申请/专利权人：北京建筑大学

申请日：2018-02-05

公开（公告）日：2020-11-24

公开（公告）号：CN108364306B

主分类号：G06T7/33(20170101)

分类号：G06T7/33(20170101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.24#授权;2018.08.28#实质审查的生效;2018.08.03#公开

摘要：本发明涉及一种高速周期运动的视觉实时检测方法，属于视觉检测技术领域，所述实时视觉检测方法包括：提取周期运动特征，获得周期运动的圆周角度；基于所述周期运动的圆周角度，建立高帧率图像样本库；基于所述高帧率图像样本库，进行视觉实时检测及异常提取。该方法是一种单目相机、周期特征标记的快速检测算法，可以对周期性机械运动进行无损、可视化的实时检测，自动提取其中发生的异常状况，实现高速下周期运动的实时视觉检测。

主权项：1.一种高速周期运动的视觉实时检测方法，其特征在于，所述实时视觉检测方法包括：提取周期运动特征，获得周期运动的圆周角度；所述提取周期运动特征，获得周期运动的圆周角度，包括：预存储高帧率图像数据，作为初级样本图像数据，其中，所述预存储高帧率图像，为待测目标正常运动的图像；在所述高帧率图像数据中，标记周期运动区域，其中，所述标记周期运动区域属于预存储高频率图像数据的一部分；对所述标记周期运动区域进行局部区域图像处理，使每帧图像的标记周期运动区域对应的标记点位置融合形成一个圆周；计算所述周期运动的圆周角度；基于所述周期运动的圆周角度，建立高帧率图像样本库；所述基于所述周期运动的圆周角度，建立高帧率图像样本库，包括：将所述周期运动中的圆周角度重新排序；关联全局图像，形成标准的高速周期运动图像样本库；根据所述标准的高速周期运动图像样本库中相邻样本库之间的数据差异，建立具有掩膜结构的样本图像；基于所述具有掩膜结构的样本图像，建立带有掩膜滤波的标准图像样本库；基于所述高帧率图像样本库，进行视觉实时检测及异常提取；所述基于所述高帧率图像样本库，进行视觉实时检测及异常提取，包括：计算实时图像周期运动的圆周角度；提取及处理对应所述样本库图像；计算实时高速图像正常与异常状态值；自动检测与图像提取；单个高速相机采集的完整图像区域，包括圆周运动区域和待检测的高速运动操作区域；所述周期运动为圆周运动。

全文数据：一种高速周期运动的视觉实时检测方法技术领域[0001]本发明涉及视觉检测技术领域，具体涉及一种高速周期运动的视觉实时检测方法。背景技术[0002]视觉检测技术越来越多的用于人类社会的生产生活中，常规的视觉技术是利用相机采集目标图像，将视频图像数据保存于计算机中，并研究相应的图像处理和视频处理算法，完成基于视觉图像的自动检测与识别功能。视觉检测技术根据实时处理速度，可以分为普通视觉检测与高速视觉检测两类。普通的视觉检测系统通常为25-30帧秒的实时处理速度，高速视觉实时检测的处理速度，一般在128帧每秒以上，用于采集和检测高速运行的目标。[0003]高速视觉系统用于采集高速运动的瞬时图像，通过高性能图像处理算法，在几毫秒时间内完成对目标图像的快速处理，并输出关键的图像特征，完成对目标的实时处理。普通视觉由于采集速度低，对于高速运动现象，无法采集瞬间的高清图像，纹理特征模糊难辨，所以不适用于高速运动的检测。[0004]在工业生产领域，高速运动呈现周期性、重复性的运动状态，被人类控制以完成既定的动作，用于大规模生产与加工。其中，电机驱动的机械系统，是一类典型的周期运动操作系统。高速机械动作的单步执行时间，一般在几毫秒的时间内完成，需要用I〇〇〇fPS的高速相机进行检测。