一種可增強(qiáng)對(duì)比度的無人售貨裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及無人售貨，具體設(shè)及一種可增強(qiáng)對(duì)比度的無人售貨裝置。
【背景技術(shù)】
[0002] 無人售貨裝置又稱自動(dòng)售貨機(jī)，自動(dòng)售貨機(jī)是一種全新的商業(yè)零售形式，20世紀(jì) 70年代自日本和歐美發(fā)展起來，它又被稱為24小時(shí)營業(yè)的微型超市。自動(dòng)售貨機(jī)是能根據(jù) 投入的錢幣自動(dòng)付貨的機(jī)器。自動(dòng)售貨機(jī)是商業(yè)自動(dòng)化的常用設(shè)備，它不受時(shí)間、地點(diǎn)的限 審IJ，能節(jié)省人力、方便交易。是一種全新的商業(yè)零售形式，又被稱為24小時(shí)營業(yè)的微型超市。 能分為=種:飲料自動(dòng)售貨機(jī)、食品自動(dòng)售貨機(jī)、綜合自動(dòng)售貨機(jī)。
[0003] 另外，無人售貨裝置作為一種重要的昂貴設(shè)備，其安全性尤為重要，必須能防止和 監(jiān)視惡意破壞行為。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問題，本發(fā)明提供一種可增強(qiáng)對(duì)比度的無人售貨裝置。
[0005] 本發(fā)明的目的采用W下技術(shù)方案來實(shí)現(xiàn)：
[0006] -種可增強(qiáng)對(duì)比度的無人售貨裝置，包括無人售貨裝置和安裝在無人售貨裝置上 的監(jiān)測(cè)裝置，監(jiān)測(cè)裝置用于對(duì)無人售貨裝置附近的活動(dòng)進(jìn)行視頻圖像監(jiān)測(cè)，監(jiān)測(cè)裝置包括 預(yù)處理模塊、檢測(cè)跟蹤模塊、識(shí)別輸出模塊.
[0007] (1)預(yù)處理模塊，用于對(duì)接收到的圖像進(jìn)行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊、圖 像濾波子模塊和圖像增強(qiáng)子模塊：
[000引圖像轉(zhuǎn)化子模塊，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0009]
[0010] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍(lán)強(qiáng)度值，化義，7)代表 坐標(biāo)(X，y)處的像素灰度值;圖像大小為m X n;
[0011] 圖像濾波子模塊，用于對(duì)灰度圖像進(jìn)行濾波：
[0012] 采用維納濾波來進(jìn)行一級(jí)濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：Msvim(x，y) =aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中日1、日2、日3、日4為可變權(quán)值，
i = l，2,3,4;J(x，y)為經(jīng)濾波后的圖像；
[0013] 圖像增強(qiáng)子模塊：
[0014] 當(dāng)I
，其中，LU, y)為增強(qiáng) 后的灰度值;iKx，y)是包含有局部信息的伽馬校正系數(shù)，此時(shí)
是范圍為O到I的可變參數(shù)，
[0015] 當(dāng)
其中(6(x,y)=(6a(Msvlm(x,y)):
IH是圖像中灰度值高于128的所有 像素的均值，HiL是灰度值低于UH的所巧像素的巧但，且化時(shí)m=min(mH，mL)，在a值已知的情 況下，計(jì)算出化6個(gè)4校正系數(shù)作為查找表，記為ft 豈其中i為索引值，利用MsvimU, y) 的灰度值作為索引，根據(jù)(6(x，y)=MMsvl"(x，y))快速獲得圖像中每個(gè)像素的伽馬校正系數(shù) iKx，y):
為模板修正系數(shù)；
[0016] (2)檢測(cè)跟蹤模塊，具體包括構(gòu)建子模塊、丟失判別子模塊和更新子模塊：
[0017] 構(gòu)建子模塊，用于視覺字典的構(gòu)建：
