,计算该匹配度对应匹配区域的外接矩形长宽比:
22、;
23、仅当(优选=0.85,=1.25)时,以该匹配度更新并记录对应匹配位置、尺度及模板归属;
24、该步骤利用目标图标接近正方形的几何特征,将长宽比不符合的匹配结果剔除,降低误检率;
25、s5、锚点确认与背景模式判定:
26、若(优选=0.5),则将该最高匹配度对应的匹配位置确定为目标锚点(,),并将该匹配度所对应的模板归属确定为背景模式:
27、;
28、该步骤的关键在于,背景模式不是由全局亮度统计或人工设定决定,而是由模板匹配结果自动决定哪个模板匹配得分高,就说明当前截图属于哪种背景风格,相较于全局亮度均值分流更精准,因为模板匹配直接感知的是目标区域的局部对比度特征;
29、s6、动态感兴趣区域裁剪:
30、以目标锚点(,)为基准,按以下偏移规则从待处理图像中裁剪带状感兴趣区域:
31、
32、
33、;
34、其中为锚点宽度,为锚点高度;裁剪起点坐标为(+δx,+δy),裁剪区域宽度为w−(+δx),裁剪高度为,该步骤利用了界面布局的先验知识,关联元素位于目标图标的同排右侧且高度相对固定;
35、s7、背景自适应二值化:
36、根据背景模式选择二值化分割方向,第一亮度阈值和第二亮度阈值由对应模式下的局部灰度分布确定:
37、
38、;
39、其中(·)表示灰度矩阵(带状感兴趣区域的灰度矩阵)的第p分位数;
40、当背景模式为第一模式(暗底)时,采用正向二值化(thresh_binary):
41、;
42、当背景模式为第二模式(亮底)时,采用反向二值化(thresh_binary_inv):
43、;
44、优选的,对应60,对应230;
45、该步骤的关键创新在于,二值化策略不是由人工判断或全局亮度统计决定,而是由模板匹配的结果自动决定,哪个模板匹配得分高,就自动选用对应的二值化参数和分位策略;
46、s8、垂直投影与间隙识别计数:
47、对二值化图像执行列方向像素投影:
48、;
49、间隙阈值g由下式确定:
50、;
51、优选=5,遍历投影信号,使用状态机识别有效段:
52、当>(优选)时进入有效段状态;当=0时启动间隙验证,仅当验证窗 内各列投影值均不大于时确认该间隙为有效分隔点,统计宽度落入的有效段数量(为目标标准宽度,优选),作为目标计数值。
53、优选的,一种图像目标识别系统,该系统包括搜索区域截取模块,用于执行方法的获取待处理图像并转换为灰度像素矩阵、根据预设锚点坐标及容差截取矩形搜索区域的步骤;
54、双模板多尺度匹配模块,用于执行方法的获取第一模板图像和第二模板图像、执行多尺度归一化互相关匹配、确定目标锚点和背景模式的步骤;
55、感兴趣区域裁剪模块,用于执行方法的以目标锚点为基准按预设偏移规则裁剪带状感兴趣区域的步骤;
56、背景自适应二值化模块,用于执行方法的根据背景模式选择二值化分割方向生成二值化图像的步骤;
57、投影计数模块,用于执行方法的对二值化图像执行列方向像素投影并统计有效段数量作为目标计数值的步骤;
58、优选的,还包括一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现方法的步骤。
59、与现有技术相比本发明的有益效果为:
60、1、通过第一模板和第二模板的并行匹配,自动识别当前截图的背景风格,提高匹配成功率;
61、2、二值化策略由模板匹配结果自动决定,而非人工设定或简单亮度阈值切换,第一模式用正向二值化(优选60,第二模式用反向二值化(优选230,两种策略精准适配各自的背景风格,暗底场景的召回率从单模板固定阈值方案的约10%提升至85%。
62、3、(优选=0.85, =1.25),将扁平气泡、细长装饰条等视觉相似但形状不符的元素排除,误检率较纯模板匹配降低;
63、4、通过自适应间隙阈值g加向前验证机制,有效区分紧密排列的目标,提高计数准确率。
64、5、整个方案基于经典计算机视觉算法,无需标注数据和gpu算力,在普通cpu上单张图片处理耗时约20毫秒,满足大规模批量处理需求。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com