一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法与流程

技术特征：

1.一种基于模板更新的改进型联合稀疏表示大输液中异物跟踪方法，其特征在于，包括以下步骤：

步骤1：采集位于高速生产线上的大输液瓶的序列图像；

步骤2：对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量；

步骤3：依次以第一帧图像中的一个待跟踪目标的位置为基础，从第一帧图像中采集图像块，生成目标前景正字典和目标背景负字典；

步骤4：对目标前景正字典和目标背景负字典进行规范化处理后，提取目标的稀疏判别字典，构造待跟踪目标的稀疏判别分类器；并获得待跟踪目标的稀疏生成模型，且利用待跟踪目标的稀疏判别分类器和稀疏生成模型构造待跟踪目标的联合稀疏模型；

步骤5：以当前帧图像中待跟踪目标的位置为基础，从下一帧图像中采集图像块，获取所有候选目标图像块；

步骤6：计算每个候选目标图像块属于待跟踪目标的置信度，并计算候选目标图像块与待跟踪目标稀疏直方图的相似度；

步骤7：利用联合稀疏模型，从所有候选目标图像块中选取置信度和相似度乘积最大的图像块作为当前帧图像中的待跟踪目标；

步骤8：以当前帧图像中的待跟踪目标的位置，在当前帧中采集图像块，生成新的目标前景正字典和目标背景负字典，从而构建新的待跟踪目标的稀疏判别字典，返回步骤5，直到得到当前待跟踪目标在序列图像中的运动轨迹后，再返回步骤3，获取下一个待跟踪目标在序列图像中的运动轨迹。

2.根据权利要求1所述的方法，其特征在于，当所有被采集了图像块的图像帧数为2的倍数时，所述步骤8中构建的新的待跟踪目标的稀疏判别字典替代前一次被使用的待跟踪目标的稀疏判别字典，用于下一帧图像构建联合稀疏模型；否则，则使用前一次被使用的待跟踪目标的稀疏判别字典，构建下一帧图像的联合稀疏模型。

3.根据权利要求2所述的方法，其特征在于，所述联合稀疏模型的表达式如下：

$H_c{L}_c={\mathrm{\Σ}}_{j=1}^{J\×M}min({\mathrm{\φ}}_c^j,{\mathrm{\ψ}}^j)/\left(1+\exp \left(-\left({\mathrm{\ϵ}}_b-{\mathrm{\ϵ}}_f\right)/\mathrm{\σ}\right)\right)$

其中，H_c为第c个候选目标图像块的置信度，ε_f是候选目标图像块x在当前目标前景正字典下的重构误差，ε_b是候选目标图像快x在当前目标背景负字典下的重构误差，

A₊为当前目标前景正字典矩阵，A_-为当前目标背景负字典矩阵，为当前目标前景正字典矩阵下得到的稀疏系数矩阵，为当前目标背景负字典下得到的稀疏系数矩阵

L_c为第c个候选目标图像块的相似度，为第c个候选目标图像块的稀疏直方图中第j个系数，ψ^j为第一帧图像的目标模板稀疏直方图中第j个系数；J为每一个候选目标图像块对应的稀疏系数向量的维数；M为从每帧图像中采集的图像块数目；

σ表示图像块方差，取值范围为0-1之间。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述步骤2中对第一帧图像进行二值化，获取第一帧图像中待跟踪目标的位置和数量的具体步骤如下：

步骤2.1：对第一幅图像Image0进行二值化操作，得到二值图像Imagebinary0；

将待跟踪目标从背景图像中分割出来，T1为设定二值化分割阈值，Image(x,y)为图像中(x,y)位置像素的灰度值；

$\mathrm{Im}agebinary0(x,y)=\left\{\begin{array}{c}255,\mathrm{Im}age(x,y)\≥T1\\ 0,\mathrm{Im}age(x,y)\<T1\end{array}\right.$

步骤2.2：对二值图像Imagebinary0进行连通域搜寻操作，根据异物的大小寻找与异物大小相差不超过10％的连通域Blob，并对Blob进行孔洞填充；

步骤2.3：粗定位待跟踪目标在图像中的位置place0和待跟踪目标的数目number；

步骤2.3.1：采用重心法计算出每个填充连通域Blob的中心O(x_o,y_o)，即为目标的圆心，N为Blob像素点总数：

$O(x_o,y_o)=(\underset{i=1}{\overset{N}{\Σ}}{x}_i/N,\underset{j=1}{\overset{N}{\Σ}}{y}_j/N),\∀(x_i,y_j)\∈Blob$

其中，(x_i,y_i)表示连通域中像素点的坐标。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述待跟踪目标的联合稀疏模型的生成过程如下：

步骤4.1：根据前一帧图像中所获得的待跟踪目标的初始位置，计算目标的稀疏判别字典并用于构造待跟踪目标的稀疏判别分类器；

步骤4.1.1：将随机偏移量加到待跟踪目标的初始坐标，得到围绕初始坐标的随机坐标；以随机坐标为中心采集前景图像快，得到包含目标前景的图像块，将所有图像块的灰度值向量化，得到前一帧图像的正字典；

步骤4.1.2：以待跟踪目标的初始坐标为圆心，根据目标的运动速度估计目标在下一帧图像的可能运动范围R，以R为半径对背景采集图像块，得到包含目标背景的图像块，将所有图像块的灰度值向量化，得到前一帧图像的负字典；

步骤4.1.3：将两个字典分别规范化，并级联成一个判别字典，构造目标的稀疏判别分类器；

步骤4.2：提取目标的稀疏生成模型；

步骤4.2.1：用规范化的图像块来表示目标图像的局部外形灰度特征；

使用滑动窗口在待跟踪目标图像上获得M个图像块，将每个图像块都转化为一个向量，并通过计算得到每个图像块的稀疏系数；

步骤4.2.2：通过M个图像块得到的M个稀疏系数向量，将M个稀疏系数向量规范化，然后合并成一个稀疏矩阵B，通过该稀疏矩阵得到目标的稀疏直方图模型，即目标的稀疏生成模型；

步骤4.3：利用步骤4.1获得的稀疏判别分类器和步骤4.2获得的稀疏生成模型共同构建联合稀疏模型。