食物攝取事件中器皿邊緣檢測(cè)與識(shí)別的研究

摘 要：當(dāng)今社會(huì)，越來(lái)越多的病癥不斷出現(xiàn)，如：肥胖癥，糖尿病等多種“現(xiàn)代文明病”早已經(jīng)成為危害人們健康的主要病癥。文章是通過(guò)人體攜帶可穿戴的電子監(jiān)控設(shè)備，對(duì)一天的生理活動(dòng)視頻進(jìn)行分析，對(duì)食物攝取行為事件進(jìn)行判定的研究。提出了一種基于多融合處理的橢圓檢測(cè)算法，按照算法流程分別闡述了邊緣檢測(cè)，輪廓分割，輪廓檢測(cè)，弧線段過(guò)濾與重組，引入凸性約束的影響和基于最小二乘橢圓擬合方法的檢測(cè)方法。將實(shí)際復(fù)雜問(wèn)題轉(zhuǎn)換成器皿的邊緣檢測(cè)問(wèn)題，從而為人體攝取能量與健康的主要因素的研究提供有效地科學(xué)依據(jù)。

關(guān)鍵詞：邊緣檢測(cè)；輪廓分割；橢圓檢測(cè)

1 概述

一種可穿戴的電子設(shè)備是匹斯堡大學(xué)醫(yī)學(xué)中心計(jì)算神經(jīng)科學(xué)實(shí)驗(yàn)室（laboratory for computational Neuroscience），體重管理中心（weight management center），電工實(shí)驗(yàn)室聯(lián)合研制的[3]。該電子設(shè)備結(jié)構(gòu)十分簡(jiǎn)單，輕巧，可以直接將該電子設(shè)備佩戴在胸前，拍攝周圍的環(huán)境，內(nèi)置存儲(chǔ)卡可以自動(dòng)保存視頻。監(jiān)控周期設(shè)置為24小時(shí)，監(jiān)控結(jié)束后，拍攝好的監(jiān)控錄像可以作為多種參考依據(jù)進(jìn)行處理。文章中主要研究生活環(huán)境中的影響身體健康的因素，作為醫(yī)學(xué)參考依據(jù)。

文章是關(guān)于食物攝取行為的器皿邊緣檢測(cè)與識(shí)別的研究。將實(shí)際復(fù)雜問(wèn)題轉(zhuǎn)換成器皿的邊緣檢測(cè)問(wèn)題，運(yùn)用相對(duì)應(yīng)的邊緣檢測(cè)算法，并對(duì)檢測(cè)結(jié)果的處理與分析，判定食物攝取行為事件，從而為人體攝取能量與健康的主要因素的研究提供有效地科學(xué)依據(jù)。

2 關(guān)鍵技術(shù)

基于傳統(tǒng)的橢圓檢測(cè)算法的優(yōu)勢(shì)與不足，文章提出了一種基于多融合處理的橢圓檢測(cè)算法，該框架按照?qǐng)D像的處理過(guò)程進(jìn)行搭建，首先對(duì)圖像進(jìn)行邊緣檢測(cè)，提取關(guān)鍵幀，對(duì)關(guān)鍵幀進(jìn)行輪廓檢測(cè)和分割處理，得到多條弧線段，對(duì)弧線段進(jìn)行過(guò)濾處理后，基于凸性約束原則重新組合弧線段，最后通過(guò)橢圓參數(shù)擬合方式進(jìn)行橢圓存在檢測(cè)。

在基于多融合處理的橢圓檢測(cè)框架圖1中，提取關(guān)鍵幀，對(duì)關(guān)鍵幀圖像進(jìn)行邊緣檢測(cè)后，邊緣部分的像素點(diǎn)是離散的，經(jīng)過(guò)輪廓檢測(cè)和輪廓分割處理，連接檢測(cè)出來(lái)的邊緣點(diǎn)，構(gòu)成比較平滑的曲線。然后將該曲線劃分成多條弧線段，運(yùn)用統(tǒng)計(jì)學(xué)思想，提出干擾數(shù)據(jù)，過(guò)濾篩選弧線段，并且基于凸性約束原則，重新組合了剩余的弧線段，構(gòu)成集合，最后對(duì)弧線段集合進(jìn)行橢圓檢測(cè)，通過(guò)橢圓參數(shù)擬合，達(dá)到橢圓檢測(cè)的目的。

在本論文中，考慮到實(shí)際場(chǎng)景問(wèn)題的解決，為了保證結(jié)果的正確性，因此選用Sobel算子。

上述已有定義：

Sobel算子中，有兩組3x3的矩陣，橫向矩陣和縱向矩陣，將矩陣與圖像作平面卷積，分別求出橫向和縱向的亮度差分估算值。原始圖像用M表示，經(jīng)過(guò)橫向及縱向邊緣檢測(cè)后的圖像用GX及Gy代表，公式表示如下：

從上式可以看出，如果角度？茲取零值，代表待檢測(cè)的圖像中包含縱向邊緣。

3 設(shè)計(jì)

