一种基于机器视觉的智能自动门区域模型构建方法与流程

本发明涉及自动门区域检测，具体是一种基于机器视觉的智能自动门区域模型构建方法。

背景技术：

1、目前，因自动门使用的便利性，自动门已然应用到了越来越多的场合中，市面上的自动门大多采用微波或红外技术进行人体探测，进而实现自动开门。实际控制时，因微波或红外技术无法精准地划分感应区域和非感应区域，这样导致一些公共场合的自动门经常被频繁地无效触发。例如，街边小超市的自动门，安装了多普勒工作方式的微波感应器，由于该微波感应器主要检测的是动态的物体或人员，而为了使得该微波感应器在自动门开合的过程中不被门扇误触发，所以微波感应器的感应方向必须设定得远离门扇，而指向偏远的区域，其感应区域大多为距离门扇大概1m至3m的区域；

2、而现有技术中，还使用机器视觉辅助自动门自动开门的控制，而视觉检测则容易受到环境影响，从而导致视觉检测终端所采集的图像数据质量不合格，如亮度过高导致的曝光，而对于环境影响，通常只需要调节视觉检测终端的拍摄角度和位置，就能够降低甚至消除环境影响，如何在图像质量异常时，根据所在环境数据，对视觉检测终端进行适配调整，从而使得视觉检测终端所获得的图像数据质量合格，进而提高自动门自动开门控制的准确度，是我们需要解决的问题，为此，现提供一种基于机器视觉的智能自动门区域模型构建方法。

技术实现思路

1、本发明的目的在于提供一种基于机器视觉的智能自动门区域模型构建方法。

2、本发明的目的可以通过以下技术方案实现：一种基于机器视觉的智能自动门区域模型构建方法，包括以下步骤：

3、步骤s1：设置与自动门相关联的视觉检测区域，在视觉检测区域安装可移动的视觉检测终端和数据采集终端，通过视觉检测终端和数据采集终端分别实时获取视觉检测区域内的图像数据和环境数据；

4、步骤s2：对所获得的图像数据进行图像质量分析，并根据图像质量分析结果以及环境数据对视觉检测终端的位置进行调节，并根据调节后的视觉检测终端所获得的图像数据进行视觉检测区域范围内的图像特征提取；

5、步骤s3：根据所提取到的图像特征，构建对应的自动门区域模型。

6、进一步的，设置与自动门相关联的视觉检测区域，在视觉检测区域安装可移动的视觉检测终端和数据采集终端的过程包括：

7、根据需求对自动门入口区域进行框选，将所框选的区域记为与自动门相关联的视觉检测区域；

8、在视觉检测区域内设置若干个数据采集终端，以及在视觉检测区域安装可移动的视觉检测终端，并获取所安装的视觉检测终端的拍摄范围，将视觉检测终端的拍摄范围完全覆盖视觉检测区域；

9、将视觉检测终端的安装位置设置为初始位置，将视觉检测终端的拍摄范围的中心点标记为对照点；

10、建立三维坐标系，并将视觉检测终端的初始位置、对照点以及数据采集终端映射至三维坐标系内，将初始位置与对照点进行连接，获得向量

11、进一步的，通过视觉检测终端和数据采集终端分别实时获取视觉检测区域内的图像数据和环境数据的过程包括：

12、通过设置于视觉检测区域内的视觉检测终端，对视觉检测区域进行实时图像数据采集；

13、通过设置于视觉检测区域内的数据采集终端，对视觉检测区域进行实时环境数据采集，所述环境数据具体为数据采集终端所在位置的环境亮度；

14、将所采集的图像数据与环境数据进行时间同步关联；

15、建立时间坐标轴，并根据视觉检测终端和数据采集终端所获得的图像数据和环境数据的时间，将所述图像数据和环境数据映射至时间坐标轴的对应时间所在位置。

16、进一步的，对所获得的图像数据进行图像质量分析的过程包括：

17、将所获得的图像数据转化为图像帧，并对各个图像帧之间建立单向关联关系，并根据单向关联关系确定前置图像帧和后置图像帧；所述单向关联关系关于取决于图像帧对应的获取时间，根据图像帧的获取时间前后，对图像帧之间建立对应的单向关联关系；

