基于視頻采集與亮點檢測技術的醫(yī)療設備診斷智能化研究

陳勇+汪漢國+錢坤??

摘要：數(shù)字視頻開發(fā)應用在各行業(yè)發(fā)揮重要作用，視頻信號的采集與目標檢測技術更是得到了廣泛的關注。針對具有抖動特征的疾病，旨在利用視頻采集與亮點檢測技術對靜態(tài)、動態(tài)場景下的亮點進行檢測、追蹤和軌跡再現(xiàn)，研究抖動特征，以期待進一步實現(xiàn)醫(yī)療設備診斷的智能化。因此，在Visual C++ 6.0編程環(huán)境下，利用Open CV技術，通過Direct Show進行視頻采集，對比不同檢測算法來處理圖像信息，經(jīng)過形態(tài)學濾波、連通性分析對圖像變化區(qū)域進行后處理，從而實現(xiàn)亮點檢測與追蹤，保存亮點坐標數(shù)據(jù)以實現(xiàn)軌跡再現(xiàn)，分析亮點運動特征。

關鍵詞：Open CV；視頻采集；檢測算法；亮點檢測；軌跡再現(xiàn)

中圖分類號：TB文獻標識碼：Adoi：10.19311/j.cnki.16723198.2017.26.090

看病難、看病貴以及看病效率低等現(xiàn)狀對進一步實現(xiàn)醫(yī)療設備診斷的智能化提出要求，正如現(xiàn)實生活中存在很多病人帶有肢體抖動的癥狀，通過分析這種抖動的癥狀是有規(guī)律可循的，如果將這些抖動轉換為亮點的位移變化，通過視頻信號的采集與目標檢測技術將抖動的軌跡繪制出來分析規(guī)律，比如抖動方式、頻率、幅度、偏差度以及方差等，建立病理分析數(shù)據(jù)庫，提高診斷的可靠性。亮點檢測系統(tǒng)在實時性、可靠性及準確性上提出了更高要求，需要在靜態(tài)和動態(tài)不同場景下通過對比不同亮點檢測算法選擇最優(yōu)算法，以及調整二值化閾值精確判斷亮點位置。本文研究重點亮點檢測的算法選擇以及亮點運動軌跡的繪制及規(guī)律分析。利用Open CV和Visual C++ 6.0組建實驗平臺，通過去除噪聲、正確識別亮點目標、實時圖像分割及處理、繪制亮點軌跡對亮點運動規(guī)律進行了研究。

1系統(tǒng)設計綜述

系統(tǒng)設計總體框圖如下圖1所示：主菜單下包括三種工作模式：一般模式、對比模式和軌跡分析模式。一般模式和對比模式都經(jīng)過亮點檢測算法的選擇即相鄰幀差法、三幀差法和高斯建模算法的最優(yōu)選擇。

具體從以下幾個方面考慮：

（1）對比模式下，綜合考慮各種場景對實驗的影響，使用三種方法去除圖像噪聲，并且通過同一背景下不同算法的比較達到選擇的最優(yōu)。

（2）運動目標檢測方面，在研究應用目前應用普遍的幀間差分法和背景差分算法，背景采用單高斯建模方法。通過系統(tǒng)設定、用戶設定和自適應閾值的選擇設定閥值。其中自適應的方法采用OTSU算法實時計算閾值提取運動目標，旨在適應背景圖像的亮度變化。

（3）一般模式下，采用形態(tài)學濾波處理得到相對清晰、準確的亮點目標，再進行連通性分析，去除小面積噪聲，保留足夠大的目標，進行區(qū)域標記，分割出完整的運動目標，用矩形框標記。

（4）在繪制軌跡方面，通過數(shù)學計算將矩形框的中心數(shù)值型坐標轉換為字符串逐行存儲在.TXT文件中，然后導出字符串型數(shù)據(jù)，轉換為數(shù)值型坐標進行畫點連線，達到軌跡的繪制。

（5）規(guī)律分析方面，重新提取坐標，通過求平均值計算亮點中心位置坐標，再利用其他坐標和中心坐標（X，Y）的最遠距離R，確定亮點以中心位置（X，Y）為圓心，以R為半徑活動的圓形區(qū)域范圍。將偏離中心位置的偏差度及方差計算出來以表示穩(wěn)定性。