經(jīng)過(guò)邊緣檢測(cè)后，只是得到一些離散的邊緣點(diǎn)，但是邊緣點(diǎn)之間的關(guān)系是未知的，將離散的邊緣點(diǎn)重新組合在一起，還必須經(jīng)過(guò)輪廓的檢測(cè)過(guò)程。輪廓分割技術(shù)是基于輪廓檢測(cè)的基礎(chǔ)上進(jìn)行的。由于單純的輪廓檢測(cè)之后，并不能完整的、明確的判定圖像中的分類信息。為了避免圖像中的信息出現(xiàn)重疊，或者圖像中的邊緣劃分不清，導(dǎo)致傳輸?shù)男畔㈠e(cuò)誤，還必須經(jīng)過(guò)輪廓的分割處理過(guò)程，將處理后的圖像分割為不同的類別，明確圖像中的信息。輪廓分割的主要目的是將圖像信息的內(nèi)容進(jìn)行區(qū)分。由于充分的切割曲線后，圖像檢測(cè)后的各條曲線都被劃分為多個(gè)弧段來(lái)表示，展示了輪廓分割后弧線的分布情況。不同的弧線段代表不同的圖像信息，區(qū)分每個(gè)弧段的含義，這種方法有效的避免了圖像中的信息重疊問(wèn)題。不經(jīng)過(guò)輪廓分割的圖像輪廓，是包含所有的信息融合在一起的輪廓，不同的物體之間可能存在錯(cuò)誤的連接曲線，而輪廓的分割處理后不存在這一問(wèn)題。但不可避免的是，輪廓分割可能會(huì)導(dǎo)致原有正確的連貫曲線被切割，從而破壞了原有的輪廓。輪廓分割存在優(yōu)點(diǎn)和不足，但這種方法基本保證了物體輪廓檢測(cè)與分割的正確性。

輪廓經(jīng)過(guò)了分割和過(guò)濾兩項(xiàng)處理后，有利用價(jià)值的信息被保存了下來(lái)，噪聲數(shù)據(jù)信息被刪除掉。但是，并不能直接將這些保留的信息進(jìn)行檢測(cè)應(yīng)用。這是因?yàn)楸Ａ舻男畔⒅幸廊淮嬖陔[患，并不能百分百的保證過(guò)濾后的數(shù)據(jù)一定是正確的，橢圓的檢測(cè)精度不能被忽視。其次，輪廓分割過(guò)程中，破壞的原始輪廓的形狀，無(wú)法區(qū)分離散的弧線段是含有同樣的信息，可以將這些弧線段進(jìn)行重新組合，劃分并且合并這些輪廓，這種方法將會(huì)大大提高檢測(cè)的準(zhǔn)確度。一般來(lái)講，圖像通常是含有多個(gè)橢圓形的，保留下的弧段可以是來(lái)自不同的邊緣區(qū)域，采用組合的方法，更能夠確保檢測(cè)結(jié)果有較高的準(zhǔn)確精度。因此，弧線段的重新組合問(wèn)題是橢圓檢測(cè)的關(guān)鍵。

將基于多融合處理的橢圓檢測(cè)算法應(yīng)用于實(shí)際生活場(chǎng)景的檢測(cè)中，被監(jiān)控者佩戴可穿戴的電子設(shè)備進(jìn)行一天的生理活動(dòng)視頻的錄制，每隔24小時(shí)作為一個(gè)檢測(cè)周期，視頻中包含了被監(jiān)控者每天進(jìn)行規(guī)律性的行為活動(dòng)，該視頻可以上傳給醫(yī)師，便于醫(yī)師分析影響被監(jiān)控者身體健康的各種因素。由于食物攝取行為的判定是通過(guò)檢測(cè)圖像中器皿邊緣的存在來(lái)決定的。因此，對(duì)于這一問(wèn)題的檢測(cè)，只要考慮人體在攝取食物狀態(tài)即可。由于人在吃東西時(shí)，身體基本保持靜止?fàn)顟B(tài)，所以需要將拍攝的視頻首先進(jìn)行初步處理，從海量視頻中提取靜態(tài)視頻片段，截取靜止圖像，并在大量的靜止圖像中提取關(guān)鍵幀，對(duì)提取的關(guān)鍵幀進(jìn)行簡(jiǎn)單的預(yù)處理過(guò)程，得到待檢測(cè)的特征圖像，然后采用多融合處理檢測(cè)算法進(jìn)行圖像的器皿邊緣檢測(cè)，檢測(cè)圖像中是否含有圓形器皿邊緣，由于實(shí)際的生活場(chǎng)景圖片中包含大量的復(fù)雜信息，干擾數(shù)據(jù)繁多，因此經(jīng)過(guò)邊緣檢測(cè)，輪廓分割與檢測(cè)，弧線段的篩選與過(guò)濾，重組弧線段，最小二乘擬合算法之后獲取的檢測(cè)結(jié)果存在一定的誤差，但是檢測(cè)結(jié)果足以驗(yàn)證了算法的有效性，在實(shí)際生活場(chǎng)景中判定食物攝取行為準(zhǔn)確度較高。

基于真實(shí)的生活場(chǎng)景，通過(guò)多融合處理橢圓檢測(cè)算法檢測(cè)器皿的邊緣，輪廓檢測(cè)與分割，過(guò)濾篩選弧線段，重新組合弧線段并判定的處理，得到不同的仿真結(jié)果，對(duì)仿真結(jié)果進(jìn)行進(jìn)一步的分析和研究。因此，人體生理活動(dòng)進(jìn)行監(jiān)測(cè)和監(jiān)控的視頻，可以用來(lái)分析影響人們身體健康的因素，并且對(duì)未來(lái)社會(huì)中，人們不斷追求更健康更環(huán)保的生活具有非常深遠(yuǎn)的意義。

參考文獻(xiàn)

[1]王曉明，顧曉東，劉健.基于張量的圖像檢測(cè)及濾波[J].中國(guó)圖形圖像學(xué)報(bào)，2002（8）.

[2]鈕毅，部分遮擋條件下橢圓目標(biāo)識(shí)別[D].上海：上海交通大學(xué)自動(dòng)化學(xué)院，2007.