光纤绕制视频检测识别技术

刘欢欢

(河南省煤炭科学研究院有限公司，河南 郑州 450001)

光纤绕制过程实时检测的基本原理是通过摄像机对光纤绕制过程进行图像输入，完成数字化工作，通过软件算法判断出光纤绕制过程中可能出现的爬线、断线、绕丝不均匀等问题，并给予控制系统反馈。

实际工作中，运动目标的检测是各种后续处理 (如目标分类、跟踪)的基础，处于整个运动分析系统的最底层，主要任务是从视频图像中将运动目标 “抠取出来”。本文中光纤缠绕即为运动目标，其视频是许许多多幅按时间序列构成的连续图像，每一幅“静止”的画面称为一“帧(frame)”。考虑到人眼的视觉暂留效应，一般采用24帧/s以上就可以在人眼中得到连续的重现效果。本检测系统中，光纤绕制的转速大约为1圈/s，采用PAL制电视25帧/s的标准来摄制图像，并以avi格式的视频文件存储[1-3]。

1 视频图像分割识别技术

检测系统视频图像是在CCD摄像机静止条件下摄制的，首先对视频帧进行固定间隔采样，然后进行图像预处理等一系列操作，最后对视频图像进行改进的视频算法检测，并识别出目标判断光纤绕制状态即缠绕情况，将其反馈到控制系统。

2 目标检测识别算法

在静态背景下，传统的运动目标检测方法有背景图像差分法、帧间差分法和光流法3种。下面对这3种检测方法依次进行详细讨论，结合该系统要实时检测和识别出光纤绕制可能出现的实际问题提出了改进算法，并进行了仿真。

2.1 背景图像差分法

背景图像差分法是传统运动目标检测方法中最简单、最直接的一种方法。假定图像背景是静止不变的，背景差分法具体表述如下：

d(i，j，t)=I(i，j，t)-B(i，j，t)

(1)

如果d(i，j，t)>Th，d(i，j，t)=1；否则d(i，j，t)=0。

其中，d(i，j，t)表示差值图像；I(i，j，t)表示当前帧视频图像；B(i，j，t)表示背景图像；Th为二值化时的阈值，取值为0和1的像素分别对应于背景(非运动区域)和前景(运动目标区域)，阈值选择得是否准确，将直接影响到二值图像的质量。如果阈值选得太低，会引入大量的噪声；如果阈值选得太高，二值图像中判定为运动目标的区域又会产生碎化现象。这里可以采用静态图像中阈值分割所使用的方法来进行阈值的选择。此方法的主要特点是可以使用当前被监视环境中的一幅静态背景作为背景图像，利用背景图像与当前帧图像的差进行运动目标检测。

该系统虽然是在室内环境下进行检测的，但当前帧与背景帧相减之后的图像会将这段时间内所有的绕制结果呈现出来，这样并不能将每次绕制的情况实时地检测并识别出来，达不到系统所要求的实时检测出运动目标的目的。而且用背景图像差分法去处理目标由静止开始运动的情况，出现许多伪运动目标点，将影响到目标检测的效果。所以，背景图像差分法并不适用于该系统，不做选取。

2.2 帧间图像差分法

帧间差分法可以很好地适用于存在多个运动目标和摄像机移动的情况。帧间差分法具体表述如下[4-8]：

d(i，j)=F(i，j，tn)-F(i，j，tn-1)

(2)

如果d(i，j)>Th，d(i，j)=1；否则d(i，j)=0。

其中，d(i，j)表示差值图像；F(i，j，tn)表示当前帧视频图像；F(i，j，tn-1)表示前一帧采集回的图像；Th为二值化时的阈值。在相减后的图像中，灰度不发生变化的部分被减掉，这样便可以消除二值图像中显露的背景，获得第n帧图像中的运动对象区域。

帧间差分法算法具有以下优点：实现简单，程序设计复杂度低；对光线等场景变化太敏感，能够适应各种动态环境，稳定性好。而且在得到的差分图像中，不等于零的像素可能是上一帧中被目标覆盖而在当前帧中显露出来的背景区域，并不一定都属于运动物体，那么此时差分图像中目标和显露的背景将同时存在，所以要得到实际的运动对象必须去除显露的背景。本系统是要检测出每相邻2根光纤的位置，而不是单纯地检测出一根光纤的形状及位置，故单纯使用帧间差分法也达不到系统的要求。

2.3 光流法

光流法在较理想的情况下，可以用于摄像机运动的情况，不需要预先知道场景的任何信息就能够检测出独立运动的对象，并可以很精确地计算出运动物体的速度。但光流法运算复杂，并且计算量大不适用该系统使用。

