基于卡尔曼滤波的液位检测与跟踪

　　1　引言

　　液位是工业过程中需要测量的重要参数之一。液位检测是指测量气-液、液-液、液-固分界面位置的技术,广泛用于水力、石油化工等流程工业中。有效的检测和跟踪液位对于汛情预报、有效预防洪汛灾害具有很高的参考价值。已有的测量方法[1]主要有利用压力浮力原理、液位传感器原理、以及超声波技术等直接测量法,对液位检测环境依赖性强,且对于液位的实时检测,往往存在较大误差。鉴于此,欲采用视频技术对液位进行检测。

　　随着图像处理与计算机视觉技术、通信与网络技术的发展,客观上具备了利用视频方法对液位进行检测的条件。通过安装在固定位置的摄像头采集液位图像,应用图像处理技术处理图像数据,获取实时、丰富、动态的液位信息。视频检测的主要特点在于它的非接触性全场测量、高测量灵敏度以及大的时空动态范围。而软件平台和算法的不断完善以及微处理芯片处理速度的增加为视频技术检测液位的嵌入式实现打下了基础,使得它成为一个新兴的发展方向。

　　本文即针对摄像机静止情况下固定场景内的液位变化,提出了一种对液位进行检测、跟踪的方案:提取当前帧的目标区域,采用更新函数的背景差方法实现了对背景的抗干扰性,解决了后续处理中的一个关键影响因素;建立帧间液位变化的相互联系,采用卡尔曼滤波预测液位参数。该算法简单有效,可在实时监控系统中实现对液位的检测和跟踪。

　　2　图像预处理及液位的检测

　　液位是不断运动变化的,运用图像处理方法处理此类问题,很关键的一步就是抗干扰性,要消除或尽量减弱光照对图像选取的影响。图像序列具有复杂性,光线、目标动态变化使得获取背景图像复杂,且需动态更新,如何进行背景图像和目标图像的准确分割是后续处理的基础。

　　传统的运动目标检测算法一般采用相邻帧图像差分,背景差方法来实现判断,相邻帧图像差分法处理速度快,但是对光照变化敏感,若光照变化剧烈,有物体影子,有小的运动物体,或图像效果受污染严重,则效果欠佳[2]。背景差的方法的难点在于背景图像的维持与更新。实际上,场景中背景很复杂,存在干扰,且随时间而不断变化。在这里,采用背景差法检测出变化的液位,即选取一幅参考图像作为背景图像,采用当前图像与背景图像相减来检测液位运动,鉴于场景变化(如光照、阴影等)的影响,在此引入一种去除光照影响的实时背景更新方法来提高检测的精度。

　　首先选取不包含目标区域的一段时间内的背景帧,采用输入视频的其中一幅图像作为初始背景,对其进行中值滤波,滤除由传感器引起的噪声,然后得到背景图像中各个像素值,建立背景模型(u,σ2)[3],u为像素值的均值,σ2为像素值的方差。假设光线变化相对于物体运动变化缓慢,而目标区域中的像素参数保持不变,非目标区域中像素参数采用递归算法更新。已知在t+1时刻的背景中某像素值Zt+1,则