检测对象的流动性判断方法、装置、分析仪及存储介质

摘要

本申请公开了一种检测对象的流动性判断方法、装置、分析仪及存储介质，该方法包括：获取检测对象的参考图像集合和目标图像集合，目标图像集合中的各目标图像与参考图像集合中的各参考图像一一对应；获取参考图像和目标图像在x和y轴方向上的第一像素值投影数据、第二像素值投影数据；根据每对参考图像和目标图像对应的一组第一像素值投影数据和一组第二像素值投影数据，获得每对参考图像和目标图像在x轴方向上的第一位移和在y轴方向上的第二位移；根据第一位移和第二位移，获得检测对象对应的移动特征数据；根据移动特征数据，获得检测对象的流动性状况，提高了对检测对象进行流动性识别的效率和准确率。

权利要求

1.一种检测对象的流动性判断方法，其特征在于，包括：

获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应；

获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据；

根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移；

根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据；

根据所述移动特征数据，获得所述检测对象的流动性状况；

其中，所述参考图像对应的所述第一像素值投影数据包括参考像素投影序列，所述目标图像对应的所述第一像素值投影数据包括目标像素投影序列，所述根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，包括：确定每个所述目标像素投影序列相对于对应的所述参考像素投影序列在x轴方向上的位移范围；

在所述位移范围内移动每个所述目标像素投影序列，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的重叠部分对应的多对匹配像素点；

根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度；

从每个所述目标像素投影序列多次移动对应的多个相似度中，将最高相似度对应的移动距离，确定为对应的所述参考图像和所述目标图像在x轴方向上的所述第一位移。

2.根据权利要求1所述的方法，其特征在于，所述获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据，包括：将每张所述参考图像和所述目标图像向x轴方向投影，获得x轴方向上对应的第一像素投影序列，作为所述第一像素值投影数据，所述第一像素投影序列包括所述参考图像和所述目标图像在x轴方向上每排像素点对应的像素投影值；

将每张所述参考图像和所述目标图像向y轴方向投影，获得y轴方向上对应的第二像素投影序列，作为所述第二像素值投影数据，所述第二像素投影序列包括所述参考图像和所述目标图像在y轴方向上每排像素点对应的像素投影值。

3.根据权利要求2所述的方法，其特征在于，所述每排像素点对应的像素投影值包括以下任意一种：每排像素点的像素值总和；

每排像素点的像素值平均值；

每排像素点的各个像素值中的最大像素值；

每排像素点的各个像素值中的最小像素值；

每排像素点的各个像素值中的中位值。

4.根据权利要求1所述的方法，其特征在于，所述根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度，包括：将多对所述匹配像素点对应的像素值，代入预设的差异度映射函数，计算获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的差异值，其中，差异值越小，相似度越高。

5.根据权利要求4所述的方法，其特征在于，所述差异度映射函数为g{f(p0[i]‑p1[i])}，其中，p0[i]和p1[i]表示每对所述匹配像素点对应的像素值，f表示像素差值的第一映射函数，g表示f函数值的第二映射函数。

6.根据权利要求1所述的方法，其特征在于，所述移动特征数据包括x轴和y轴方向上的移动速度，和/或合成移动速度，其中，所述速度包括方向和速率。

7.根据权利要求1所述的方法，其特征在于，所述根据所述移动特征数据，获得所述检测对象的流动性状况，包括：将所述移动特征数据输入训练好的机器学习模型，输出所述流动性状况；或者根据预设的流动性判断策略，对所述移动特征数据进行分析，确定所述移动特征数据对应的流动性状况。

8.根据权利要求1所述的方法，其特征在于，所述获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据，包括：将各张所述参考图像和所述目标图像转换为灰度图像；

获取每张所述灰度图像在x轴方向上对应的灰度值投影数据，作为所述第一像素值投影数据，以及获取每张所述灰度图像在y轴方向上对应的灰度值投影数据，作为所述第二像素值投影数据。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述获取检测对象在同一视野下的参考图像集合和目标图像集合，包括：获取拍摄装置在同一视野下拍摄的所述检测对象的视频；

对所述视频进行图像采样，将所述视频中以第n1帧图像开始的连续m帧图像，确定为所述参考图像集合，将所述视频中以第n2帧图像开始的连续m帧图像，确定为所述目标图像集合。

10.一种流动性检测装置，其特征在于，包括：处理器、存储器，所述存储器存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至

9中任一项所述的检测对象的流动性判断方法。

11.一种精子质量分析仪，其特征在于，所述精子质量分析仪包括如权利要求10所述的流动性检测装置。

12.一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至9中任一项所述的检测对象的流动性判断方法的步骤。

