5.5.1　算法概述

输液药瓶旋转停止后，其中的可见异物依靠惯性继续运动。光线穿过输液瓶，将可见异物折射至相机的感光区域。理想状态下，除输液的瓶壁轮廓有微弱的反光外，连续采集的图像应该只存在运动着的可见异物。但是这种杂质非常小。2005版国家药典规定要求异物检测分辨率达到20μm 以下[7]，此时颗粒呈现在图像中只有几个或十几个像素，所以获取的单帧图像中异物缺乏结构信息和明显特征，仅从灰度来看，很难将其与噪声(光源)、干扰(瓶身异物和浮雕)区分开来。因此检测可见异物的过程转换为运动小目标的检测问题，尽管国内外对小目标检测做了很多研究，但一直没有很好的解决方法，各种方案对目标的成像质量和运动特性都有限制。另外，其他一些因素，包括图像采集系统自身的噪声、外界的干扰，都会对检测这些微小异物带来不小的难度。

我们在可见异物检测的各个环节做了大量实验，摒弃了传统的空域检测法。由于传统的空域检测法首先对图像滤波，然而由于可见异物体积微小，在单帧图像上无明显特征与噪声明显区分开来，目前存在的各种滤波方法在滤除噪声的同时，也必会对可见异物的成像图形有所损坏，尤其在可见异物成像十分微小的情况下，该可见异物可被完全滤除。因此，本系统采用了一种先跟踪后检测的方法来检测杂质。通过改进的三帧差分检测算法来提取运动杂质，然后对其进行跟踪，最后再利用跟踪对检测出来的杂质做一些处理：一方面对提取的运动杂质进行优化处理(运动检测时可能会有漏检)，另一方面对运动杂质进行一些判别(可以通过判断其运动轨迹，来剔除气泡等)。在运动目标的检测阶段，讨论了多种常见的运动目标检测方法，最后提出改进的三帧差分法的运动目标检测。在可见异物提取阶段，探讨了目前存在的各种跟踪方法，最后采用一基于SIFT特征的Mean Shift运动目标跟踪方法对运动物体进行跟踪。其具体的处理流程如图5.18。(https://www.daowen.com)

图5.18　本系统采用的算法框图之一