專利名稱：用于物聯網的在線物體圖像信息獲取裝置及獲取方法
技術領域：
本發明屬于探測與成像領域，涉及一種用于物聯網的在線物體圖像信息獲取裝置及其圖像彳目息獲取方法。
背景技術：
物聯網是新一代信息技術的重要組成部分，其英文名稱是The Internet ofthings，S卩，物聯網是物物相連的互聯網。其包括兩層含義第一，物聯網的核心和基礎仍然是互聯網，且是在互聯網基礎上的延伸和擴展的網絡；第二，其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信。物聯網是通過射頻識別(RFID)、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，按約定的協議，把任何物品與互聯網相連接，進行信息交換和通信，以實現對物品的智能化識別、定位、跟蹤、監控和管理的一種網絡。
傳統的圖像采集及傳輸系統一般是通過攝像頭捕捉視頻，然后將視頻數據直接通過網絡傳輸到服務器或是把視頻數據存儲在硬件上。隨著技術的發展，圖像采集系統的分辨率越來越高，視頻數據也越來越大，隨之要求的網絡傳輸量和存儲介質也越來越大。且一個物聯網平臺有多個傳感器或視頻攝像頭，數目可能達到上千。現階段的物聯網隨著存儲系統規模不斷增大，在大規模文件系統中，文件的數量高達幾十億個。但實際上，每一個視頻圖像包括需關注的圖像和不需關注的背景圖像，這些文件都包含大量的背景信息和冗余的干擾信息，使得在這種海量數據中檢索文件也變得異常困難。隨著視頻數據量的增大，視頻采集系統的實時性變差，容易出現滯后和數據丟失的現象，嚴重時會影響整個系統的正常運作。將這些傳感器和攝像頭采集的數據傳輸到物聯網過程中，傳遞的數據量過大也很容易使網絡擁擠，導致網絡數據傳輸出現錯誤。因此，在保證圖像質量的前提下，減少視頻數據采集的數據量及提取圖像中關鍵像素區域以進行傳輸或存儲有著非常重要的作用。
發明內容
本發明的目的在于克服現有技術中的缺點與不足，提供一種減少視頻數據采集的數據量及提取圖像中關鍵像素區域的用于物聯網的在線物體圖像信息獲取裝置。本發明是通過以下技術方案實現的一種在線物體圖像信息獲取裝置，包括圖像采集模塊和圖像處理模塊，該圖像采集模塊完成圖像采集后將圖像數據傳送至圖像處理模塊，該圖像處理模塊確定圖像的目標物體的像素區域并對該目標物體進行成像。進一步，該圖像處理模塊包括圖像識別單元和圖像成像單元，該圖像識別單元識別在圖像中存在的目標物體，并提取該目標物體所在的像素區域，進一步確定該目標物體的幾何中心；該圖像成像單元將圖像識別單元提取的目標物體的像素區域進行成像處理。該圖像處理模塊還包括圖像預處理單元，其對原始圖像數據進行濾波、降噪及灰度變換的預處理以改善其圖像質量。以及，該圖像處理模塊進一步包括圖像壓縮單元，其將圖像成像單元獲得的圖像數據進行壓縮處理。同時，本發明還提供用于物聯網的在線物體圖像信息的獲取方法。一種在線物體圖像信息的獲取方法，包括如下步驟SI :通過圖像采集模塊完成圖像采集后將圖像數據傳送至圖像處理模塊；S2 圖像處理模塊確定圖像的目標物體的像素區域并對該目標物體進行成像；S3:圖像處理模塊處理后的圖像存儲至存儲模塊中，或通過傳輸模塊傳輸至服務器。進一步，所述步驟S2的圖像處理模塊是通過Hough變換的換算方法確定圖像的目
標物體的像素區域，并確定該目標物體的幾何中心。以及，所述步驟S2進一步包括對目標物體的成像圖像進行壓縮處理的步驟。相對于現有技術，本發明的用于物聯網的在線物體圖像信息獲取裝置及其獲取方法能夠實時地對拍攝的圖像提取圖像中關鍵像素區域，再次成像，去除冗長的多余圖像信息，在保證圖像質量的前提下，減少視頻數據采集的數據量進行傳輸或存儲，加快了數據傳輸的速度，避免了傳輸數據堵塞及網絡數據傳輸出現錯誤的不利情況。為了能更清晰的理解本發明，以下將結合
闡述本發明的具體實施方式
。
圖I是本發明在線物體圖像信息獲取裝置的結構框圖。圖2是圖I所示圖像處理模塊120的結構框圖。圖3是對比度拉伸變換函數的函數示意圖。
具體實施例方式請參閱圖1，其是本發明在線物體圖像信息獲取裝置的結構框圖。該物體圖像信息獲取裝置100包括圖像采集模塊110、圖像處理模塊120、存儲模塊130及傳輸模塊140。該圖像采集模塊110完成圖像(如視頻圖像)采集，并將圖像數據傳送至圖像處理模塊120。該圖像處理模塊120對圖像進行預處理、邊緣提取、確定物體幾何中心位置及對目標進行成像、確定物體所在像素區域，之后對圖像數據進行壓縮，存儲至存儲模塊130或通過傳輸模塊140傳送至服務器。具體的，該視頻采集模塊110包括鏡頭和圖像采集電路。所述圖像采集電路包括CXD傳感器和A/D轉換器，外界物體通過鏡頭在CXD傳感器上成像，當視頻采集模塊110接收到采集指令后，CCD傳感器通過A/D轉換器將光學圖像轉換成數字圖像信息，然后輸送至圖像處理模塊120。請同時參閱圖2，其是圖I所示圖像處理模塊120的結構框圖。該圖像處理模塊120由DSP芯片(數字信號處理芯片)組成，其是該在線物體圖像信息獲取裝置的核心部分，具體地，其包括圖像預處理單元121、圖像識別單元122、圖像成像單元123、圖像壓縮單元124。由于拍攝的視頻會受到各種條件的限制和干擾，如光線不均、線路傳送所產生的噪聲污染等影響到視頻圖像的清晰度和圖像質量，因此圖像預處理單元120首先對原始圖像數據進行濾波、降噪、灰度變換等預處理以改善其圖像質量。預處理后的圖像數據傳送至圖像識別單元122，其識別在圖像中存在的目標物體，并提取該圖像中該目標物體所在的區域，且進一步確定該目標物體的幾何中心。該圖像成像單元123將圖像識別單元122提取的像素區域進行成像處理。該圖像壓縮單元124將圖像成像單元123獲得的圖像數據進行壓縮處理。然后存儲至存儲模塊130或通過傳輸模塊140傳送至服務器。該存儲模塊130包括SDRAM (同步動態隨機存儲器)、ROM (只讀內存)和硬盤。其中，SDRAM主要是存儲該圖像處理模塊120 (即DSP芯片)運行的操作系統、以及運算的臨時數據；該ROM用來存放操作系統和系統設置數據；該硬盤是視頻圖像采集的數據需要存放在本地時的臨時存放地方。所述傳輸模塊140包括有VGA (Video Graphics Array)接口、I/O接口和以太網通信裝置，在基于TCP/IP協議的網絡通信基礎上使圖像數據可以通過多種傳輸方式輸出至遠程服務器。 以下具體說明該在線物體圖像信息獲取裝置100的工作過程SI :視頻采集模塊110接收到采集指令后，C⑶傳感器通過A/D轉換器將光學圖像轉換成數字圖像信息，然后輸送至圖像處理模塊120 ；S2 :該圖像處理模塊120提取圖像中目標物體的像素區域并對目標進行成像處理，然后進一步進行壓縮處理；S3 :壓縮后的圖像數據被存儲至存儲模塊130中或者通過傳輸模塊140傳送至服務器。該在線物體圖像信息獲取裝置100的圖像處理模塊120通過對圖像的冗長信息進行篩選刪除，獲得特定目標物體的具體圖像，并進行壓縮處理，大大減少了圖像數據量，便于其后圖像數據的傳輸與數據交換。進一步，該步驟S2具體還包括以下的工作過程S21 :該圖像處理模塊120的圖像預處理單元121首先對原始圖像數據進行濾波、降噪、灰度變換等預處理以改善其圖像質量。預處理后的圖像數據傳送至圖像識別單元122。該圖像預處理單元121的預處理算法具體為采用分段線性變化法，即將視頻圖像灰度區間分成兩段或多段，然后對每一段分別做線性變換。本實施例中采用對比度拉伸的分段線性變化法，以提高處理時灰度級的動態范圍。請參閱圖2，其是對比度拉伸變換函數的函數示意圖。對比度拉伸的函數表達式為
J1 X / X1X < X1/ (X) = < (V2 — yl )(x-X1)/(x2 -X1) + ^Xx<X< X2
(255 -y2)(x-x2)/(255 -X2)+ ix > x，式中(X1, Y1)和(x2, y2)是圖2中兩個轉折點坐標。上述對比度拉伸變換函數的運算結果是將原圖在X1和X2之間的灰度拉伸到yi和y2之間。通過有選擇的拉伸某段灰度區間，能夠靈活地控制圖像灰度直方圖的分布，以改善輸出圖像的質量。S22 :圖像識別單元122識別在圖像中存在的目標物體，并提取該圖像中該目標物體所在的像素區域，且進一步確定該目標物體的幾何中心。具體地，該圖像識別單元122是通過Hough變換的換算方式以提取目標物體圖像的區域邊界，確定該目標物體所在的像素區域。Hough變換是一種使用表決原理的參數估計技術，其原理是利用圖像空間和Hough參數空間的點-線對偶性,把圖像空間中的檢測問題轉換到參數空間。Hough變換的實質是將圖像空間內具有一定關系的像元進行聚類，尋找能把這些像元用某一解析形式聯系起來的參數空間累積對應點。通過在參數空間里進行簡單的累加統計，然后在Hough參數空間尋找累加器峰值的方法檢測直線、檢測圓的圓心坐標、半徑型參數和檢測物體復雜形狀的基于模板的多維關鍵點參數等。以檢測直線為例，在原始圖像坐標系下的一個點對應了參數坐標系中的一條直線，同樣參數坐標系的一條直線對應了原始坐標系下的一個點，然后，原始坐標系下呈現直線的所有點，它們的斜率和截距是相同的，所以它們在參數坐標系下對應于同一個點。這樣在將原始坐標系下的各個點投影到參數坐標系下之后，看參數坐標系下有沒有聚集點，這樣的聚集點就對應了原始坐標系下的直線。直線的極坐標方程p =Xcos 9 +ysin 9圖像平面上的一個點就對應到參數P — 0平面上的一條曲線上。再以檢測某一半徑的圓為例，可以選擇與原圖像空間同樣的空間作為參數空間。那么圓圖像空間中的一個圓對應了參數空間中的一個點，參數空間中的一個點對應了圖像空間中的一個圓，圓圖像空間中在同一個圓上的點，它們的參數相同即a，b相同，那么它們在參數空間中的對應的圓就會過同一個點(a，b)，所以，將原圖像空間中的所有點變換到參數空間后，根據參數空間中點的聚集程度就可以判斷出圖像空間中有沒有近似于圓的圖形。如果有的話，這個參數就是圓的參數。檢測圓的方程(x~a)2+ (y-b)2=T2其中，(a, b)為圓心，r為圓的半徑。 因此，通過輸入一相應的圖形函數至該圖像識別單元122，該圖像識別單元即可提取目標物體圖像的區域邊界，確定該目標物體所在的像素區域。S23 :圖像成像單元123將圖像識別單元122提取的像素區域進行成像處理。