2視頻采集與抖動檢測

2.1視頻采集

視頻采集包括初始化從文件中獲取視頻、初始化從攝像頭中獲取視頻兩種方式。其中，初始化從文件中獲取視頻使用函數(shù)cvCreateFileCapture（ ）實現(xiàn)，初始化從攝像頭中獲取視頻使用函數(shù)cvCreateCameraCapture（ ）實現(xiàn)。

2.2抖動檢測

2.2.1圖像預處理

實時視頻圖像序列一般都會受噪聲、背景光照漸變等環(huán)境因素影響，視頻圖像預處理顯得尤為重要，消除噪聲、平滑圖像的同時還可以改善圖像的視覺效果，而且提高了程序的運行效率，節(jié)省了存儲空間。本文用到的圖像預處理技術包括圖像色彩空間轉化、圖像平滑、圖像灰度處理等。因為將彩色圖像轉換為灰度圖像處理更為方便，而且提高了運行效率以及存儲圖像的內存空間，提高了系統(tǒng)實時性的要求。直接使用函數(shù)cvCvtColor（ ）可以將獲取的一幀彩色圖像轉換為單通道的灰度圖像，考慮到視頻信號在采集、傳輸以及保存的中間過程中，經(jīng)常會受到種種條件限制和隨機干擾，進而產生多種類型的噪聲，因此去除噪聲是十分重要的預處理過程。去除噪聲的方法有均值濾波、中值濾波、高斯濾波等，選取最為恰當?shù)姆椒ㄈコ煌愋偷脑肼暎疚倪x擇高斯濾波，使用平滑函數(shù)cvSmooth（ ）來實現(xiàn)高斯濾波。

2.2.2亮點檢測方法

靜態(tài)背景下一般采用相鄰幀差法、三幀差法，動態(tài)背景下一般采用高斯建模背景差分法，三種亮點檢測算法原理框圖如圖2所示。幀間差分法是一種基于像素的運動檢測方法，它通過對視頻圖像序列中相鄰的兩個或三個幀圖像進行差分運算跟蹤亮點。單高斯建模背景差分法來實現(xiàn)背景的建立和更新減少動態(tài)場景的變化、光照的變化、陰影的產生以及其他的干擾帶來的影響。通過三種檢測算法的xuan'z二值化閾值合理設定以及連通性分析捕捉亮點軌跡，即抖動軌跡。

圖2相鄰幀差法、三幀差法、高斯建模背景差分法原理框圖

3抖動特征規(guī)律分析

亮點區(qū)域利用cvRectangle（）標定生成矩形框，函數(shù)對應參數(shù)指明了矩形框定點坐標，利用對定點坐標計算出中心點的坐標（Xcenter，Ycenter）并保存坐標數(shù)據(jù)，將字符串型數(shù)據(jù)轉換成數(shù)值型并且畫點連線繪制軌跡，對坐標累加求和取平均得出軌跡中心位置坐標，以及兩點圍繞中心位置的波動情況即方差，以及偏離中心位置的偏差度，并且以中心位置為基準計算出抖動頻率等規(guī)律。

4實驗結果

（1）一般模式下，采用高斯建模背景差分法、相鄰幀差法和三幀差法三種檢測方法追蹤亮點依次得到的結果如下圖3所示，此種場景下高斯建模背景差分法更加靠。對比模式下高斯建模背景差分法優(yōu)勢更為明顯，所以此種場景宜使用高斯建模背景差分法，如圖4所示。

5結論

綜上，本文旨在利用現(xiàn)有的理論、算法基礎和軟件平臺，以開發(fā)應用為目的，研究如何從序列圖像中檢測出運動亮點目標進行跟蹤和軌跡再現(xiàn)，基于Open CV技術，在VC++ 6.0編程環(huán)境下跟蹤運動目標并進行檢測分析，完成了運動目標檢測系統(tǒng)以及軌跡的繪制和規(guī)律分析。

參考文獻

[1]劉瑞禎，于仕琪.學習OpenCV（中文版）[M].北京：清華大學出版社，2009，（5）.

[2]王威. 基于背景和幀間差分方法的運動目標檢測的研究[D]. 上海：上海大學，2008，（3）.

[3]王小平，張麗杰，常佶. 基于單高斯背景模型運動目標檢測方法的改進[J]. 計算機工程與應用， 2009， 45（21）： 118120.

[4]范立南，李金峰等. 利用VC++6.0實現(xiàn)數(shù)學形態(tài)學圖像邊緣檢測算法[J]. 沈陽大學學報，2004， 16（4）：13.