18、对所获得的图像帧进行栅格化处理，并对进行栅格化处理后的进行灰度处理，获得每个图像帧对应的灰度图像；

19、提取灰度图像中对照点所在位置的像素值，记为xs，并将所提取到的对照点所在位置的像素值与对应视觉采集终端当前所在位置对应的对照点的标准像素值范围进行对比，根据对比结果判断图像数据的图像质量是否合格，若合格，则不进行任何操作，若不合格，则根据环境数据对视觉检测终端的位置进行调节。

20、进一步的，所述标准像素值范围根据环境数据和视觉检测终端的当前所在位置获得，过程包括：

21、对视觉检测区域设置标准亮度环境，根据每个数据采集终端所获取的环境亮度获得视觉检测区域的亮度均值；

22、将所获得的亮度均值记为对照点的标准亮度值；

23、获取当前状态下视觉检测区域处的图像数据，并根据所获得的图像数据获取对应的灰度图像以及对应位置的标准像素值，对每个标准像素值设置偏差值，根据偏差值，获得与每个标准像素值对应的标准像素值范围；

24、对视觉采集终端的位置进行调整，获得不同位置的视觉采集终端所获取的对照点的标准像素值；

25、根据所获得的视觉采集终端在不同位置下的标准亮度环境的对照点的标准像素值，建立对应的标准参照图谱。

26、进一步的，将所提取到的对照点所在位置的像素值与对应视觉采集终端当前所在位置对应的对照点的标准像素值范围进行对比的过程包括：

27、根据数据采集终端当前所获得的环境亮度，获得对应的亮度偏差系数；

28、根据所获得的亮度偏差系数，对获得对应的标准像素值进行纠正；

29、根据偏差值，获得与纠正后的标准像素值对应的标准像素值范围；

30、将所提取到的对照点所在位置的像素值与纠正后的标准像素值进行对比，并获得对应的对比结果；

31、当所提取到的对照点所在位置的像素值处于标准像素值范围内，则表示图像质量合格，当所提取到的对照点所在位置的像素值不处于标准像素值范围内，则表示图像质量不合格。

32、进一步的，根据图像质量分析结果以及环境数据对视觉检测终端的位置进行调节的过程包括：

33、获取标准参照图谱中视觉采集终端的其他位置与对照点之间的向量，并获取其他位置对应的向量与向量的向量夹角以及向量模值差值；

34、根据其他位置对应的向量与向量的向量夹角以及向量模值差值获得对照点对应的预测像素值；

35、将所获得的预测像素值与对应其他位置的纠正后的标准像素值范围进行对比；

36、若对比结果合格，则将对应的其他位置进行标记，并汇总，获得对应的可调节位置集合；

37、获取视觉采集终端当前所在位置至可调节位置集合内的其他位置之间的距离，将距离最近的其他位置标记为调节位置，并将视觉采集终端移动至对应的调节位置；

38、在视觉采集终端移动至调节位置后，对视觉采集终端所获得的图像数据重新进行图像质量评估，再根据评估结果决定是否重新调节视觉采集终端的位置，以此类推，直至图像质量合格，完成视觉采集终端的调节。

39、进一步的，根据调节后的视觉检测终端所获得的图像数据进行视觉检测区域范围内的图像特征提取的过程包括：

40、将存在单向关联关系的图像帧进行特征对比，若出现图像帧特征变化，则将对应的图像帧进行标记，直至视觉检测区域范围内的图像帧不发生变化，则对不发生变化时的图像帧中图像特征进行提取，获得视觉检测区域范围的图像特征。

41、进一步的，根据所提取到的图像特征，构建对应的自动门区域模型的过程包括：

42、将所提取到的图像特征映射至三维坐标系内的对应位置，并对发生变化的图像特征覆盖区域进行框选；

43、对框选区域进行边缘特征提取，根据所提取到的边缘特征，获得进入视觉检测区域的物体轮廓；

44、根据所获得的物体轮廓，在三维坐标系内构建与物体轮廓相对应的物体模型，从而完成自动门区域模型的构建。

45、与现有技术相比，本发明的有益效果是：

46、通过在视觉检测区域内设置用于采集环境亮度的数据采集终端，实时监控视觉采集区域的环境亮度，从而在视觉检测终端采集的图像数据的图像质量异常时，根据所在环境数据，对视觉检测终端进行适配调整，从而使得视觉检测终端所获得的图像数据质量合格，进而提高自动门自动开门控制的准确度，解决了环境对视觉检测终端所获取的图像数据质量不合格导致判定出现错误，提高了自动门控制的精准度。