本發(fā)明涉及沖壓模具領域，具體涉及一種具有目標識別功能的沖壓模具。
背景技術：
：相關技術中，在沖壓模具上采用雷達對目標進行跟蹤在定位精度和跟蹤成功率上具備很大優(yōu)勢，但僅從雷達獲取的距離信息上很難對目標的特征進行區(qū)分，尤其在目標被遮擋和多目標情況下，很難實現(xiàn)目標有效識別跟蹤。采用目標的視覺信息(如顏色、輪廓等)刻畫目標特征，基于目標視覺特征對目標進行識別跟蹤是解決上述問題的有效途徑。技術實現(xiàn)要素：針對上述問題，本發(fā)明提供一種具有目標識別功能的沖壓模具。本發(fā)明的目的采用以下技術方案來實現(xiàn)：一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；優(yōu)選地，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本發(fā)明的有益效果為：1、采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；2、修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；3、設置輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，計算量并不復雜，平滑除噪效果好，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。附圖說明利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構成對本發(fā)明的任何限制，對于本領域的普通技術人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的目標識別裝置模塊連接示意圖。圖2是本發(fā)明的沖壓模具底座示意圖。具體實施方式結合以下實施例對本發(fā)明作進一步描述。實施例1參見圖1，圖2，本實施例一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；設置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設定的寬度為3，權值T的取值為0.2，識別精度提高了2％，識別速度提高了1％。實施例2參見圖1，圖2，本實施例一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；設置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設定的寬度為4，權值T的取值為0.3，識別精度提高了1％，識別速度提高了2％。實施例3參見圖1，圖2，本實施例一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；設置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設定的寬度為5，權值T的取值為0.4，識別精度提高了2％，識別速度提高了3％。實施例4參見圖1，圖2，本實施例一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；設置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設定的寬度為5，權值T的取值為0.5，識別精度提高了2％，識別速度提高了2.5％。實施例5參見圖1，圖2，本實施例一種具有目標識別功能的沖壓模具，包括沖壓模具和與沖壓模具相連的目標識別裝置，其特征是，所述沖壓模具包括：圓柱體狀的沖壓模具基座和位于沖壓模具基座圓柱體狀的沖壓模具頭，所述沖壓模具基座和沖壓模具頭的直徑相同，所述沖壓模具基座的末端向外側延伸形成用于密封接線底座翻邊的翻邊臺階，所述沖壓模具基座的圓柱面上沿母線方向設有定位平面，所述定位平面延伸至翻邊臺階。優(yōu)選地，所述沖壓模具頭上端的邊緣一圈設有弧形導角。優(yōu)選地，所述沖壓模具頭上表面設有三個呈等邊三角形分布的沖壓孔。優(yōu)選地，所述目標識別裝置包括：(1)懷疑目標獲取模塊，用于在監(jiān)控視頻中識別懷疑目標并讀取包含懷疑目標的原始楨圖像，其包括與現(xiàn)場計算機連接的紅外電荷耦合器件，所述紅外電荷耦合器件將輸出的圖像信號輸入到現(xiàn)場計算機進行是否存在懷疑目標的判別處理；(2)顏色信息處理模塊，其對所述原始楨圖像進行從RGB顏色空間到HSV顏色空間的轉換并構建所述懷疑目標在HSV顏色空間的色調顏色模型，轉換公式如下：s=0Max(r,g,b)=0Max(r,g,b)-Min(r,g,b)Max(r,g,b)Max(r,g,b)≠0]]>v＝Max(r,g,b)其中，(r,g,b)為原始楨圖像的像素點在RGB顏色空間的紅綠藍坐標值，有效值范圍均為(0,1)；h為像素點在HSV顏色空間中的色相分量，s為像素點在HSV顏色空間中的飽和度分量，v為像素點在HSV顏色空間中的色調分量；色調顏色模型如下：Qhue={Qhue(w),w=1,...n;Σw=1nQhue(w)bw=1}]]>此處Qhue(w)=1Σi=1me-||xi-xc||22h′σ×Σi=1m[e-||xi-xc||22h′σ×δ[d(xi)-w]]]]>h′=h×0.9+0.05s×v≥0.04v×0.1s×v<0.04,v<0.2v×0.1-0.01s×v<0.04,0.2≤v<0.8v×0.1-0.05s×v<0.04,v≥0.8]]>其中，函數(shù)δ[d(xi)-w]為像素點xi在第w個子空間區(qū)域內的投影，w為特征空間的索引，bw為各子空間的權重，是以像素xc為中心在二維圖像中的核函數(shù)；優(yōu)選地，所述目標識別裝置還包括：(3)輪廓信息處理模塊，用于對所述原始楨圖像的實際輪廓進行特征區(qū)域與非特征區(qū)域的區(qū)域類型劃分、對相鄰的同類型區(qū)域進行合并，并選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，所述實際輪廓內的選定區(qū)域被判定為特征區(qū)域的判定條件為：此處f(t)=0|k′N(t)|<T×max|k′N(t)|1|k′N(t)|≥T×max|k′N(t)|]]>其中，t表示所述原始楨圖像的實際輪廓的輪廓點，t0為預設的位于所述選定區(qū)域內的起始輪廓點，s為預設的延伸長度，延伸長度的值為選定區(qū)域的邊緣輪廓點到所述起始輪廓點的距離，為起始輪廓點處的用于修正所述延伸長度s的實時曲率修正系數(shù)，為起始輪廓點的曲率半徑，為由預設的寬度范圍為[3,5]的窗函數(shù)得到的輪廓起始點的平均曲率半徑；f(t)為判定輪廓點是否為特征點的特征函數(shù)，f(t)＝1表示該輪廓點為特征點，f(t)＝0表示該輪廓點為非特征點，Nf(t)＝1表示選定區(qū)域內所具有的特征點的數(shù)目，Ny為設定的作為特征區(qū)域需要包括的特征點的數(shù)目，k'N(t)為由所述窗函數(shù)對實際輪廓進行鄰域平均而得到的實際輪廓曲率，max|k'N(t)|表示實際輪廓曲率的絕對值的最大值，T為權值且T的取值范圍為[0.2,0.5]；(4)特征評估模塊，用于對處理過的顏色信息和輪廓信息與數(shù)據(jù)庫中設定的目標特征進行比對匹配并計算匹配度，所述匹配度達到預設的匹配閾值時判定所述懷疑目標為跟蹤目標并輸出判定結果；其中，所述輪廓信息處理模塊包括對所有特征區(qū)域進行平滑處理的第一濾波器和對所有非特征區(qū)域進行平滑處理的第二濾波器，所述第一濾波器的置信區(qū)間的長度為所有特征區(qū)域中的最小延伸長度的1/2，所述第二濾波器的置信區(qū)間的長度為所有非特征區(qū)域中的最小延伸長度的1/2；根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別。本實施例采用顏色信息和輪廓信息相結合的方式描述跟蹤目標，對外界光照的變化具有很強的魯棒性，避免了使用單一特征對目標進行描述，提高識別的精度；修正后的顏色空間轉化公式更加符合人類的視覺效果，能夠反映更豐富的信息，便于實現(xiàn)快速識別跟蹤，在色調顏色模型中引入空間權重劃分，多次濾波，使模型更為科學，實用性更強；設置輪廓信息處理模塊，選取不同參數(shù)的濾波器對合并后的特征區(qū)域與非特征區(qū)域分別進行平滑處理，考慮了輪廓在不同類型區(qū)域之間的差異性，在抑制噪聲和保留細節(jié)之間取得很好的平衡，根據(jù)不同點的曲率不同，延伸長度相應地自動適應性改變，有效減小了合并后的失真現(xiàn)象，便于更準確對目標進行識別，其中設定的寬度為4，權值T的取值為0.3，識別精度提高了2.5％，識別速度提高了3.5％。最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的實質和范圍。當前第1頁1 2 3