[0005]有研究者提出了高速机械系统运动特性的实时视觉检测技术研究。其利用高速图像传感器可以清晰地捕捉高速周期运动的瞬间图像，对于每个像素点，其灰度值变化满足周期特性，所以首先预存储原始高帧率图像，经过初级滤波除去背景像素点，通过离线图像处理选择出对周期运动影响最大的周期特征像素点；利用这些像素点和原始图像，计算出原始视频的周期相位值，建立周期相位查找表、周期矢量样本库和周期图像样本库，用于实时检测。在线图像处理中，将每一帧高速图像，根据选定的像素点，转换为一维矢量，从周期矢量样本库中进行相似度匹配，同时根据周期相位查找表搜索和提取当前帧对应的相位值，通过对应图像的相位校准，计算出高速周期运动的实时相位，根据长时间的实时计算，得到周期运动的频率值。其技术方案如图1所示。这种方法利用高速相机，对高速运动进行像素点优化，预存储正常周期的高速运动图像，设计复杂的算法，通过离线图像数据的大计算量运算，从全局图像像素点中提取一系列关键像素点，通过这些像素点的向量值，表示高速周期运动的特征值。同时，利用这些像素点和原始图像进行关联，建立样本库，从而进行高速实时的视觉检测。但该方法存在以下技术缺陷：1、该方法需要存储大量的正常运动高帧率图像数据，利用复杂的图像处理算法，计算并提取关键像素点，离线处理过程复杂耗时，通常需要十几分钟的离线计算过程，所以最大的缺点是数据量大、计算量大、算法复杂。2、该方法主要针对无明显圆周运动区域的高速周期运动，所以无法找到合适的标记点。由于没有明显的周期运动特征，所以此方法在周期特征值计算中，结果不稳定，会产生较多的噪声干扰。[0006]因此，对电机驱动的周期性机械运动，亟需一种单目相机、周期特征标记的快速检测算法，可以对周期性机械运动进行无损、可视化的实时检测，自动提取其中发生的异常状况，实现IOOOfps的实时视觉检测。发明内容[0007]本发明的目的在于针对现有技术存在的技术问题，提供一种基于高速相机的高速周期运动的视觉实时检测方法，解决以下技术问题：[0008]1、对于高速周期运动目标，能够通过一个高速相机，设计高性能的图像处理算法，对高速运动进行实时检测，自动提取出人眼无法观察的异常状态。[0009]2、在一个高速相机的采集图像中，设定周期运动区域图像与目标检测区域图像，并进行关联，简化系统设备，利用两个区域图像的关系，定义高速周期运动特性。[0010]3、利用周期运动标记，快速提取运动特性，建立高帧率周期运动样本库，解决500fps以上高速视觉的毫秒级实时处理问题，并自动检测异常目标，提取记录异常图像数据。[0011]为实现上述目的，本发明的技术方案为:一种高速周期运动的视觉实时检测方法，其特征在于，所述实时视觉检测方法包括：[0012]提取周期运动特征，获得周期运动的圆周角度；[0013]基于所述周期运动的圆周角度，建立高帧率图像样本库；[0014]基于所述高帧率图像样本库，进行视觉实时检测及异常提取。[0015]优选地，所述提取周期运动特征，获得周期运动的圆周角度，包括：[0016]预存储高帧率图像数据，作为初级样本图像数据，其中，所述预存储高帧率图像，为待测目标正常运动的图像；[0017]在所述高帧率图像数据中，标记周期运动区域，其中，所述标记周期运动区域属于预存储高频率图像数据的一部分；[0018]对所述标记周期运动区域进行局部区域图像处理，使每帧图像的标记周期运动区域对应的标记点位置融合形成一个圆周；[0019]计算所述周期运动的圆周角度。[0020]优选地，所述基于所述周期运动的圆周角度，建立高帧率图像样本库，包括：[0021]将所述周期运动中的圆周角度重新排序；[0022]关联全局图像，形成标准的高速周期运动图像样本库；[0023]根据所述标准的高速周期运动图像样本库中相邻样本库之间的数据差异，建立具有掩膜结构的样本图像；[0024]基于所述具有掩膜结构的样本图像，建立带有掩膜滤波的标准图像样本库。