基于光流法的深度学习在工业运动检测的应用
2019-08-09刘志勇应正波杨鲁江
自动化与仪表 2019年7期
周 曼,刘志勇,应正波,杨鲁江,裘 坤
(浙江中控技术股份有限公司,杭州 310053)
在流程工业现场中,存在大量需要通过运动检测来进行视觉监控的应用场景,例如传送带运行状态监测、透明视镜中的液体流动状态监测等。运动目标检测是计算机视觉应用的基础技术,在许多领域尤其在智能视频监控系统中有着广泛的应用。
光流(optical flow)是描述相对于观测者的运动所造成的观测目标、表面或边缘的运动,由于它包含了目标运动的信息,因此可以被观测者用于确定目标的运动状况。光流是James J.Gibson在1950年首先提出来的,它是空间运动物体在观测成像平面上的像素运动的瞬时速度,是利用图像序列中像素的强度数据在时域上的变化,以及相邻帧之间的相关性来获取上一帧与当前帧之间的对应关系,从而计算出相邻帧之间物体的运动信息。一般而言,光流是由于相机的运动、场景中前景目标本身的移动,或者两者的共同运动所产生的。光流法在样型识别、计算机视觉,以及其他影像处理领域的应用非常广泛,可用于运动检测、物件切割、碰撞时间与物体膨胀的计算、运动补偿编码,或者通过物体表面与边缘进行立体测量等。
1 光流算法及其模型
1.1 光流算法
光流计算最初是在1981年由美国学者Horn和Sehunck提出的,他们根据图像灰度守恒原理推导出基本光流约束方程[1]。光流法在目标检测、运动估计、目标跟踪等领域有着非常广泛地应用。使用光流法来检测运动目标,其基本思想是赋予图像中的每一个像素点一个速度矢量,从而形成该图像的运动场。……
登录APP查看全文
