本發(fā)明涉及圓形識別技術(shù)領(lǐng)域，尤其涉及一種基于Hough變化的圓形識別方法及系統(tǒng)。

背景技術(shù)：

目前，現(xiàn)有的圓形識別方法，由于識別的圖形非常簡單，導(dǎo)致在復(fù)雜背景里的檢測誤差很大。而且，現(xiàn)有的識別方法匹配速度慢、抗干擾能力弱且檢測精度不高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于Hough變化的圓形識別方法及系統(tǒng)。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：

一種基于Hough變化的圓形識別方法，所述圓形識別方法包括：

S1：調(diào)用OpenCV視覺庫，開啟多線程對原始圖像進(jìn)行跳幀處理；

S2：對跳幀處理后的所述原始圖像依次進(jìn)行灰度化、縮放和平滑處理，得到優(yōu)化圖像；

S3：調(diào)用OpenCV視覺庫中的cvHoughCircles函數(shù)，對所述優(yōu)化圖像進(jìn)行圓形檢測，得到檢測結(jié)果，所述檢測結(jié)果包括圓心坐標(biāo)和圓半徑；

S4：對每隔預(yù)定幀數(shù)返回的檢測結(jié)果進(jìn)行累加分析和篩選處理，得到最優(yōu)檢測結(jié)果。

本發(fā)明的有益效果是：本技術(shù)方案匹配速度快、抗干擾能力強(qiáng)且檢測精度高；通過對原始圖像進(jìn)行灰度化、縮放以及濾波處理，在保留大量全局特征的基礎(chǔ)上減少了大量的像素點(diǎn)，從而加快識別速度；通過把識別運(yùn)算從主進(jìn)程分離出去的方法，很好的解決了場景渲染時(shí)卡頓的問題；通過對OpenCV視覺庫中識別圓的經(jīng)典函數(shù)cvHoughCircles的調(diào)用，可以很理想的獲得識別結(jié)果；通過對多次返回結(jié)果進(jìn)行一定數(shù)量的累積分析，保留穩(wěn)定性高的識別結(jié)果，提高檢測精度。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

優(yōu)選地，所述步驟S2包括：

S21：調(diào)用OpenCV視覺庫，對跳幀處理后的所述原始圖像進(jìn)行灰度化，得到灰度圖像；

S22：根據(jù)所述原始圖像的分辨率大小對所述灰度圖像進(jìn)行縮放處理，得到縮放圖像；

S23：通過5*5高斯卷積核對所述縮放圖像進(jìn)行平滑處理，得到優(yōu)化圖像。

采用上述技術(shù)方案的有益效果：基于不同的圖像格式，運(yùn)用封裝好的OpenCV視覺庫進(jìn)行灰度化，然后使用雙線性內(nèi)插值方法對灰度圖像進(jìn)行縮放，在保證圖像特征不丟失的前提下，去掉了大量噪聲，達(dá)到了加快識別速度的目的；最后對縮放圖像進(jìn)行高斯平滑處理，很好的保留了全局特征，提高識別精度。

優(yōu)選地，所述步驟S3包括：

S31：調(diào)用cvHoughCircles函數(shù)對所述優(yōu)化圖像進(jìn)行圓形檢測，得到多個(gè)輪廓點(diǎn)；

S32：在每個(gè)所述輪廓點(diǎn)的梯度方向上，且離每個(gè)所述輪廓點(diǎn)預(yù)設(shè)距離的地方各投一點(diǎn)，得到多個(gè)投票點(diǎn)；

S33：通過投票閾值法對所有投票點(diǎn)進(jìn)行投票，得到圓心坐標(biāo)和圓半徑。

優(yōu)選地，所述步驟S4包括：

S41：將每次檢測結(jié)果保存在緩存模塊中；

S42：將當(dāng)前檢測結(jié)果與所述緩存模塊中的所有檢測結(jié)果進(jìn)行比較，判斷所述當(dāng)前檢測結(jié)果與所有檢測結(jié)果是否均不為同一圓，若是，將所述當(dāng)前檢測結(jié)果添加進(jìn)所述緩存模塊中，否則，將所述緩存模塊中與所述當(dāng)前檢測結(jié)果為同一圓的檢測結(jié)果累加計(jì)數(shù)并刪除所述當(dāng)前檢測結(jié)果；

