基于视频采集与亮点检测技术的医疗设备诊断智能化研究

陈勇+汪汉国+钱坤��

摘要：数字视频开发应用在各行业发挥重要作用，视频信号的采集与目标检测技术更是得到了广泛的关注。针对具有抖动特征的疾病，旨在利用视频采集与亮点检测技术对静态、动态场景下的亮点进行检测、追踪和轨迹再现，研究抖动特征，以期待进一步实现医疗设备诊断的智能化。因此，在Visual C++ 6.0编程环境下，利用Open CV技术，通过Direct Show进行视频采集，对比不同检测算法来处理图像信息，经过形态学滤波、连通性分析对图像变化区域进行后处理，从而实现亮点检测与追踪，保存亮点坐标数据以实现轨迹再现，分析亮点运动特征。

关键词：Open CV；视频采集；检测算法；亮点检测；轨迹再现

中图分类号：TB文献标识码：Adoi：10.19311/j.cnki.16723198.2017.26.090

看病难、看病贵以及看病效率低等现状对进一步实现医疗设备诊断的智能化提出要求，正如现实生活中存在很多病人带有肢体抖动的症状，通过分析这种抖动的症状是有规律可循的，如果将这些抖动转换为亮点的位移变化，通过视频信号的采集与目标检测技术将抖动的轨迹绘制出来分析规律，比如抖动方式、频率、幅度、偏差度以及方差等，建立病理分析数据库，提高诊断的可靠性。亮点检测系统在实时性、可靠性及准确性上提出了更高要求，需要在静态和动态不同场景下通过对比不同亮点检测算法选择最优算法，以及调整二值化阈值精确判断亮点位置。本文研究重点亮点检测的算法选择以及亮点运动轨迹的绘制及规律分析。利用Open CV和Visual C++ 6.0组建实验平台，通过去除噪声、正确识别亮点目标、实时图像分割及处理、绘制亮点轨迹对亮点运动规律进行了研究。

1系统设计综述

系统设计总体框图如下图1所示：主菜单下包括三种工作模式：一般模式、对比模式和轨迹分析模式。一般模式和对比模式都经过亮点检测算法的选择即相邻帧差法、三帧差法和高斯建模算法的最优选择。

具体从以下几个方面考虑：

（1）对比模式下，综合考虑各种场景对实验的影响，使用三种方法去除图像噪声，并且通过同一背景下不同算法的比较达到选择的最优。

（2）运动目标检测方面，在研究应用目前应用普遍的帧间差分法和背景差分算法，背景采用单高斯建模方法。通过系统设定、用户设定和自适应阈值的选择设定阀值。其中自适应的方法采用OTSU算法实时计算阈值提取运动目标，旨在适应背景图像的亮度变化。

（3）一般模式下，采用形态学滤波处理得到相对清晰、准确的亮点目标，再进行连通性分析，去除小面积噪声，保留足够大的目标，进行区域标记，分割出完整的运动目标，用矩形框标记。

（4）在绘制轨迹方面，通过数学计算将矩形框的中心数值型坐标转换为字符串逐行存储在.TXT文件中，然后导出字符串型数据，转换为数值型坐标进行画点连线，达到轨迹的绘制。

（5）规律分析方面，重新提取坐标，通过求平均值计算亮点中心位置坐标，再利用其他坐标和中心坐标（X，Y）的最远距离R，确定亮点以中心位置（X，Y）为圆心，以R为半径活动的圆形区域范围。将偏离中心位置的偏差度及方差计算出来以表示稳定性。

2视频采集与抖动检测

2.1视频采集

视频采集包括初始化从文件中获取视频、初始化从摄像头中获取视频两种方式。其中，初始化从文件中获取视频使用函数cvCreateFileCapture（ ）实现，初始化从摄像头中获取视频使用函数cvCreateCameraCapture（ ）实现。

2.2抖动检测

2.2.1图像预处理

实时视频图像序列一般都会受噪声、背景光照渐变等环境因素影响，視频图像预处理显得尤为重要，消除噪声、平滑图像的同时还可以改善图像的视觉效果，而且提高了程序的运行效率，节省了存储空间。本文用到的图像预处理技术包括图像色彩空间转化、图像平滑、图像灰度处理等。因为将彩色图像转换为灰度图像处理更为方便，而且提高了运行效率以及存储图像的内存空间，提高了系统实时性的要求。直接使用函数cvCvtColor（ ）可以将获取的一帧彩色图像转换为单通道的灰度图像，考虑到视频信号在采集、传输以及保存的中间过程中，经常会受到种种条件限制和随机干扰，进而产生多种类型的噪声，因此去除噪声是十分重要的预处理过程。去除噪声的方法有均值滤波、中值滤波、高斯滤波等，选取最为恰当的方法去除不同类型的噪声，本文选择高斯滤波，使用平滑函数cvSmooth（ ）来实现高斯滤波。

2.2.2亮点检测方法

静态背景下一般采用相邻帧差法、三帧差法，动态背景下一般采用高斯建模背景差分法，三种亮点检测算法原理框图如图2所示。帧间差分法是一种基于像素的运动检测方法，它通过对视频图像序列中相邻的两个或三个帧图像进行差分运算跟踪亮点。单高斯建模背景差分法来实现背景的建立和更新减少动态场景的变化、光照的变化、阴影的产生以及其他的干扰带来的影响。通过三种检测算法的xuan'z二值化阈值合理设定以及连通性分析捕捉亮点轨迹，即抖动轨迹。

图2相邻帧差法、三帧差法、高斯建模背景差分法原理框图

3抖动特征规律分析

亮点区域利用cvRectangle（）标定生成矩形框，函数对应参数指明了矩形框定点坐标，利用对定点坐标计算出中心点的坐标（Xcenter，Ycenter）并保存坐标数据，将字符串型数据转换成数值型并且画点连线绘制轨迹，对坐标累加求和取平均得出轨迹中心位置坐标，以及两点围绕中心位置的波动情况即方差，以及偏离中心位置的偏差度，并且以中心位置为基准计算出抖动频率等规律。

4实验结果

（1）一般模式下，采用高斯建模背景差分法、相邻帧差法和三帧差法三种检测方法追踪亮点依次得到的结果如下图3所示，此种场景下高斯建模背景差分法更加靠。对比模式下高斯建模背景差分法优势更为明显，所以此种场景宜使用高斯建模背景差分法，如图4所示。

5结论

综上，本文旨在利用现有的理论、算法基础和软件平台，以开发应用为目的，研究如何从序列图像中检测出运动亮点目标进行跟踪和轨迹再现，基于Open CV技术，在VC++ 6.0编程环境下跟踪运动目标并进行检测分析，完成了运动目标检测系统以及轨迹的绘制和规律分析。

参考文献

[1]刘瑞祯，于仕琪.学习OpenCV（中文版）[M].北京：清华大学出版社，2009，（5）.

[2]王威. 基于背景和帧间差分方法的运动目标检测的研究[D]. 上海：上海大学，2008，（3）.

[3]王小平，张丽杰，常佶. 基于单高斯背景模型运动目标检测方法的改进[J]. 计算机工程与应用， 2009， 45（21）： 118120.

[4]范立南，李金峰等. 利用VC++6.0实现数学形态学图像边缘检测算法[J]. 沈阳大学学报，2004， 16（4）：13.