[0025]优选地，所述基于所述高帧率图像样本库，进行视觉实时检测及异常提取，包括：[0026]计算实时图像周期运动的圆周角度；[0027]提取及处理对应所述样本库图像；[0028]计算实时高速图像正常与异常状态值；[0029]自动检测与图像提取。[0030]优选地，单个高速相机采集的完整图像区域，包括圆周运动区域和待检测的高速运动操作区域。[0031]进一步优选地，所述将所述周期运动中的圆周角度重新排序，具体为:将所述高频率图像按照所对应的角度从小到大递增重新排序，形成稠密细分的周期运动样本图像库。[0032]进一步优选地，关联全局图像，具体为:所述将重新排序的图像结合、进行检测区域图像、圆周角度特征图像、与对应角度进行关联。[0033]本发明具有如下优点：[0034]1本发明可以实现对高速周期运动目标，高速动态背景中瞬间发生异常状态的自动检测。对于高速运动现象，普通相机难以采集清晰图像，而高速视觉系统虽然可以采集清晰图像，但普通的算法计算量较大，难以进行500fps-1000fps的实时处理。本发明可以针对高速周期运动特性，进行高速实时图像检测。[0035]2本发明针对高速周期运动，巧妙的利用其周期运动特性，快速提取运动特征值，利用高速相机进行图像检测，并建立样本数据库，实现了高效、快速的视觉检测。[0036]3本发明只利用一个高速相机，对检测区域进行图像采集，划分周期运动区域图像，利用典型的运动特性，实现了周期运动编码，减少了离线处理中图像样本库的建立时间，并节省了存储空间。本方法可以利用软件编程实现算法，避免了硬件编程对复杂算法的实现。[0037]4本发明针对高速周期运动进行实时视觉检测，特别针对电机驱动的复杂机械运动，或者具有局部圆周运动的高速系统，也可以利用周期运动区域的特征标记方法，进行快速的特征值计算与周期运动编码。[0038]5本发明为高速周期运动，提供了一种无接触、可视化的无损检测方法，具有更好的灵活性，并可以通过视频自动提取和细节回放技术，分析异常动作发生时的真实状况。附图说明[0039]图1为现有技术中的高速运动实时检测原理图；[0040]图2为本发明实施例提供的一种高速视觉实时检测方法流程示意图；[0041]图3为本发明实施例提供的一种高速周期机械运动的示意图；[0042]图4为本发明实施例提供的一种周期运动标记区域的图像处理示意图；[0043]图5为本发明实施例提供的一种周期运动圆周角度计算示意图；[0044]图6为实时图像处理的标记点中心坐标；[0045]图7为实时图像处理的圆周运动角度值；[0046]图8为实时图像处理的状态值不意图；[0047]图9为高速视觉检测出的高速周期运动中异常动作元素图像；[0048]图10为高速视觉检测出的高速周期运动中异常动作二值化提取图像。具体实施方式[0049]以下实施例用于说明本发明，但不用来限制本发明的范围。[0050]本发明实施例提供了一种基于高速相机的高速周期运动的视觉实时检测方法，如图2所示，该视觉实时检测方法包括周期运动特征提取、高帧率图像样本库建立及高速视觉实时检测三个部分。下面详细介绍这三部分的各自具体实施过程：[0051]1、周期运动特征提取[0052]1预存储高帧率图像数据[0053]待测目标为高速周期运动，属于电机驱动的往复式周期运动，一秒钟可以执行多次周期操作。寻找电机驱动的圆周运动区域，并将标签固定于圆周运动的零件上。利用高速相机以IOOOfps的帧率，采集高速运动中待测目标的高帧率图像，可以表示为Ix，y，nη=I，2，…，Ν，其中，N为所采集高帧率图像的帧数，1秒钟高帧率视频包括1000幅图像。