[0018] 在初始帖獲取跟蹤目標(biāo)的位置和尺度，在其周圍選取正負(fù)樣本訓(xùn)練跟蹤器，將跟 蹤結(jié)果作為訓(xùn)練集X={xi，x2,......xn}T;并對(duì)訓(xùn)練集中的每幅目標(biāo)圖像提取128維的SIFT 特征其中S康示訓(xùn)練集中第t幅目標(biāo)圖像中SIFT特征的個(gè)數(shù);跟蹤N帖W后，通過 聚類算法將運(yùn)些特征劃分為K個(gè)簇，每個(gè)簇的中屯、構(gòu)成特征單詞，記為{。巧=1;能夠提取到 的特征總量％二玄裝1&，其中K?機(jī)，且K 視覺字典構(gòu)建好W后，每幅訓(xùn)練圖像 表示為特征包的形式，用于表示視覺字典中特征單詞出現(xiàn)的頻率，用直方圖Mxt)表示，h (Xt)通過W下方式獲取:將一幅訓(xùn)練圖像Xt中的每一個(gè)特征cUW向視覺字典投影，用投影距 離最短的特征單詞表示該特征，對(duì)所有特征投影完畢后，統(tǒng)計(jì)每個(gè)特征單詞的出現(xiàn)頻率，并 歸一化得到訓(xùn)練圖像Xt的特征直方圖h(xt);
[0019] 丟失判別子模塊，用于判別目標(biāo)的丟失與否：
[0020] 當(dāng)新一帖圖像到來時(shí)，從K個(gè)直方圖柱中隨機(jī)選取Z<K個(gè)直方圖柱，且Z = 4,形成新 的大小為Z的子直方圖hW(xt)，子直方圖的個(gè)數(shù)最多為馬=巧個(gè);計(jì)算候選目標(biāo)區(qū)域和訓(xùn) 練集中某個(gè)目標(biāo)區(qū)域?qū)?yīng)子直方圖的相似性。t_z，
其中t = 1，2,...，N，z = l，2,...，化，然后計(jì)算總體相似性O(shè)t=I-n z(l-〇t_z);候選目標(biāo)區(qū)域與目 標(biāo)的相似性用。二max{ O t，t}表示，則目標(biāo)丟失判斷式為：
其 中g(shù)s為人為設(shè)定的判失閥值;當(dāng)U = I時(shí)目標(biāo)被穩(wěn)定跟蹤，當(dāng)U = O時(shí)，目標(biāo)丟失；
[0021] 當(dāng)目標(biāo)丟失時(shí)，定義仿射變換模型：
其中（Xt，yt)和(Xt-I，yt-1)分別為當(dāng)前帖目標(biāo)中某個(gè)SITF特征點(diǎn)的位置坐標(biāo)和前一個(gè)帖目標(biāo) 中對(duì)應(yīng)匹配特征點(diǎn)的位置坐標(biāo)，兩者均為已知量;S為尺度系數(shù)，0為旋轉(zhuǎn)系數(shù)，e和f代表了 平移系數(shù)，
3溫度旋轉(zhuǎn)修正系數(shù)，，
為溫度平移修正系數(shù)，山和化用于修正因?yàn)榄h(huán)境溫度偏差造成的圖像旋轉(zhuǎn)和平移誤差，I'd為 人為設(shè)定的標(biāo)準(zhǔn)溫度，設(shè)為20度，T為由溫度傳感器實(shí)時(shí)監(jiān)測(cè)得到的溫度值;采用Ransac估 計(jì)算法求取仿射變換模型的參數(shù)，最后在新的尺度S和旋轉(zhuǎn)系數(shù)0下采集正負(fù)樣本，更新分 類器；
[0022] 更新子模塊，用于視覺字典的更新：
[0023] 在每帖圖像獲得目標(biāo)位置W后，根據(jù)仿射變換參數(shù)的計(jì)算結(jié)果，收集所有滿足結(jié) 果參數(shù)的SIFT特征點(diǎn){/n'l爲(wèi)=1，經(jīng)過F = 3帖W后，獲得新的特征點(diǎn)集{/；；設(shè)主其中St-F代表 了從F帖圖像中得到的總特征點(diǎn)數(shù)；利用下式對(duì)新舊特征點(diǎn)重新進(jìn)行K聚類：=
I其中{CULi表示新的視覺字典，視覺字典的大小保 持不變；G {0.1}是遺忘因子，表明了舊字典所占的比重，與越小，新特征對(duì)目標(biāo)丟失的判 斷貢獻(xiàn)越多，取癸= 0.12;
[0024] (3)識(shí)別輸出模塊，用于圖像的識(shí)別和輸出：在待識(shí)別的圖像序列中利用跟蹤算法 獲取目標(biāo)區(qū)域，將目標(biāo)區(qū)域映射到已知訓(xùn)練數(shù)據(jù)形成的子空間，計(jì)算子空間中目標(biāo)區(qū)域與 訓(xùn)練數(shù)據(jù)之間的距離，獲得相似性度量，判定目標(biāo)類別，并輸出識(shí)別結(jié)果。
[0025] 優(yōu)選的，采用維納濾波來進(jìn)行一級(jí)濾除后，此時(shí)圖像信息還包含有殘余的噪音，采 用W下的二級(jí)濾波器進(jìn)行二次濾波：
[0026]
[0027] 其中，J(X，y)為經(jīng)過濾波后的圖像;Pg(x+i，y+j)代表尺度為m X n的函數(shù)，且Pg(X+ i，y+j)=qXe邱(-(x2+y2)/?)，其中q是將函數(shù)歸一化的系數(shù)，即 JJqXexp(-(x2+y2)/?) dxdy=1O
