基于機(jī)器視覺的嵌入式智能噴水感應(yīng)系統(tǒng)設(shè)計(jì)

1、基于機(jī)器視覺的嵌入式智能噴水感應(yīng)系統(tǒng)設(shè)計(jì)摘要:該文主要闡述了基于機(jī)器視覺的嵌入式智能噴水感應(yīng)統(tǒng)設(shè)計(jì)方法，包括硬件構(gòu)成和軟件算法,利用樹莓派和python 的組合，實(shí)現(xiàn)通過視覺識別的水流檢測。該文簡明闡述了系統(tǒng)的外觀結(jié)構(gòu)，詳細(xì)介紹了圖像處理中的各個(gè)環(huán)節(jié)。文章最 后作了數(shù)據(jù)分析，驗(yàn)證了該系統(tǒng)符合設(shè)計(jì)要求。關(guān)鍵詞：圖像處理;水流檢測邊緣檢測系統(tǒng)設(shè)計(jì)分析水流是充滿變化的，不穩(wěn)定的水的運(yùn)動(dòng)狀態(tài)，水從一定的 方向自由射出，受環(huán)境影響，往往具有不確定性。通過對不確 定的運(yùn)動(dòng)進(jìn)行視覺識別，有助于深入理解圖像識別的過程，由 此可以推廣其在生產(chǎn)生活中的應(yīng)用。本文主要介紹針對固定口噴射水流的識別系統(tǒng)設(shè)計(jì)，詳細(xì) 介紹

2、了水流從產(chǎn)生到識別的每個(gè)過程。本系統(tǒng)通過樹莓派進(jìn) 行圖像捕捉和識別，實(shí)現(xiàn)對水流的檢測，并將數(shù)據(jù)存儲(chǔ)下來，通 過局域網(wǎng)的方式傳輸至電腦，方便比對、統(tǒng)計(jì)、分析。1識別系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)識別系統(tǒng)基本包括水流發(fā)生裝置，識別裝置和支撐結(jié)構(gòu)， 具體結(jié)構(gòu)如下示意圖(圖1)。其中，圖中指示燈亮表示識別到水流，滅表示未識別到 水流。圖1裝置結(jié)構(gòu)示意圖根據(jù)滿足功能，簡潔節(jié)約的原則，水流由人力控制水槍產(chǎn)生，水槍支架為繪制定做的亞克力板，平臺支架由輕木板和短 木柱構(gòu)成，攝像頭和水流的隔離用全透明魚缸代替，魚缸亦可 以存放射出的水流，保持實(shí)驗(yàn)過程中模擬環(huán)境的整潔。其中， 水流的噴射結(jié)果盡量和魚缸輪廓平行,旦位居攝像頭視野中

3、 間，攝像頭的視場也盡量和魚缸輪廓平行，方便圖像的后期 處理。2識別系統(tǒng)的算法設(shè)計(jì)樹莓派的處理速度相較于普通常見的ARM開發(fā)設(shè)備，運(yùn) 行速度快，同時(shí)有著結(jié)構(gòu)精簡，應(yīng)用范圍廣，網(wǎng)絡(luò)連接方便的特 點(diǎn)。因此在均衡算法的執(zhí)行效率和代碼復(fù)雜度后，本系統(tǒng)采用 了 Python語言。Python語言具有擴(kuò)展功能強(qiáng)大,完成同樣內(nèi)容 代碼量低等諸多優(yōu)秀特點(diǎn),非常適合本項(xiàng)目的開發(fā)需求，在實(shí) 際的開發(fā)過程中也實(shí)質(zhì)上解決了程序設(shè)計(jì)中核心代碼難于編 寫的問題。2.1圖像的獲取主要利用opencv關(guān)于python的組件，通過python調(diào)用 opencv的圖像處理指令實(shí)現(xiàn)圖像的獲取。圖像由樹莓派所連接的攝像頭，通過連續(xù)拍