其中，高帧率图像为8位单通道灰度图，像素值为0至255区间。[0054]预先存储的高帧率图像，为待测目标正常运动的图像，记为初级样本图像数据。其中，所采集的图像区域，需要包括完整的机械操作。如图3高速周期运动的例子所示，电机驱动的曲柄滑块机构，右边方框区域为电机驱动设备，左边方框区域为滑块与轨道的机械操作设备，右边圆形线为电机圆周运动，表示标记点中心的运动轨迹。整体机械系统，可执行0-50HZ的高速往复式运动。本发明所提出的方法，单个高速相机采集的完整图像区域，需要包括圆周运动区域和待检测的高速运动操作区域。采集的完整图像Ix，y，n、圆周运动区域图像Imx，y，n、待检测区域图像Idx，y，n，可以分为如下情况:①完整图像分割为：圆周运动区域图像Imx，y，n、待检测区域图像Idx，y，n与其他背景区域三部分，相互分离没有交集，则：[0055]ImX,«+X,«cX,«[0056]②完整图像分割为：圆周运动区域图像Imx，y，n与待检测区域图像Idx，y，n两部分，相互分离没有交集，则：[0057]Imx，y，n+Idx，y，n=Ix，y，n[0058]③完整图像就是待检测区域图像11，7，11，其中，圆周运动区域图像1»，7，11为局部区域，即参与圆周特征计算，又进行异常状态检测，则：[0059]Idx，y，n=Ix，y，nJmxAw[0060]④待检测区域图像Idx，y，n是完整图像Ix，y，n的一部分，圆周运动区域图像Imx，y，n为待检测区域图像的一部分，即参与圆周特征计算，又进行异常状态检测，则：[0061]Idx,y,ndx,y,n,Imx,y,ncldx,y,n[0062]对于以上情况，其中都需要保证圆周运动区域图像用于计算高速运动的特性，而对于待检测图像区域，可以按照实际需求进行分割。以下方法以情况①为例子进行说明，对应图3所示，其他情况的检测方法与情况①相同，只是待检测区域的面积不同。[0063]2标记周期运动区域[0064]高速相机固定位置，所采集的图像区域不变，根据待测周期运动的特点，选定并标记电机驱动执行器件的运动区域，如图3右边方框区域所示，包括圆周运动标记点，且不包括其他待测区域。所标记的周期运动区域，确保背景与标记点具有较大的对比效果。标记周期运动区域属于预存储高帧率图像数据的一部分，定义为Imx，y，nη=1，2，···，Ν。[0065]3局部区域图像处理[0066]对标记的周期运动区域ImX，y，nn=1，2，…，Ν进行阈值分割，将圆形标记与背景按照0、255重新赋值，形成二值化图像：[0067][0068]其中，Emx，y，nη=1，2，···，Ν为只包含黑色标记点的二值图像，Tm为阈值可将白色标记点与黑色背景区分。在局部区域图像中，圆形标记为黑色，背景为白色，如图4所示。预先存储的高帧率图像中，每帧图像的圆周运动标记区域都有对应的标记点位置，所有位置融合后形成一个圆周，如图4所不。[0069]⑷周期运动圆周角度计算[0070]将圆周运动标记区域二值化图像Emx，y，nη=1，2，···，Ν中黑色圆形像素区域进行融合，如图5a所示，所有的圆形标记组成一个圆形的像素值为0的黑色圆环，计算这些黑色像素点的中心0X，y，即为圆周运动的中心坐标。利用二值化图像EmX，y，nn=1，2，···，Ν，计算这些图像中黑色圆形的中心点Χ、Υ坐标，结合基本的三角函数公式，计算出标记点中心相对于轨迹中心0x，y水平轴的夹角角度，记为θηη=1，2,…，Ν，如图5⑹所示，并得到预先存储图像Ix，y，n与对应标记点角度θη的关系Ix，y，9nη=1，2，···，Ν，即利用角度值对周期运动进行编码。