S43：將所述緩存模塊中累加計(jì)數(shù)超過預(yù)設(shè)閾值的檢測結(jié)果作為最優(yōu)檢測結(jié)果。

優(yōu)選地，通過Unity引擎或第三方圖像識別SDK開啟相機(jī)來獲取所述原始圖像。

一種基于Hough變化的圓形識別系統(tǒng)，所述圓形識別系統(tǒng)包括：

跳幀模塊，用于調(diào)用OpenCV視覺庫，開啟多線程對原始圖像進(jìn)行跳幀處理；

優(yōu)化模塊，用于對跳幀處理后的所述原始圖像依次進(jìn)行灰度化、縮放和平滑處理，得到優(yōu)化圖像；

檢測模塊，用于調(diào)用OpenCV視覺庫中的cvHoughCircles函數(shù)，對所述優(yōu)化圖像進(jìn)行圓形檢測，得到檢測結(jié)果，所述檢測結(jié)果包括圓心坐標(biāo)和圓半徑；

篩選模塊，用于對每隔預(yù)定幀數(shù)返回的檢測結(jié)果進(jìn)行累加分析和篩選處理，得到最優(yōu)檢測結(jié)果；

其中，所述跳幀模塊、所述優(yōu)化模塊、所述檢測模塊和所述篩選模塊依次連接。

優(yōu)選地，所述優(yōu)化模塊包括：

第一優(yōu)化子模塊，用于調(diào)用OpenCV視覺庫，對跳幀處理后的所述原始圖像進(jìn)行灰度化，得到灰度圖像；

第二優(yōu)化子模塊，用于根據(jù)所述原始圖像的分辨率大小對所述灰度圖像進(jìn)行縮放處理，得到縮放圖像；

第三優(yōu)化子模塊，用于通過5*5高斯卷積核對所述縮放圖像進(jìn)行平滑處理，得到優(yōu)化圖像；

其中，所述第一優(yōu)化子模塊、所述第二優(yōu)化子模塊和所述第三優(yōu)化子模塊依次連接。

優(yōu)選地，所述檢測模塊包括：

第一檢測子模塊，用于調(diào)用cvHoughCircles函數(shù)對所述優(yōu)化圖像進(jìn)行圓形檢測，得到多個(gè)輪廓點(diǎn)；

第二檢測子模塊，用于在每個(gè)所述輪廓點(diǎn)的梯度方向上，且離每個(gè)所述輪廓點(diǎn)預(yù)設(shè)距離的地方各投一點(diǎn)，得到多個(gè)投票點(diǎn)；

第三檢測子模塊，用于通過投票閾值法對所有投票點(diǎn)進(jìn)行投票，得到圓心坐標(biāo)和圓半徑；

其中，所述第一檢測子模塊、所述第二檢測子模塊和所述第三檢測子模塊依次連接。

優(yōu)選地，所述篩選模塊包括：

第一篩選子模塊，用于將每次檢測結(jié)果保存在緩存模塊中；

第二篩選子模塊，用于將當(dāng)前檢測結(jié)果與所述緩存模塊中的所有檢測結(jié)果進(jìn)行比較，判斷所述當(dāng)前檢測結(jié)果與所有檢測結(jié)果均不為同一圓，若是，將所述當(dāng)前檢測結(jié)果添加進(jìn)所述緩存模塊中，否則，將所述緩存模塊中與所述當(dāng)前檢測結(jié)果為同一圓的檢測結(jié)果累加計(jì)數(shù)并刪除所述當(dāng)前檢測結(jié)果；

第三篩選子模塊，用于將所述緩存模塊中累加計(jì)數(shù)超過預(yù)設(shè)閾值的檢測結(jié)果作為最優(yōu)檢測結(jié)果；

其中，所述第一篩選子模塊、所述第二篩選子模塊和所述第三篩選子模塊依次連接，且均連接所述緩存模塊。

優(yōu)選地，通過Unity引擎或第三方圖像識別SDK開啟相機(jī)來獲取所述原始圖像。

附圖說明

圖1為本發(fā)明的一種基于Hough變化的圓形識別方法的流程示意圖；

圖2為本發(fā)明的一種基于Hough變化的圓形識別方法的流程示意圖；

圖3為本發(fā)明的一種基于Hough變化的圓形識別方法的流程示意圖；

圖4為本發(fā)明的一種基于Hough變化的圓形識別方法的流程示意圖；

圖5為本發(fā)明的一種基于Hough變化的圓形識別系統(tǒng)的結(jié)構(gòu)示意圖；

圖6為本發(fā)明的一種基于Hough變化的圓形識別系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

以下結(jié)合附圖對本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

如圖1所示，一種基于Hough變化的圓形識別方法，圓形識別方法包括：

S1：調(diào)用OpenCV視覺庫，開啟多線程對原始圖像進(jìn)行跳幀處理；

S2：對跳幀處理后的原始圖像依次進(jìn)行灰度化、縮放和平滑處理，得到優(yōu)化圖像；

S3：調(diào)用OpenCV視覺庫中的cvHoughCircles函數(shù)，對優(yōu)化圖像進(jìn)行圓形檢測，得到檢測結(jié)果，檢測結(jié)果包括圓心坐標(biāo)和圓半徑；