[0028] 本無人售貨裝置的有益效果為:在圖像預(yù)處理階段，增強(qiáng)的圖像能夠根據(jù)模板的 大小自適應(yīng)調(diào)整，提高增強(qiáng)效果，且在在不同模板大小時(shí)判斷條件能自動(dòng)修正，且考慮了視 覺習(xí)慣W及人眼對(duì)不同色彩的感知度同色彩強(qiáng)度的非線性關(guān)系;將MXN個(gè)幕指數(shù)運(yùn)算降低 為256個(gè)，提高了計(jì)算效率;在目標(biāo)檢測(cè)和跟蹤階段，能夠消除不同溫度導(dǎo)致圖像的旋轉(zhuǎn)和 平移造成的誤差，提高識(shí)別率，經(jīng)處理后的圖像細(xì)節(jié)更加清晰，且計(jì)算量相對(duì)于傳統(tǒng)方法大 幅度減少，能夠有效適應(yīng)目標(biāo)尺度變化，并能夠準(zhǔn)確判定目標(biāo)是否發(fā)生丟失，在目標(biāo)重新回 到視場(chǎng)后能夠被重新檢測(cè)并穩(wěn)定跟蹤。此外，該無人售貨裝置具有實(shí)時(shí)性好、定位準(zhǔn)確和魯 棒性強(qiáng)的優(yōu)點(diǎn)，且在快速有遮擋的目標(biāo)檢測(cè)和跟蹤方面取得了很好的效果。
【附圖說明】
[0029] 利用附圖對(duì)本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限 審IJ，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)W下附圖獲得 其它的附圖。
[0030]圖I是一種可增強(qiáng)對(duì)比度的無人售貨裝置的結(jié)構(gòu)框圖；
[0031 ]圖2是一種可增強(qiáng)對(duì)比度的無人售貨裝置的外部示意圖。
【具體實(shí)施方式】
[0032] 結(jié)合W下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。
[0033] 實(shí)施例1:如圖1-2所示，一種可增強(qiáng)對(duì)比度的無人售貨裝置，包括無人售貨裝置5 和安裝在無人售貨裝置5上的監(jiān)測(cè)裝置4,監(jiān)測(cè)裝置4用于對(duì)無人售貨裝置5附近的活動(dòng)進(jìn)行 視頻圖像監(jiān)測(cè)，監(jiān)測(cè)裝置4包括預(yù)處理模塊1、檢測(cè)跟蹤模塊2、識(shí)別輸出模塊3。
[0034] (1)預(yù)處理模塊1，用于對(duì)接收到的圖像進(jìn)行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊11、 圖像濾波子模塊12和圖像增強(qiáng)子模塊13:
[0035] 圖像轉(zhuǎn)化子模塊11，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0036]
[0037] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍(lán)強(qiáng)度值，化義，7)代表 坐標(biāo)(x，y)處的像素灰度值;圖像大小為mXn;
[0038] 圖像濾波子模塊12,用于對(duì)灰度圖像進(jìn)行濾波：
[0039] 采用維納濾波來進(jìn)行一級(jí)濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：Msvim(x，y) = aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中曰1、日2、日3、日4為可變權(quán)值，
i = l，2,3,4;J(x，y)為經(jīng)濾波后的圖像；
[0040] 圖像增強(qiáng)子模塊13:
[0041] 當(dāng)
其中，LU, y)為增強(qiáng) 后的灰度值;iKx，y)是包含有局部信息的伽馬校正系數(shù)，此時(shí)
，a是 范圍為0到1的可變參數(shù)
[0042] 當(dāng)
'且《>50時(shí)，
其中iKx，y)=4a(Msvim(x，y)):
，mH是圖像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此時(shí)m=min(mH，mL)，在a值已知的情 況下，計(jì)算出256個(gè)4校正系數(shù)作為查找表，記為{巾"姆}皆1，其中i為索引值，利用Msv