[0071]2、高帧率图像样本库的建立[0072]1周期运动中圆周角度重新排序[0073]预先存储图像IX，y，ηη=1，2，…，Ν采集高帧率图像，1秒钟视频包括1000幅图像，包括大于一个周期的机械操作，即对应的圆周运动标记具有多个周期。将这些高帧率图像Ix，y，9n，按照所对应的角度θηη=1，2，···，Ν从小到大递增重新排序，得到新的高帧率样本图像集合Rx，y，cKη=1，2，···，Ν，将形成一个更加稠密细分的周期运动样本图像库。其对应的待检测区域图像与圆周运动区域图像，分别表示为D，（η=1，2，···，Ν〇[0074]2全局图像关联[0075]将重新排序的图像集合Rx，y，Φηη=1，2，···，Ν，进行检测区域图像Rdx，y，Φη、圆周角度特征图像Rmx，y，Φη、与对应角度的Φηη=1，2,…，N关联。满足任意第η帧图像：[0076][0077]至此，关联图像集合完成后，形成一个标准的高速周期运动图像样本库，作为后续高速视觉实时检测的正确基准。在实时检测中，任意位置的瞬时高帧率图像，都可以通过对应的标记角度，找到其标准图像，通过图像数据的比对，判断实时状态的正常与异常。[0078]3邻域图像融合[0079]高帧率图像采集过程，是对待检测高速周期运动的离散化采样过程，所以标准的周期图像样本库，相邻样本图像之间，存在一定的时间间隔，即周期动作间隔。在高速实时检测中，瞬时运动的高帧率图像，对应此刻标记点的角度值，有可能处于相邻样本图的角度之间，从而导致图像差分比对中，两幅匹配的图之间不完全相同，出现虚假边缘或者鬼影图像的情况，差分计算后产生一定的噪声干扰，影响检测精度。[0080]本发明通过相邻两个角度对应样本图像的数据差异，建立具有掩膜结构的样本图像，将这种相邻图像间的差异，制作成掩膜图像，用于滤除实时检测中差分图像的噪声，这种正常状态图像差分计算出现的噪声，不需要参与到最后的计算中：[0081][0082]其中，本发明定义相邻图像差分后，像素值在64-256的值，为明显的虚假边缘。而对于小于64的灰度值，则视为可以忽略的噪声干扰，可以通过实时检测中的阈值分割进行滤除。将待检测区域样本图像与掩膜图像，通过对应角度的Φηη=1，2，···，Ν进行关联，可以建立最终的周期图像样本库：[0083]RfX，y，φn={RdX，y，φn，RyX，y，φη}[0084]⑷建立最终图像样本库[0085]基于以上离线图像处理方法，可以建立最终的带有掩膜滤波的标准图像样本库，记为Rfx，y，Φηη=1，2，···，Ν。表示当高速运动标记圆周角为Φη位置时，此刻对应检测区域图像的样本数据为Rfx，y，Φη。[0086]3、高速视觉实时检测与异常提取[0087]1实时图像周期特性的圆周角度计算[0088]离线图像处理建立最终图像样本库后，对高速周期运动进行高速实时的视频检测。定义高速视觉实时采集的图像为Gx，y，t，t表示高速实时检测对应的时间。同样利用周期运动特征提取中的方法，划分出圆周标记区域图像Gdx，y，t和局部目标检测区域图像GmX，y，t〇[0089]对标记的周期运动区域6»〇^，7，11进行阈值分割，将圆形标记与背景按照0、255重新赋值，形成二值化图像：[0090][0091]其中，GEmx，y，t为只包含黑色标记点的二值图像，Tm为阈值可将白色标记点与黑色背景区分，由于所检测系统的环境不变，取值与局部区域图像处理的参数一样，并利用圆周标记运动的中心0x，y，计算实时二值图像中标记中心点与中心0x，y的角度，记为h，方法与图5b所示相同。在高速实时视觉检测中，可以计算出圆周运动标记的中心点x、y坐标值，如图6所示，符合正线函数波形。同时，利用三角函数公式，计算得到对应的圆周角度如图7所示，其变化范围在0-360度之间，呈现周期性变化规律，在实时检测中，可以得到0.001秒为间隔的圆周角度输出值，表示实现了IOOOfps的高速视觉实时计算。