4、攝的方式得 到，從而不斷獲取動(dòng)態(tài)水流的圖像信息。文件通過逐幀讀取的 方法獲得實(shí)時(shí)拍攝的圖像，即識別所需要的水流圖形，如圖2 所示。算法中，利用python函數(shù)capture.read()讀取圖像信 息，并取圖片中心的120 x160個(gè)像素，以PNG文件格式保存 下來。圖2水流連續(xù)幀選樣2.2圖像的預(yù)處理2.2.1灰度化根據(jù)圖2所示,水流的圖形狀態(tài)相較于周邊背景的主要不 同點(diǎn)在于，水流由于光的折射和反射，產(chǎn)生了明度的變化，在圖 像的顏色上,主要表現(xiàn)為水流處比背景更偏向于白色。因此可 以得出一個(gè)初步的結(jié)論，圖像的顏色對于水流來講是弱相關(guān) 的，這一結(jié)論決定了下面的處理操作。為了減少處理的時(shí)間, 根據(jù)

5、顏色弱相關(guān)的結(jié)論，對圖像進(jìn)行灰度化(圖3)，程序中利用 語句 gray = cv.cvtColor( roi, cv.COLOR_BGR2GRAY)來實(shí)現(xiàn)灰度化的功能。此處的灰度化為平均權(quán)重，即:R + G + BI =3實(shí)現(xiàn)灰度化的功能。此處的灰度化為平均權(quán)重，即:R + G + BI =原來由RGB三種顏色存儲(chǔ)的圖像,統(tǒng)一采用灰度值存儲(chǔ), 對于以后的處理而言，實(shí)質(zhì)減少了所需處理的數(shù)據(jù)量。具體圖 片如圖3所示。圖3灰度化后的圖像2.3水流識別為了得到較好的水流識別效果，使得處理機(jī)構(gòu)能夠準(zhǔn)確地 在由水流時(shí)判斷出水流直線，在沒有水流時(shí),不作正判響應(yīng)，識 別系統(tǒng)針對2.2中灰度圖進(jìn)行了進(jìn)一步的處理

6、。算法在設(shè)計(jì) 時(shí)，首先使用2.2中灰度化后的圖像先后做降噪和輪廓提取，然 后再進(jìn)行直線擬合，判斷水流的存在。2.3.1降噪與輪廓提取對于運(yùn)動(dòng)目標(biāo)的輪廓獲取，首先需要對相鄰的兩幀圖像求 差分，即幀間差分法,從而得到在相鄰幀的時(shí)間內(nèi)，目標(biāo)運(yùn)動(dòng)的 變化狀態(tài)。同時(shí)，兩幀作差可以大范圍地消除背景靜噪聲帶來 的處理干擾，背景噪聲對于運(yùn)動(dòng)物體的輪廓干擾往往是致命 的。對于本設(shè)計(jì)而言，即要獲取運(yùn)動(dòng)的水流在兩幀之間的位移 變化。與一般的剛體運(yùn)動(dòng)物體不同，水流在自由運(yùn)動(dòng)時(shí)會(huì)改變 相對結(jié)構(gòu)狀態(tài)，但是其外部輪廓由于張力大致不變，適用于幀 間差分法。將圖3中的圖片與各自前幀作差，利用python函數(shù)delta = cv

7、.subtract(gray, last_frame)，得到下面的圖4。從直觀的角度上看，相較于圖3,圖4顯 得更加暗，但是非常明顯地可以看出背景靜噪聲被大幅削減， 可以預(yù)判這對后續(xù)的操作產(chǎn)生了有利影響。圖4幀間差分后的圖像上文所提及的水流在運(yùn)動(dòng)中會(huì)產(chǎn)生形態(tài)的變化,這一變化 可能會(huì)帶來邊緣的不確定性，因此對已經(jīng)作差的圖片采取小半 徑的高斯模糊。pyhton函數(shù)為：blur = cv.GaussianBlur( delta, (3, 3), 0)在本設(shè)計(jì)中，高斯核在X, Y方向上的取值均為3,避免由于 形態(tài)變化以及未能在差分中去除的背景噪聲對于輪廓提取的 影響，同時(shí)盡量保存圖片信息，減少由于模糊

8、帶來的圖像信息 失真。處理后的圖像如圖5所示。圖5高斯模糊后的圖像對于圖5的調(diào)整的后的圖像，采用canny算子得到輪廓，程 序中,直接調(diào)用函數(shù)，即，binary = cv.Canny(blur, 4, 20)經(jīng)過處理后如圖6所示。圖6經(jīng)canny算子處理后的圖像輪廓2.3.2針對降噪的必要性分析經(jīng)過處理后如圖6所示。圖6經(jīng)canny算子處理后的圖像輪廓由2.2.1,本系統(tǒng)在抓取水流的輪廓前，做了兩步降噪操作， 并旦從處理后得到的輪廓來看，當(dāng)前數(shù)據(jù)的輪廓清晰簡潔，水 流線周圍噪聲在可接受的范圍內(nèi)，背景底噪基本被去除。為了 進(jìn)一步證明降噪的必要性,在得出輪廓后，添加了對比實(shí)驗(yàn)，兩 組對照組分別為完