3 常用的计算机图像处理坐标系

计算机图像处理中主要有以下几种坐标系：图像坐标系、成像平面坐标系、摄像机坐标系、世界坐标系。这里主要讲述成像平面坐标系。

由于图像坐标系只表示像素位于数字图像的列数和行数，并没有用物理单位表示出该像素在图像中的物理位置，因而需要再建立以物理单位(例如厘米)表示的成像平面坐标系x-y。这里用(x，y)表示以物理单位度量的成像平面坐标系的坐标。x-y坐标系中，把原点O1定义在摄像机光轴和图像平面的交点处，称为图像的主点，该点一般位于图像中心处，但由于摄像机制作的原因，可能会有些偏离，O1在坐标系下的坐标为(u0，v0)，每个像素在x轴和y轴方向上的物理尺寸为dx、dy。上述2种坐标系如图1所示。

图1 改进算法的处理结果Fig.1 Processing results of the improved algorithm

4 改进的检测识别方法

鉴于背景差分法和帧间差分法的优缺点，要针对不同的应用环境选择不同的方法来满足不同的要求。所以将这两种方法结合使用，保证背景图像能随着光线的变化而变化，确保检测的准确性。

光纤绕制过程实时检测的基本原理是通过摄像机对光纤绕制过程进行图像输入，完成数字化工作，通过软件算法判断出光纤绕制过程中可能出现的爬线、断线、绕丝不均匀等问题，并给予控制系统反馈。根据图像的统计特性，对于视频图像来说，由于相邻帧的间隔很短，因此相邻帧间具有很强的相关性。在实际应用中，为了获得高效且较快的检测速度，可以对输入的视频图像进行抽样提取，从而节省程序运行时间，满足系统实时性的要求。由于本系统主要检测光纤绕制过程，所以光纤绕制速度就决定了视频图像的采样时间间隔。系统设定的光纤绕制速度大约为1 圈/s，因此对视频图像进行采样的时间间隔就定在大约每秒采集一帧。改进算法的具体表述如下。

(1)第1幅采样到的图像记为Fn-2，对图像Fn-2进行图像预处理操作，增强图像对比度，去掉图像的随机噪声，并对图像进行锐化处理，尽量减小噪声对图像的干扰。

(2)继续对视频图像进行采样，记录当前采样帧为Fn-1，对图像Fn-1进行图像预处理操作，增强图像对比度，去掉图像的随机噪声，对图像进行锐化处理，尽量减小噪声对图像的干扰。

(3)对视频图像进行第3次采样，记当前帧为Fn，对图像Fn进行图像预处理操作，增强图像对比度，去掉图像的随机噪声，对图像进行锐化处理，尽量减小噪声对图像的干扰。

(4)计算Fn-1-Fn-2=C。

(5)计算Fn-Fn-1=D。

(6)设定阈值T，并计算T/256=T′，目的是将T的值转化为double型数据T′。

(7)分别对上述差分图像C、D取绝对值，分别判断C、D与T′的大小，并运用find函数找到图C、D中值大于的所有点的图像坐标系中满足条件的坐标，并分别记到矩阵(row1，col1)、(row2，col2)中。灰度值大于T′的将其值置为255即白色，反之小于T′的将其灰度值置为0即黑色。

(8)分别找出图C矩阵中(row1，col1)、图D矩阵中(row2，col2)的最小列行坐标值，分别记为u1、v1、u2、v2，并运算u=u2-u1，v=v2-v1。

(9)判断u、v的值。由光纤的直径参数，设定当u>10时，可以判断此时绕线机出现差错，即出现了排线不均匀即排线出现间隔现象；当v>3时，判断此时绕线机出现差错，即可能出现了爬线现象。此时发出警报或使得蜂鸣器响起，并反馈给机械控制结构，便可检测并识别出光纤绕制出现异常情况的问题。如果u<10，v<3，则系统判断光纤绕制正常。

5 试验分析

通过上述的算法分析，运用此种改进算法进行光纤绕制检测，主要针对光纤绕制过程中常出现的爬线、排线不均匀等情况进行检测。运用改进算法进行图像处理的情况如图2所示。

图2 改进算法处理结果示意Fig.2 Processing results of improved algorithm

由算法可以得出，u1=213，v1=104，u2=219，v2=105，u3=230，v3=105。依照改进算法得出，第2次差分图像与第1次差分图像亮点即最后一次光纤位置的坐标差为(u2-u1，v2-v1)=(6，1)，满足设定的情况；而第3次差分图像与第2次差分图像亮点即最后一次光纤位置的坐标差为(u3-u2，v3-v2)=(11，0)，其中光纤的水平位置发生较大偏移，已经超出设定的范围。故可以看出，此时出现了排线不均匀即排线间隔的现象。

6 结语

分析研究了图像视频检测的各种方法，对几种常用视频检测算法进行分析研究，将背景差分法和帧间差分法结合使用，并进行了相应方法的MATLAB仿真。结果表明，运用改进算法可取得较好的检查光纤缠绕的效果，并且能够满足检测系统实时性的要求。