[0092]2对应样本库图像的提取与处理[0093]对于实时高速运动中标记点位置对应的角度0*，在样本图像库心〇^，7,φη中，快速寻找最相近的两个角度Φ；与Φμ，并提取对应的图像Rfx，y，Φ0，包括待检测区域样本图像与掩膜图像:Rfx，y，Φθ={Rdx，y，Φ〇，Ryx，y，Φ〇}。利用图像差分计算实时图像与样本图像的差异：[0094]DX，y，t=IGX，y，t-RdX，y，Φg[0095]根据相同环境的实验数据，设定图像二值化阈值的经验值TC，计算差分图像的二值化图：[0096][0097]其中，背景图像的像素值为0,前景图像的像素值为255。当高速运动为正常状态时，图像差分后背景图像中不存在异常物体，图像像素值整体为O;当高速运动中出现异常状态时，图像差分后的二值化图像，会出现一部分像素值为255的像素区域，表示异常发生。之后，通过掩膜图像进行噪声滤波：[0098]Fcx，y，t=Dcx，y，t·Ryx，y，G[0099]其中，当掩模图像中对应的0值为掩膜结构，乘以二值化图像Dcx，y，t后，将对应的掩膜区域归零处理，而对于掩膜图像中的1值，则不做处理保持原值。[0100]3实时高速图像正常与异常状态值计算[0101]计算二值化图中，灰度值为255的像素点个数，即对这些像素点计数，表示实时检测中，异常目标发生时，所占据的像素区域：[0102][0103]对于高速实时检测在t时刻，通过图像处理得到的实时状态值Sum⑴，理想状态下当处于正常运动时，Sumt=0表示没有检测出异常值。但是在实际环境中，由于系统误差的存在，或传感器实时采集图像的外界干扰，图像存在一定的噪点，导致所计算的实时状态值Sum⑴不全为0，在低值区域波动。当有异常状况时，Sum⑴出现较大的数值波动，这时可以判断为真正的异常发生，如图8上所示。[0104]对于实际检测中的这种情况，本发明利用一个阈值Ts将实时检测中的噪声值屏蔽：[0105][0106]由此可以得到如图8下所示的波形图，其中当异常发生时，存在一定时间内连续的方波信号，而在其它正常状态时，基本为〇值，只有个别时刻存在偶尔的阶跃信号。本发明计算高速视频流连续_贞的st值的和Ht:[0107][0108]同时利用一个阈值Th来判断异常状态是否发生，当HWTH时，表示所检测的实时视频图像中，连续多帧图像都存在异常值，说明所检测的高速运动中确实发生了异常动作，此时发送信号给采集系统，将此时刻以及后续的高速图像自动保存在内存中，并利用多线程将这些图像数据保存在硬盘中，完成异常状态的判断和记录。由于实时判断当前图像，需要连续K帧图像，这些图像中也包括一部分异常状态，所以在程序中开辟内存区域，预存前K帧图像，最后将这些图像与后续保存的图像一起存成完整视频图像。当异常状态发生结束后，HtSTh时，结束高速图像存储。图9所示为通过本发明的方法，利用高速视觉系统检测出的高速周期运动中异常动作原始图像，可以考到异常物体飞过高速周期运动机械系统的过程。图10为高速视觉系统检测出的，高速周期运动中异常动作二值化提取图像Fex，y，t，对这些实时处理的二值化图像进行异常像素计数，得到Sum⑴记为图8上异常波形。[0109]4、工作原理[0110]选择待检测的高速周期运动系统，其一般具有圆周运动组件或为电机驱动。利用高速相机搭建计算器驱动的高速视觉系统，将高速相机固定，并保证所拍摄的场景包括:高速周期运动检测区域、高速圆周运动区域。在圆周运动组件或电机驱动装置的表面，寻找类似圆周运动的零件，并固定标记点，与背景颜色区分开。打开光源，并保存所有设备不变动。[0111]运行高速视觉检测系统，使待检测的高速运动设备处于正常状态的高速运行，利用高速相机采集高帧率图像，记录为预先存储的图像数据，可暂时停止高速运动，建立样本数据。