Professional Documents
Culture Documents
doi:10.6679/TANET.2016.236
TANET2016 臺灣網際網路研討會, 2016, 2016
作者/Author: 曾建澔;邱韻宇;陳倫奇;吳志泓;林芳邦
頁數/Page: 1333-1337
出版日期/Publication Date:2016/11
引用本篇文獻時,請提供DOI資訊,並透過DOI永久網址取得最正確的書目資訊。
To cite this Article, please include the DOI name in your reference data.
請使用本篇文獻DOI永久網址進行連結:
To link to this Article:
http://dx.doi.org/10.6679/TANET.2016.236
若想得知更多DOI使用資訊,
請參考 http://doi.airiti.com
動態影像追蹤於元件組裝檢測之研究
曾建澔1 邱韻宇2 陳倫奇1 吳志泓1 林芳邦1
1
財團法人國家實驗研究院國家高速網路與計算中心
2
東海大學
c00how00@nchc.narl.org.tw
1333
TANET 2016 臺灣網際網路研討會論文集
之情形的問題,以確保在長時間進行元件組裝監
η ( X N , µi , Σi ) 為第 i 個高斯分布之機率密度函數,
視與組裝軌跡追蹤能有更好的效能。實驗結果顯
M
示,利用本文提出之動態元件偵測與追蹤系統, 其混合權重滿足 ∑ wi = 1 。
可有效監測元件組裝之程序,並記錄安裝過程之 i
移動軌跡。
2.2 模型參數定義
2. 影像分析技術
由於 M 指的是高斯函數的數目,針對簡單的
自動化影像監測系統中,首要面對的問題是 室內環境,高斯模型個數則不需設置過大即能有
環境光源影響。在生產線之工作平台環境下,易 效的描述背景,一般模型數目大概設定為2。倘
受到工廠日光燈或是貨物陰影造成監視影像光影 若,針對複雜性的室外場景,因需要容許多種背
劇烈變化,因此,如果採用傳統的背景相減法 景特性的變化可能,因此,需透過建置多個高斯
(Background Subtraction),將無法有效地偵測前 模型進行混合,通常設定在3至5之間。高斯混合
景元件的型態,導致後端色彩特徵與追蹤系統誤 模型的建置與執行流程大致如下:
判之可能性。 一、 初始化高斯模型
二、 更新高斯分布模型參數
1334
TANET 2016 臺灣網際網路研討會論文集
Zk = H k Xk + v k (5)
其 中 X k 為 在 k 時 刻 的 系 統 狀 態 向 量 ( State
Vector), Φ k 為在 k 時刻的狀態轉移矩陣(State
Transition Matrix), w k 為在 k 時刻之系統狀態雜
訊,假設一均值為零之高斯分佈白雜訊, Z k 為在
k 時刻之量測向量(Measurement Vector), H k 為
在 k 時刻之量測矩陣(Measurement Matrix), w k
和 v k 分別為在 k 時刻之系統狀態雜訊和量測狀態
雜訊,假設均值都為零之高斯分佈白雜訊。
圖2 動態元件影像追蹤架構
3.1 元件目標追蹤
首先本研究的目標組裝元件皆具備特定的色
彩分布,因此,必須針對前景元件目標進行顏色
定義,由於顏色在影像中以 RGB 呈現無法清楚辨
認出顏色的差異,故將 RGB 轉為 HSV 的色彩空
間。因為 HSV 色彩分布具有較強的感知度,並由
HSV 的 H ( 色 相 ) 當 作 顏 色 特 徵 , 透 過 H
(0°~360°)的分佈將各種顏色辨認出來,表1為 H
圖1 卡爾曼濾波演算流程
值分布與顏色之對照表。
系統預測部分,乃利用動態系統方程式預測
然而,在 HSV 色彩空間中,除了 H 值通道的
下個離散時間點可能的系統狀態:
色彩分辨外,組裝元件對於飽和度(S)亦需要做
ˆ− =Φ X
X ˆ (6) 定義,通常範圍為50~100(s > 0.5 & s < 1) 。
k +1 k k
透過定義元件色彩區塊,提取元件對於彩度
1335
TANET 2016 臺灣網際網路研討會論文集
資訊特徵後,即運用卡爾曼濾波進行時序遞迴計 表 3 影片一實驗結果(影像序列由上至下)
算,由推測及更新兩步驟來預測元件位移的位
置,並記錄行徑軌跡,以便監測產品組裝過程是
否正確。
表 1 色相值對應顏色分布
顏色 色相 Hue 值分布
(0°~18° & ( h > 0 & h < 1/20 ) | ( h > 5/6
紅色
300°~360°) &h<1)
橘色 (19°~33°) ( h > 19/360 & h < 11/120 )
黃色 (34°~ 69°) ( h > 17/180 & h < 23/120 )
綠色 (70°~180°) ( h > 0.19 & h < 0.5 )
藍色 (180°~240°) ( h > 1/2 & h < 2/3 )
紫色 (245°~300°) ( h > 2/3 & h < 5/6 )
由表3實驗影片序列分別為frame 80th、100th、
120 、 140th 結 果 顯 示 , 圖 (a) 為 影 片 一 的 追 蹤 軌
th
跡,可看出物體互不干擾,能同時各自追蹤兩種
顏色元件,標識出正確的軌跡。圖(b)為前景橘色
元件二值影像,透過此二值影像找到元件的位移 (a) (b) (c)
中心點,記錄物體移動之追蹤軌跡;圖(c)為前景
藍色元件二值影像。 由表5實驗影片序列分別為frame 40th 、60th 、
80 、100th結果顯示,圖(a)為影片三的追蹤影像,
th
可看出因為橘色元件較大,造成藍色元件的追蹤
1336
TANET 2016 臺灣網際網路研討會論文集
軌跡會因為完全被遮蔽而偵測不到物體,使得追 以分成三個部分,第一部分為前景分割,使用高
蹤軌跡在物體被遮蔽時會出現斷裂。圖(b)為前景 斯混合模型建立背景,將移動目標與背景做影像
橘色元件二值影像,此物體在上所以二值影像是 分割;第二部份是元件色塊特徵,利用色彩特徵
完整的圓形;圖(c)為前景藍色元件二值影像,因 達到追蹤元件移動之路徑;第三部份是利用卡爾
為橘色物體較大,造成藍色物體會因為遮蔽而沒 曼濾波器做目標軌跡追蹤,當目標物體遮蔽時而
有物體影像畫面。 遺失追蹤軌跡時,利用先前及當前狀態去估測出
移動目標下一刻的狀態位置,以達到完整監測元
表 5 影片三實驗結果(影像序列由上至下)
件組裝之程序軌跡之目的。實驗結果顯示,透過
電腦視覺與影像分析技術長期監測元件組裝之程
序,並有效追蹤與紀錄元件位移軌跡,可有效對
於後續產品檢測與分析作業,以提升產品製程之
良率品質。
然而,本系統因採用單一色彩元件資訊,對
於複雜性之元件本體,仍有需要強健相關特徵以
便改善追蹤性能。因此,未來擬融合相關影像分
析技術,以發展出一套更強健的元件組裝檢測系
統。
參考文獻
1337