S24 :該圖像壓縮單元124將圖像成像單元123獲得的圖像數據進行壓縮處理。相對于現有技術，本發明的用于物聯網的在線物體圖像信息獲取裝置能夠實時地對拍攝的圖像提取圖像中關鍵像素區域，再次成像，去除冗長的多余圖像信息，在保證圖像質量的前提下，減少視頻數據采集的數據量進行傳輸或存儲，加快了數據傳輸的速度，避免了傳輸數據堵塞及網絡數據傳輸出現錯誤的不利情況。本發明并不局限于上述實施方式，如果對本發明的各種改動或變形不脫離本發明的精神和范圍，倘若這些改動和變形屬于本發明的權利要求和等同技術范圍之內，則本發明也意圖包含這些改動和變形。
權利要求
1.一種在線物體圖像信息獲取裝置，其特征在于包括圖像采集模塊和圖像處理模塊，該圖像采集模塊完成圖像采集后將圖像數據傳送至圖像處理模塊，該圖像處理模塊確定圖像的目標物體的像素區域并對該目標物體進行成像。
2.根據權利要求I所述的在線物體圖像信息獲取裝置，其特征在于該圖像處理模塊包括圖像識別單元和圖像成像單元，該圖像識別單元識別在圖像中存在的目標物體，并提取該目標物體所在的像素區域，進一步確定該目標物體的幾何中心；該圖像成像單元將圖像識別單元提取的目標物體的像素區域進行成像處理。
3.根據權利要求2所述的在線物體圖像信息獲取裝置，其特征在于該圖像處理模塊還包括圖像預處理單元，其對原始圖像數據進行濾波、降噪及灰度變換的預處理以改善其圖像質量。
4.根據權利要求3所述的在線物體圖像信息獲取裝置，其特征在于該圖像處理模塊進一步包括圖像壓縮單元，其將圖像成像單元獲得的圖像數據進行壓縮處理。
5.根據權利要求r4中任一權利要求所述的在線物體圖像信息獲取裝置，其特征在于所述圖像處理模塊為DSP芯片。
6.根據權利要求5所述的在線物體圖像信息獲取裝置，其特征在于還包括存儲模塊，其用以存儲圖像處理模塊處理后的圖像。
7.根據權利要求5所述的在線物體圖像信息獲取裝置，其特征在于還包括傳輸模塊，其用以將圖像處理模塊處理后的圖像傳送至服務器。
8.—種在線物體圖像信息的獲取方法，其特征在于包括如下步驟 51:通過圖像采集模塊完成圖像采集后將圖像數據傳送至圖像處理模塊； 52:圖像處理模塊確定圖像的目標物體的像素區域并對該目標物體進行成像； 53:圖像處理模塊處理后的圖像存儲至存儲模塊中，或通過傳輸模塊傳輸至服務器。
9.根據權利要求8所述的在線物體圖像信息的獲取方法，其特征在于所述步驟S2的圖像處理模塊是通過Hough變換的換算方法確定圖像的目標物體的像素區域，并確定該目標物體的幾何中心。
10.根據權利要求8所述的在線物體圖像信息的獲取方法，其特征在于所述步驟S2進一步包括步驟對目標物體的成像圖像進行壓縮處理。
全文摘要
本發明涉及一種用于物聯網的在線物體圖像信息獲取裝置，包括圖像采集模塊和圖像處理模塊，該圖像采集模塊完成圖像采集后將圖像數據傳送至圖像處理模塊，該圖像處理模塊確定圖像的目標物體的像素區域并對該目標物體進行成像。本發明的在線物體圖像信息獲取裝置能夠實時地對拍攝的圖像提取圖像中關鍵像素區域，再次成像，去除冗長的多余圖像信息，在保證圖像質量的前提下，減少視頻數據采集的數據量進行傳輸或存儲。
文檔編號H04N7/18GK102801962SQ20121030196
公開日2012年11月28日 申請日期2012年8月22日 優先權日2012年8月22日
發明者李軍, 藍建輝, 李榕, 江美霞, 區國安, 林銳翰 申請人:華南師范大學