S4：對每隔預(yù)定幀數(shù)返回的檢測結(jié)果進(jìn)行累加分析和篩選處理，得到最優(yōu)檢測結(jié)果。

上述實(shí)施例中，運(yùn)用Unity引擎直接開啟相機(jī)，或者調(diào)用第三方SDK開啟相機(jī)，來獲取實(shí)時(shí)圖像，來得到原始圖像；獲取的原始圖像傳入底層識別庫后，基于當(dāng)前設(shè)備的CPU情況，開啟多線程，做到不影響主進(jìn)程的情況下在其他線程里做識別計(jì)算，計(jì)算完成后返回給主線程識別結(jié)果，并再次傳入新的原始圖像，如此反復(fù)，該步驟可以很好的解決了在識別過程中，相機(jī)渲染很卡頓的問題；對跳幀處理后的原始圖像依次進(jìn)行灰度化、縮放和平滑處理，得到優(yōu)化圖像；使用OpenCV開源庫里提供的cvHoughCircles函數(shù)，對優(yōu)化圖像進(jìn)行圓形檢測，基于增強(qiáng)現(xiàn)實(shí)下的應(yīng)用，配置相對最優(yōu)的參數(shù)，配置參數(shù)主要有區(qū)分不同圓之間的最小距離、運(yùn)用Canny算法對灰度圖像進(jìn)行邊界處理的閾值、投票閾值、識別的最小圓半徑和最大圓半徑，優(yōu)化好的參數(shù)，可以極大的提高識別的精度和速度；根據(jù)每幾幀返回的結(jié)果，進(jìn)行一定數(shù)量的累加分析，去掉不穩(wěn)定的識別結(jié)果，保存穩(wěn)定性高的識別結(jié)果，并做到追蹤識別。

如圖2所示，步驟S2包括：

S21：調(diào)用OpenCV視覺庫，對跳幀處理后的原始圖像進(jìn)行灰度化，得到灰度圖像；

S22：根據(jù)原始圖像的分辨率大小對灰度圖像進(jìn)行縮放處理，得到縮放圖像；

S23：通過5*5高斯卷積核對縮放圖像進(jìn)行平滑處理，得到優(yōu)化圖像。

上述實(shí)施例中，基于不同的圖像格式，運(yùn)用封裝好的OpenCV視覺開源庫，進(jìn)行灰度處理，基于原始圖像的分辨率大小對灰度圖像進(jìn)行自定義縮放，縮放方法使用雙線性內(nèi)插值的方法，在保證圖像特征不丟失的前提下，去掉了大量的噪聲，達(dá)到了加快識別速度的目的；最后對縮放圖像進(jìn)行高斯平滑處理，很好的保留圖像的全局特征，優(yōu)化了圖像，提高了識別精度。

如圖3所示，步驟S3包括：

S31：調(diào)用cvHoughCircles函數(shù)對優(yōu)化圖像進(jìn)行圓形檢測，得到多個(gè)輪廓點(diǎn)；

S32：在每個(gè)輪廓點(diǎn)的梯度方向上，且離每個(gè)輪廓點(diǎn)預(yù)設(shè)距離的地方各投一點(diǎn)，得到多個(gè)投票點(diǎn)；

S33：通過投票閾值法對所有投票點(diǎn)進(jìn)行投票，得到圓心坐標(biāo)和圓半徑。

上述實(shí)施例中，使用OpenCV開源庫里提供的cvHoughCircles函數(shù)，對優(yōu)化圖像進(jìn)行圓形檢測，此函數(shù)對基礎(chǔ)的Hough變換找圓做了一定的優(yōu)化來提高速度，它不再是在參數(shù)空間畫出一個(gè)完整的圓來進(jìn)行投票，而只是技術(shù)輪廓點(diǎn)處的梯度向量，然后根據(jù)搜索半徑R(預(yù)設(shè)距離)在該梯度方向距離輪廓點(diǎn)預(yù)設(shè)距離R的兩邊各投一點(diǎn)，最后根據(jù)投票結(jié)果圖確定圓心位置和半徑，并且基于應(yīng)用的要求，對識別的圓的大小和識別數(shù)量以及投票閾值進(jìn)行最優(yōu)設(shè)定，很好的提高了匹配速度和識別精度。

如圖4所示，步驟S4包括：

S41：將每次檢測結(jié)果保存在緩存模塊中；

S42：將當(dāng)前檢測結(jié)果與緩存模塊中的所有檢測結(jié)果進(jìn)行比較，判斷當(dāng)前檢測結(jié)果與所有檢測結(jié)果是否均不為同一圓，若是，將當(dāng)前檢測結(jié)果添加進(jìn)緩存模塊中，否則，將緩存模塊中與當(dāng)前檢測結(jié)果為同一圓的檢測結(jié)果累加計(jì)數(shù)并刪除當(dāng)前檢測結(jié)果；