离线图像处理中，设定高速运动的待检测区域图像，设定圆周运动特性的区域图像。并利用本发明所设计的算法，进行离线图像处理，生成最终的图像样本库。[0112]高速视觉实时检测过程，保存高速相机位置不变，待检测目标运动状态不变，外界光源设备不变。使高速运动设备长期运转，并利用图像样本库和实时检测算法，计算图像的异常状态值。当高速视觉系统判断出异常状态后，自动保存异常运动的高速视频图像数据，用于状态回放。同时，准备进行下一刻异常动作的判断与自动存储。[0113]本发明实施例提供了有关高速周期运动中圆周特征标记的高速视觉检测方法，此方法可以用于高速周期运动中具有圆周运动特性的目标检测，也可以用于近似圆周运动，可以利用角度进行编码的周期运动。[0114]本发明实施例利用高速相机进行高速视觉检测的方法，此发明对于低速运动，或者普通速度的视觉检测系统，也可以利用同样的样本库建立方法，对周期运动进行检测。[0115]本发明所设计的利用一个相机进行高速图像采集，通过其中的一个局部圆周运动区域进行圆形标记，对标记的运动进行计算，实现整个运动的特征值计算或编码。本发明也可以利用两个或多个标记，通过计算标记点之间的相对关系进行周期运动的特征值计算或编码，对于相似的方法，本发明同样进行保护。[0116]虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

权利要求：1.一种高速周期运动的视觉实时检测方法，其特征在于，所述实时视觉检测方法包括：提取周期运动特征，获得周期运动的圆周角度；基于所述周期运动的圆周角度，建立高帧率图像样本库；基于所述高帧率图像样本库，进行视觉实时检测及异常提取。2.根据权利要求1所述的视觉实时检测方法，其特征在于，所述提取周期运动特征，获得周期运动的圆周角度，包括：预存储高帧率图像数据，作为初级样本图像数据，其中，所述预存储高帧率图像，为待测目标正常运动的图像；在所述高帧率图像数据中，标记周期运动区域，其中，所述标记周期运动区域属于预存储高频率图像数据的一部分；对所述标记周期运动区域进行局部区域图像处理，使每帧图像的标记周期运动区域对应的标记点位置融合形成一个圆周；计算所述周期运动的圆周角度。3.根据权利要求1所述的视觉实时检测方法，其特征在于，所述基于所述周期运动的圆周角度，建立高帧率图像样本库，包括：将所述周期运动中的圆周角度重新排序；关联全局图像，形成标准的高速周期运动图像样本库；根据所述标准的高速周期运动图像样本库中相邻样本库之间的数据差异，建立具有掩膜结构的样本图像；基于所述具有掩膜结构的样本图像，建立带有掩膜滤波的标准图像样本库。4.根据权利要求1所述的视觉实时检测方法，其特征在于，所述基于所述高帧率图像样本库，进行视觉实时检测及异常提取，包括：计算实时图像周期运动的圆周角度；提取及处理对应所述样本库图像；计算实时高速图像正常与异常状态值；自动检测与图像提取。5.根据权利要求1所述的视觉实时检测方法，其特征在于，单个高速相机采集的完整图像区域，包括圆周运动区域和待检测的高速运动操作区域。6.根据权利要求3所述的视觉实时检测方法，其特征在于，所述将所述周期运动中的圆周角度重新排序，具体为:将所述高频率图像按照所对应的角度从小到大递增重新排序，形成稠密细分的周期运动样本图像库。7.根据权利要求3所述的视觉实时检测方法，其特征在于，所述关联全局图像，具体为：将重新排序的图像结合、进行检测区域图像、圆周角度特征图像、与对应角度进行关联。

百度查询： 北京建筑大学 一种高速周期运动的视觉实时检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD