halcon模板匹配论文

前面总结了利用HALCON进行模板匹配的一些方法，讨论了利用物体形状的轮廓进行匹配的步骤和如何来优化匹配的速度，提高匹配的精度和速度，当然这两者之间本身也存在着制约，而在这两者之间找到一个适合自己要求的结合点，正是我们要研究和实验的。模板匹配并不是单纯的一个任务，它是一些其他工作的一个必备环节，比如物体识别、对象跟踪、检验产品、零件统计等等一些机器视觉应用。在很多情况下，模板匹配是个不错的选择。在前面总结模板匹配方法的基础上，利用HALCON做了一些视频对象跟踪的实验，并多次试验来调整程序参数优化跟踪过程，采用标准视频进行测试，将这些方法作了如下总结。 首先来看看HALOCN中的帧采集器（FrameGrabber），HDevelop提供这样一个函数来开启你采用的帧采集器（这里我的理解就是图像采集卡或工业摄像机）open_framegrabber()，这个函数中指定了HALCON目前支持的一些帧采集器的文件参数，主要有'BARRACUDA', 'BaumerFCAM', 'BCAM1394', 'BitFlow', 'DahengCAM', 'DahengFG', 'DFG-BW', 'DFG-LC', 'DirectFile', 'DirectShow', 'DT315x', 'DT3162', 'File', 'FireGrab', 'FirePackage', 'FlashBus', 'FlashBusMX', 'Ginga++', 'GingaDG', 'IDS', 'INSPECTA', 'Leutron', 'MatrixVision', 'MeteorII', 'mEnable3', 'MultiCam', 'Opteon', 'p3i2', 'p3i4', 'PT1000CL', 'PX', 'PXC', 'PXD', 'PXR', 'SaperaLT', 'TAG', 'TWAIN', 'uEye'；除此之外，在官方网站上也在逐步推出新支持的一些采集卡，比如近期推出的支持大恒的DahengCAM的接口（更多的信息请访问）。由于实验条件有限，我在实验中只能采用标准的视频，有CIF和QCIF两种格式的。这个当中我也在摸索，read_sequence()只是读取无格式的图像数据，因为找不到如何直接打开视频文件，所以在实验时只能采用保存好的单帧图像。 在利用模板匹配进行跟踪之前，需要对选定的初始帧或者某一帧进行分割，比如在实验中，采用标准Akiyo视频文件（352×288），我选定初始帧进行分水岭的分割，然后采用马儿可夫随机场的分类，分割出前景对象和背景；也可以直接利用watersheds_threshold()进行阈值化的分割，当然分割的方法还很多，比如基于边缘的，基于区域增长的，基于阈值的，其中基于阈值的用的较多，里面也分为二值化，自动阈值，动态阈值等，各具特点，使用针对图像特征采用不同的方法。如果想进一步的获取精确的分割，可以采用数学形态学算子，这个可以根据具体需要选择不同的膨胀、腐蚀、开、闭操作的结合，这里就不多说了。 对已经分割好的初始帧建立模板，这里没有再确定某个区域，因为是采用已分割的图像。也可以先确定感兴趣区域（ROI），然后在对该区域建立模板，但这样获得的模板就不怎么精确了。接下来的步骤就更按模板匹配的方法来进行，用create_shape_model()来对初始帧创建模板，但这里要注意一点，Metric有个可选项，use_polarity(匹配时要求有相同的对比度),ignore_global_polarity(在全局上有对比度的情况下仍可匹配)，ignore_local_polarity(即使局部灰度发生变化，也可找到模板，可以应用于遮挡条件)如果在非常低对比度下找到模板，可将MinContrast设置为一个相应小的值；如果即使在严重重叠条件下，仍可以认识模板，MinContrast应该大于噪声造成的灰度波动范围，这是为了确保模板的位置和旋转能被精确的找到。之后获取轮廓，照样使用inspect_template()监视模板。 再接下来就是跟踪的过程，因为是对单帧图像进行匹配，所以要读取这个视频文件的所有帧。如何自动读取多个图像文件也就成了一个问题？这里采用for循环，还是利用read_image(Image,’E:/实验图像/Akiyo/’+k$’d’)来读取，循环当中采用find_shape_model()来匹配，这个过程跟前面介绍的一样，不再细说。要重点总结的是如何来加速匹配以及模板更新的问题，因为考虑到由于视频对象变化过大，或者发生了非刚体的运动，这时某帧不能匹配，就需要重新针对该帧重新建立模板，便于后面帧的匹配。当然在这之前的跟踪过程中，对象与模板之间的测量匹配需设定一个阈值，两者之差在这个阈值之内，则认为是匹配的，否则是不匹配的。当出现不匹配时，记录下该帧；然后对这帧采用图像分割并分类，跟初始帧样建立新模板；于是继续后面的跟踪匹配。在实验中，我采用的视频图像有对象相对于背景变化不大的，比如新闻人、视频会议等；也有对象相对于背景变化大，但对象的运动是刚体运动；如果对于非刚体的运动，匹配过程会更复杂，考虑的问题也更多。 例如，采用claire标准视频图像序列（176×144），由于对象相对背景变化较小，在匹配中尽量不采用更新模板来匹配，这里可以放宽匹配的要求，比如在MaxOverlap参数设置中可以减小其值，将MinSocre的值尽量调小点，这样会增加匹配的时间，可以在匹配的前提下尽量增大Greediness的值，这个实验中我设置的值分别为MaxOverlap=, MinSocre=, Greediness=,共有492帧，总共匹配的时间大约12秒左右。当然这里的时间还更计算机配置有关。对foreman视频序列，由于摄像机的运动，对象和背景都有较大变化，因此在这里匹配要放宽要求，在创建模板时将对比度设置大一点，而在优化过程中选取忽略局部对比度变化的参数，在找模板中将贪婪度（Greediness）设置较低值，并且匹配度也尽量设较低值，这样可以通过部分匹配来跟踪对象。 采用Vectra标准视频图像序列（352×288），汽车行走，可作为一个刚体运动，这时就需要更新模板了，因为在行走的过程中，汽车在转弯或遇到遮挡物时就无法跟踪了，这里暂时不考虑完全遮挡的情况。在这个视频中，汽车在途中会有一些树木的遮挡，遮挡面积不大，可以完整看到汽车的轮廓。这时在前面有转弯的地方，可以放宽匹配的要求，当遇到遮挡时，更新不能匹配的模板。这个视频有141帧，在前面100帧以内，可以很好的跟踪，而在以后出现了较大的偏差，这跟寻找模板的参数设置有关；由于更新模板需要消耗时间，所以整个跟踪匹配的时间会较长。在实际应用中，我们更应该考虑到跟踪的效果，即跟踪的准确性；如何提高视频对象跟踪的精确性和快速性也是需要进一步研究实验的。 这是我搜集的机器视觉halcon资料分享给大家，有需要的自己保存：   全套链接：  提取码：vsps 未来视觉发展趋势是结合神经网络、深度学习进行相应的人工智能机器视觉开发。 我不能保证我所说的全部是对的，不同的人有不同的见解，但我能保证每一篇都是用心去写的，我始终认同“分享的越多，你的价值增值越大”，在分享中进步，越努力越幸运，期待我们都有美好的明天！ 支持我的朋友们记得点波推荐哦，您的肯定就是我进步的动力。

图像算法工程师需要协助完成项目的系统集成测试、版本交付等工作，对项目实施和维护提供支持。下面是我为您精心整理的图像算法工程师的职责概述内容。

图像算法工程师的职责概述内容1

职责：

1.负责原有图像算法的改进和新算法的开发;

2.根据项目需求，通过研读相关领域文献寻找解决问题的最优算法;

3.跟踪技术前沿，并对算法性能进行仿真验证;

4.能够搭建计算机视觉算法软硬件测试环境，对算法具体性能进行测试;

5.负责编写算法测试相关的技术文档以及专利相关的文档;

任职资格：

1.模式识别，图像信号处理、计算机、通信、应用数学等计算机相关专业硕士及以上学历;

2.优秀的应届毕业生或2年以上图像算法领域工作经验;

3.熟练C/C++编程语言，熟悉OpenCV的基本算法，有良好的代码习惯;

4.熟练掌握计算机视觉和图像处理相关的基本算法及应用，在图像分割、增强、分类、识别等方面有深厚的算法基础;

5.英文良好，有较强的文献阅读和算法实现能力;

6.优秀的分析问题和解决问题的能力，对解决具有挑战性的问题充满激情;

7、具备以下情况之一者优先:

图像算法工程师的职责概述内容2

职责：

1、负责公司业务中货架图像识别模型学习，维护，更新等工作

2、根据产品研发实际需求，能够独立开发相关的数学模型建立，以及模型的迭代输出实现;

3、产品上线后，持续分析线上识别准确性等指标，优化识别引擎、提高识别效率和成功率;

4、持续跟踪AI的新算法新技术，结合应用场景，为公司业务与技术规划提供决策支持;

任职要求：

1、计算机、机器学习、图像处理、模式识别等相关方向硕士研究生及以上学历

2、2年以上图像识别技术研发经验，熟悉深度学习理论框架

3、熟悉C++、Python，熟悉Tensorflow等主流的机器学习框架;

4、良好的英文技术文献阅读能力，能独立进行英文文献调研、分析和总结;

5、有责任心和团队精神，乐于沟通和合作。

图像算法工程师的职责概述内容3

职责：

1、负责公司产品图像处理算法的维护、新产品图像处理算法的预研和开发;

2、对临床医学图像问题的反馈进行分析、根据临床需求进行算法调整;

3、编写算法详细说明文档，以及算法相关文件的规范化输出;

4、编写公司产品图像处理算法的相关发明专利和软件著作权;

5、医学影像行业内最新图像处理技术的收集、分析与实现。

任职要求：

1、硕士及以上学历，数学或计算机等相关专业;

2、精通C++, Matlab, Python编程语言中的至少其中一项，有良好的编码习惯和技术文档编写能力;

3、有扎实的数学基础，有算法研究和实现的实际项目经验;

4、有良好的英文阅读能力，英语要求六级或同等能力者;

5、有较强的团队合作意识和良好的逻辑分析能力;

6、有CT、MRI图像的分割，配准，或AI/深度学习研究经验者优先。

图像算法工程师的职责概述内容4

职责：

1.参与公司视觉系统研发工作;

2.基于OpenCV、halcon平台，负责参与开发视觉系统的各功能模块，如模板匹配、blob分析、边缘检测、特征提取、瑕疵检测等;

3.负责机器视觉系统图像处理、分析及识别算法设计、实现及现场调试。

职位要求：

1.三年以上以C++开发经验，一年以上以OpenCV、halcon开发经验，熟悉VS2008以上开发平台;

2.有较好的数学基础，动手能力强，能够根据视觉论文编写出针对具体问题的视觉算法。

3.有一定的视觉开发经验和项目经历，熟悉window操作系统，Socket及串口通信、多线程编程、SqlSever2008等操作;

4.对机器视觉有浓厚的兴趣,有良好的抽象思维和逻辑思维能力，独立分析问题和解决问题的能力;

5.具备现场独立调试视觉的能力

图像算法工程师的职责概述内容5

职责：

1、参与公司图像处理相关的工作

2、依照产品需求，给出解决方案，模型搭建，部署等

3、独立完成计算机视觉算法的开发及优化升级

任职资格：

1、具有1年以上的图像处理实际工作经验

2、精通 C/C++，具有较强的问题分析及编程实现能力

3、精通 OpenCV 的使用，同时熟悉 Matlab 更佳

4、熟练 linux 开发环境，能解决 linux 环境配置的常见问题

5、积极、主动，良好的沟通能力及团队合作精神

6、良好的英文阅读能力，能直接读懂英文资料

一般情况是，输入一个确定的检测图片，然后用你已有的模板去匹配一个待检测图片，你说的那种已有确定模板，用其他图像检测的前提是模板图片大小，一定要小于待检测图片，不然无法运行。