S43：將緩存模塊中累加計(jì)數(shù)超過預(yù)設(shè)閾值的檢測結(jié)果作為最優(yōu)檢測結(jié)果。

上述實(shí)施例中，優(yōu)先記錄最新識別到的圓放入設(shè)定好的緩存中；比較緩存中的圓心坐標(biāo)與當(dāng)前結(jié)果的圓心坐標(biāo)，兩中心坐標(biāo)距離在一定閾值的判斷為同一個(gè)圓，更新在相應(yīng)緩存中并累加計(jì)數(shù)，將緩存中沒有被更新的結(jié)果刪除掉并寫入當(dāng)前結(jié)果中發(fā)現(xiàn)的新圓；當(dāng)緩存中存在累加計(jì)數(shù)超過一定閾值的結(jié)果，判定為穩(wěn)定性高的識別結(jié)果，并做追蹤識別，輸出相應(yīng)的中心坐標(biāo)和半徑。

如圖5所示，一種基于Hough變化的圓形識別系統(tǒng)，圓形識別系統(tǒng)包括：

跳幀模塊1，用于調(diào)用OpenCV視覺庫，開啟多線程對原始圖像進(jìn)行跳幀處理；

優(yōu)化模塊2，用于對跳幀處理后的原始圖像依次進(jìn)行灰度化、縮放和平滑處理，得到優(yōu)化圖像；

檢測模塊3，用于調(diào)用OpenCV視覺庫中的cvHoughCircles函數(shù)，對優(yōu)化圖像進(jìn)行圓形檢測，得到檢測結(jié)果，檢測結(jié)果包括圓心坐標(biāo)和圓半徑；

篩選模塊4，用于對每隔預(yù)定幀數(shù)返回的檢測結(jié)果進(jìn)行累加分析和篩選處理，得到最優(yōu)檢測結(jié)果；

其中，跳幀模塊1、優(yōu)化模塊2、檢測模塊3和篩選模塊4依次連接。

如圖6所示，優(yōu)化模塊2包括：

第一優(yōu)化子模塊21，用于調(diào)用OpenCV視覺庫，對跳幀處理后的原始圖像進(jìn)行灰度化，得到灰度圖像；

第二優(yōu)化子模塊22，用于根據(jù)原始圖像的分辨率大小對灰度圖像進(jìn)行縮放處理，得到縮放圖像；

第三優(yōu)化子模塊23，用于通過5*5高斯卷積核對縮放圖像進(jìn)行平滑處理，得到優(yōu)化圖像；

其中，第一優(yōu)化子模塊21、第二優(yōu)化子模塊22和第三優(yōu)化子模塊23依次連接。

如圖6所示，檢測模塊3包括：

第一檢測子模塊31，用于調(diào)用cvHoughCircles函數(shù)對優(yōu)化圖像進(jìn)行圓形檢測，得到多個(gè)輪廓點(diǎn)；

第二檢測子模塊32，用于在每個(gè)輪廓點(diǎn)的梯度方向上，且離每個(gè)輪廓點(diǎn)預(yù)設(shè)距離的地方各投一點(diǎn)，得到多個(gè)投票點(diǎn)；

第三檢測子模塊33，用于通過投票閾值法對所有投票點(diǎn)進(jìn)行投票，得到圓心坐標(biāo)和圓半徑；

其中，第一檢測子模塊31、第二檢測子模塊32和第三檢測子模塊33依次連接。

如圖6所示，篩選模塊4包括：

第一篩選子模塊41，用于將每次檢測結(jié)果保存在緩存模塊44中；

第二篩選子模塊42，用于將當(dāng)前檢測結(jié)果與緩存模塊44中的所有檢測結(jié)果進(jìn)行比較，判斷當(dāng)前檢測結(jié)果與所有檢測結(jié)果是否均不為同一圓，若是，將當(dāng)前檢測結(jié)果添加進(jìn)緩存模塊44中，否則，將緩存模塊44中與當(dāng)前檢測結(jié)果為同一圓的檢測結(jié)果累加計(jì)數(shù)并刪除當(dāng)前檢測結(jié)果；

第三篩選子模塊43，用于將緩存模塊44中累加計(jì)數(shù)超過預(yù)設(shè)閾值的檢測結(jié)果作為最優(yōu)檢測結(jié)果；

其中，第一篩選子模塊41、第二篩選子模塊42和第三篩選子模塊43依次連接，且均連接緩存模塊44。

通過Unity引擎或第三方圖像識別SDK開啟相機(jī)來獲取原始圖像。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。