食物攝取事件中器皿邊緣檢測與識別的研究

摘 要：當今社會，越來越多的病癥不斷出現，如：肥胖癥，糖尿病等多種“現代文明病”早已經成為危害人們健康的主要病癥。文章是通過人體攜帶可穿戴的電子監控設備，對一天的生理活動視頻進行分析，對食物攝取行為事件進行判定的研究。提出了一種基于多融合處理的橢圓檢測算法，按照算法流程分別闡述了邊緣檢測，輪廓分割，輪廓檢測，弧線段過濾與重組，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方法。將實際復雜問題轉換成器皿的邊緣檢測問題，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依據。

關鍵詞：邊緣檢測；輪廓分割；橢圓檢測

1 概述

一種可穿戴的電子設備是匹斯堡大學醫學中心計算神經科學實驗室（laboratory for computational Neuroscience），體重管理中心（weight management center），電工實驗室聯合研制的[3]。該電子設備結構十分簡單，輕巧，可以直接將該電子設備佩戴在胸前，拍攝周圍的環境，內置存儲卡可以自動保存視頻。監控周期設置為24小時，監控結束后，拍攝好的監控錄像可以作為多種參考依據進行處理。文章中主要研究生活環境中的影響身體健康的因素，作為醫學參考依據。

文章是關于食物攝取行為的器皿邊緣檢測與識別的研究。將實際復雜問題轉換成器皿的邊緣檢測問題，運用相對應的邊緣檢測算法，并對檢測結果的處理與分析，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依據。

2 關鍵技術

基于傳統的橢圓檢測算法的優勢與不足，文章提出了一種基于多融合處理的橢圓檢測算法，該框架按照圖像的處理過程進行搭建，首先對圖像進行邊緣檢測，提取關鍵幀，對關鍵幀進行輪廓檢測和分割處理，得到多條弧線段，對弧線段進行過濾處理后，基于凸性約束原則重新組合弧線段，最后通過橢圓參數擬合方式進行橢圓存在檢測。

在基于多融合處理的橢圓檢測框架圖1中，提取關鍵幀，對關鍵幀圖像進行邊緣檢測后，邊緣部分的像素點是離散的，經過輪廓檢測和輪廓分割處理，連接檢測出來的邊緣點，構成比較平滑的曲線。然后將該曲線劃分成多條弧線段，運用統計學思想，提出干擾數據，過濾篩選弧線段，并且基于凸性約束原則，重新組合了剩余的弧線段，構成集合，最后對弧線段集合進行橢圓檢測，通過橢圓參數擬合，達到橢圓檢測的目的。

在本論文中，考慮到實際場景問題的解決，為了保證結果的正確性，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，經過橫向及縱向邊緣檢測后的圖像用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，代表待檢測的圖像中包含縱向邊緣。

3 設計

經過邊緣檢測后，只是得到一些離散的邊緣點，但是邊緣點之間的關系是未知的，將離散的邊緣點重新組合在一起，還必須經過輪廓的檢測過程。輪廓分割技術是基于輪廓檢測的基礎上進行的。由于單純的輪廓檢測之后，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重疊，或者圖像中的邊緣劃分不清，導致傳輸的信息錯誤，還必須經過輪廓的分割處理過程，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容進行區分。由于充分的切割曲線后，圖像檢測后的各條曲線都被劃分為多個弧段來表示，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，區分每個弧段的含義，這種方法有效的避免了圖像中的信息重疊問題。不經過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誤的連接曲線，而輪廓的分割處理后不存在這一問題。但不可避免的是，輪廓分割可能會導致原有正確的連貫曲線被切割，從而破壞了原有的輪廓。輪廓分割存在優點和不足，但這種方法基本保證了物體輪廓檢測與分割的正確性。

輪廓經過了分割和過濾兩項處理后，有利用價值的信息被保存了下來，噪聲數據信息被刪除掉。但是，并不能直接將這些保留的信息進行檢測應用。這是因為保留的信息中依然存在隱患，并不能百分百的保證過濾后的數據一定是正確的，橢圓的檢測精度不能被忽視。其次，輪廓分割過程中，破壞的原始輪廓的形狀，無法區分離散的弧線段是含有同樣的信息，可以將這些弧線段進行重新組合，劃分并且合并這些輪廓，這種方法將會大大提高檢測的準確度。一般來講，圖像通常是含有多個橢圓形的，保留下的弧段可以是來自不同的邊緣區域，采用組合的方法，更能夠確保檢測結果有較高的準確精度。因此，弧線段的重新組合問題是橢圓檢測的關鍵。

將基于多融合處理的橢圓檢測算法應用于實際生活場景的檢測中，被監控者佩戴可穿戴的電子設備進行一天的生理活動視頻的錄制，每隔24小時作為一個檢測周期，視頻中包含了被監控者每天進行規律性的行為活動，該視頻可以上傳給醫師，便于醫師分析影響被監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檢測圖像中器皿邊緣的存在來決定的。因此，對于這一問題的檢測，只要考慮人體在攝取食物狀態即可。由于人在吃東西時，身體基本保持靜止狀態，所以需要將拍攝的視頻首先進行初步處理，從海量視頻中提取靜態視頻片段，截取靜止圖像，并在大量的靜止圖像中提取關鍵幀，對提取的關鍵幀進行簡單的預處理過程，得到待檢測的特征圖像，然后采用多融合處理檢測算法進行圖像的器皿邊緣檢測，檢測圖像中是否含有圓形器皿邊緣，由于實際的生活場景圖片中包含大量的復雜信息，干擾數據繁多，因此經過邊緣檢測，輪廓分割與檢測，弧線段的篩選與過濾，重組弧線段，最小二乘擬合算法之后獲取的檢測結果存在一定的誤差，但是檢測結果足以驗證了算法的有效性，在實際生活場景中判定食物攝取行為準確度較高。

基于真實的生活場景，通過多融合處理橢圓檢測算法檢測器皿的邊緣，輪廓檢測與分割，過濾篩選弧線段，重新組合弧線段并判定的處理，得到不同的仿真結果，對仿真結果進行進一步的分析和研究。因此，人體生理活動進行監測和監控的視頻，可以用來分析影響人們身體健康的因素，并且對未來社會中，人們不斷追求更健康更環保的生活具有非常深遠的意義。

參考文獻

[1]王曉明，顧曉東，劉健.基于張量的圖像檢測及濾波[J].中國圖形圖像學報，2002（8）.

[2]鈕毅，部分遮擋條件下橢圓目標識別[D].上海：上海交通大學自動化學院，2007.