9、全不降噪直接取輪廓和僅作差分后再提取 輪廓,具體對比如表1所示。表1降噪效果對照表由表得出，每一步的降噪對最終輪廓的獲取都有較大的影 響，每一步的降噪操作都是必要的。兩步降噪最終實(shí)現(xiàn)了對特 定的水流輪廓的提取，為后續(xù)的直線擬合打下了良好的基礎(chǔ)。2.3.3直線擬合經(jīng)過上面各個(gè)步驟的處理，水流的輪廓已經(jīng)被提取出來， 圖像的信息也被壓縮成了二值化之后的結(jié)果，此時(shí)采用霍夫變 換，得到圖像中主直線的斜率，并在圖像中繪制出來，如圖7所 示，每一張圖都有自己的主直線,該直線即可以大致表示成水 流在圖像中的方向。圖7擬合后的直線繪制根據(jù)系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)，要求攝像頭視場和水流方向均與魚 缸輪廓大致平行，由此排除直

10、線斜率偏差過大的情況。在實(shí)驗(yàn) 中，為了方便數(shù)據(jù)的記錄和傳輸,將正負(fù)斜率統(tǒng)一取絕對值計(jì) 算,將糾正后的斜率轉(zhuǎn)化為傾斜角顯示,并256等分，記0-255, 為了區(qū)別斜率避免誤解,此處將修正后的斜率結(jié)果稱為斜率 值。斜率值只能取0-255這256個(gè)整數(shù)。其中，0表示和X軸平 行,255表示和X軸垂直,1-254分別對應(yīng)其中的等分(圖8)。 由于實(shí)驗(yàn)?zāi)M環(huán)境的干擾,以及攝像頭視場并不能完全正好與 水流平行，系統(tǒng)把大于200的斜率值都記為識別成功結(jié)果,即 識別為水流,把不大于200的斜率值記為識別失敗,即沒有識 別到水流。圖8斜率值的分布2.4結(jié)果呈現(xiàn)根據(jù)直線擬合的結(jié)果，系統(tǒng)在得到識別成功的結(jié)果后，指

11、示燈點(diǎn)亮，表示識別出該攝像頭上方有水流經(jīng)過，否則指示燈 為熄滅狀態(tài)。3識別結(jié)果分析3.1識別結(jié)果和原數(shù)據(jù)的比對為了驗(yàn)證識別結(jié)果的準(zhǔn)確性，把圖7中的直線擬合結(jié)果代 入原圖中,得到圖9。根據(jù)圖片的顯示，直線擬合的結(jié)果和水流 的運(yùn)動(dòng)方向大致吻合得到的擬合結(jié)果，大致滿足系統(tǒng)的設(shè)計(jì) 需要。3.2系統(tǒng)功能的達(dá)標(biāo)性檢測驗(yàn)證本項(xiàng)目系統(tǒng)的達(dá)標(biāo)性，是評判一個(gè)系統(tǒng)是否滿足了設(shè) 計(jì)之初要求的必要的論證過程，幫助尋找系統(tǒng)中存在的漏洞和 不足之處,具有科研的嚴(yán)謹(jǐn)性。項(xiàng)目正樣本負(fù)樣本總計(jì)檢出TP漏檢FP忽略TN虛警FN數(shù)2樣本數(shù)量統(tǒng)計(jì)根據(jù)表2,借用機(jī)器學(xué)習(xí)的概念，計(jì)算統(tǒng)計(jì)結(jié)果的識別率 指標(biāo)：準(zhǔn)確率：精確率:TP + TNTP + FP + TN + FN=92.89%TPTP + FP=89.88%召回率:TPTP + FN=100%由此根據(jù)F-measure法，計(jì)算F1的值:F1 = -2P = 95.23%P + R由F1的值得出解論，本系統(tǒng)的設(shè)計(jì)結(jié)果大致滿足了設(shè)計(jì)要求，能夠良好地完成識別判斷任務(wù)。4總結(jié)圖9直線擬合