买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南大学

摘要：一种基于泡沫平均流速的泡沫视频关键帧提取方法，本发明提出一种基于泡沫平均流速的泡沫视频关键帧提取方法，基于浮选现场设置的数字图像采集系统采集泡沫视频，提出了需要根据不同泡沫流速提取不同的泡沫视频关键帧序列，对原始泡沫视频进行等间隔采样获得泡沫视频候选关键帧序列，采用肘点图法和SURF算法分别获取泡沫视频候选关键帧序列的最佳采样时间间隔和泡沫平均流速。通过建立泡沫平均流速和最佳采样时间间隔二型模糊系统，根据泡沫视频的不同流速状态，自适应提取用于浮选关键性能指标监测的关键帧序列。结果表明，本发明方法在减轻了模型部署难度的情况下，能准确识别工况。

主权项：1.一种基于泡沫平均流速的泡沫视频关键帧提取方法，其特征在于，包括以下步骤：步骤一：利用浮选现场的图像采集系统收集锌浮选泡沫视频数据，对收集的数据进行预处理，构成锌浮选数据集；步骤二：对锌浮选数据集视频进行等间隔时间采样，得到原始泡沫视频图像帧序列S0＝{I1,I2,I3,…,IM}；步骤三：选定不同的采样间隔，对原始泡沫视频图像帧序列S0进行多次等间隔采样，记采样间隔为△k，得到原始泡沫视频的图像帧序列S△k，如下式所示：S△k＝{I1,I1+△k,I1+2△k,…,I1+α-1△k},△k＝1…△N其中I1+α-1△k表示的是单张视频帧数据，α是泡沫视频候选关键帧的帧数，△N为最大的采样间隔；步骤四：将不同采样间隔下的候选关键帧序列{S△k,△k＝1…△N}送入由3D卷积网络，获得损失误差{δ△k,△k＝1…△N}，如下式所示：δ△k＝Conv3DS△k,△k＝1…△N其中，Conv3D·为3D卷积神经网络；步骤五：采用肘点图法对不同采样间隔下模型损失分布进行分析与计算，确定最优采样时间间隔 步骤六：选择SURF算法，对原始泡沫视频图像帧序列S0＝{I1,I2,I3,…,IM}提取各帧的泡沫流速，计算泡沫视频的流速均值S1：提取原始泡沫视频图像帧序列中的连续两帧图像，对每帧泡沫图像提取SURF特征，得到SURF算子描述算子v0和v1；S2：根据欧式距离的定义，计算v0和v1之间的最近距离d0和次近距离d1，将最近距离d0和次近距离d1之间的比值定义为阈值设置阈值gate，当ratiogate时，特征匹配成功，反之失败；S3：根据两帧泡沫图像的特征点匹配结果，对其利用ransac算法进行误匹配点去除；S4：根据去除误匹配点的匹配结果和两帧图像间匹配点的像素点差，获得泡沫位移，除去单位时间得到两帧连续图像中成功匹配点的速度集合；取匹配点的速度集合的平均值作为这两帧连续泡沫图像的速度v1；S5：重复S2-S4的步骤，提取该泡沫视频余下帧的速度，获得视频帧间速度集V＝{v1,v2,…vM}；S6：计算视频帧间速度集中的均值作为泡沫视频的平均速度；步骤七：记Sv为泡沫视频生成的泡沫流速均值集合，S△为最优采样时间间隔集合，采用二型模糊逻辑算法Type-2TSK·建立平均泡沫流速与最优采样时间间隔的模糊关系模型FuzzyModel，包括输入层、模糊化层、模糊推理层和输出层；S1：构建模糊输入层，输入层以Sv中每个视频的平均泡沫流速作为输入u，以最优时间间隔为输出y；S2：选取具有不确定宽度的高斯区间二型隶属度函数作为模糊化层的上隶属度函数和下隶属度函数，如下式所示： 其中，a为高斯隶属度函数的中心上界，b为高斯隶属度函数的中心下界，σ1和σ2为高斯隶属度函数的宽度，和分别表示模糊集合Ai在输入u下的隶属度函数的上界和下界；S3：构建模糊推理层；记输出变量为yu，模型采用完备二型模糊规则库如下： 其中，n为输入条件数目，为关于输入u的二型模糊集合，为规则后件的区间权重；S4：构建输出层；采用二型模糊系统均值降型器完成降型，均值降型器的式子表达如下： 采用质心法计算输出y，如下式所示： 步骤八：将泡沫视频流速均值送入步骤七建立的FuzzyModel，获取最优间隔时间如下式所示： 步骤九：根据步骤八中获得的最优时间间隔采用等间隔采样方式，对原始泡沫视频图像帧序列S0＝{I1,I2,I3,…,IM}中提取关键帧序列如下式所示： 其中，α为泡沫视频关键帧的总帧数。

全文数据：

权利要求：

百度查询： 中南大学 一种基于泡沫平均流速的泡沫视频关键帧提取方法