说明书

检测对象的流动性判断方法、装置、分析仪及存储介质

技术领域

[0001] 本申请涉及涉及图像处理技术领域，尤其涉及一种检测对象的流动性判断方法、装置、分析仪及存储介质。

背景技术

[0002] 在日常生活或是工业应用中，有许多场景需要判断特定对象是否在流动，比如，判断冬季的河水是否结冰，判断传送带是否停止，判断注入玻片的液体样本是否静止等。目前，常见的流动性判断方案是对场景拍摄一段视频，采用目标跟踪分析算法对检测对象进行分析。然而，不管是基于传统算法或是深度学习模型的目标跟踪算法，都是从每帧图像的背景中提取出目标对象，并进行逐帧匹配跟踪，最后对目标对象的运动轨迹进行分析，以此判断目标对象是否在流动。基于目标跟踪的流动性识别方案处理的信息量大，计算过程繁杂，效率低，而且获得的目标对象的运动轨迹可能并无共性，导致对其流动性判断错误。

[0003] 因此，如何提高对检测对象进行流动性识别的效率和准确率成为亟需解决的问题。

发明内容

[0004] 本申请实施例提供一种检测对象的流动性判断方法、装置、分析仪及存储介质，可以提高对检测对象进行流动性识别的效率和准确率。

[0005] 第一方面，本申请实施例提供了一种检测对象的流动性判断方法，包括：

[0006] 获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应；

[0007] 获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据；

[0008] 根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移；

[0009] 根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据；

[0010] 根据所述移动特征数据，获得所述检测对象的流动性状况。

[0011] 第二方面，本申请实施例还提供了一种流动性检测装置，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行上述的检测对象的流动性判断方法。

[0012] 第三方面，本申请实施例还提供了一种精子质量分析仪，所述精子质量分析仪包括如上述的流动性检测装置。

[0013] 第四方面，本申请实施例还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述的检测对象的流动性判断方法。

[0014] 本申请实施例提供了一种检测对象的流动性判断方法、装置、分析仪及存储介质，通过获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，目标图像集合中的各目标图像与参考图像集合中的各参考图像一一对应，获取每张参考图像和目标图像在x轴方向上对应的第一像素值投影数据和y轴方向上对应的第二像素值投影数据，然后根据每对参考图像和目标图像对应的一组第一像素值投影数据，获得每对参考图像和目标图像在x轴方向上的第一位移，以及根据每对参考图像和目标图像对应的一组第二像素值投影数据，获得每对参考图像和目标图像在y轴方向上的第二位移，根据第一位移和第二位移，获得检测对象对应的移动特征数据，然后根据移动特征数据，获得检测对象的流动性状况。采用投影数据的方式确定位移，进而根据位移获得检测对象的移动特征数据，计算量小，从而提高了识别的效率，而且根据移动特征数据，准确地确定出了检测对象的流动性，提高了识别的准确率。

附图说明

[0015] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0016] 图1是本申请实施例提供的一种检测对象的流动性判断方法的步骤示意流程图；

[0017] 图2是本申请实施例提供的一种获取检测对象在同一视野下的参考图像集合和目标图像集合的步骤示意流程图；

[0018] 图3是本申请实施例提供的一种参考图像集合和目标图像集合的示意图；

[0019] 图4是本申请实施例提供的一种获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据的步骤示意流程图；

[0020] 图5是本申请实施例提供的一种x轴和y轴方向上对应的灰度投影序列的示意图；

[0021] 图6是本申请实施例提供的一种获得每对所述参考图像和所述目标图像在x轴方向上的第一位移的步骤示意流程图；

[0022] 图7是本申请实施例提供的一种目标灰度投影序列与对应的参考灰度投影序列对应的匹配像素点的示意图；

[0023] 图8是本申请实施例提供的一种流动性检测装置的示意性框图；

[0024] 图9是本申请实施例提供的一种精子质量分析仪的示意性框图。

具体实施方式

[0025] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0026] 需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

[0027] 在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在部分实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

[0028] 另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

[0029] 附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

[0030] 在日常生活或是工业应用中，有许多场景需要判断特定对象是否在流动，比如，判断冬季的河水是否结冰，判断传送带是否停止，判断注入玻片的液体样本是否静止等。目前，常见的流动性判断方案是对场景拍摄一段视频，采用目标跟踪分析算法对检测对象进行分析。然而，不管是基于传统算法或是深度学习模型的目标跟踪算法，都是从每帧图像的背景中提取出目标对象，并进行逐帧匹配跟踪，最后对目标对象的运动轨迹进行分析，以此判断目标对象是否在流动。基于目标跟踪的流动性识别方案处理的信息量大，计算过程繁杂，效率低，而且获得的目标对象的运动轨迹可能并无共性，导致对其流动性判断错误。

[0031] 为了解决上述问题，本申请实施例提供了一种检测对象的流动性判断方法、装置、分析仪及存储介质，其中，该方法通过获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应；获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据和y轴方向上对应的第二像素值投影数据；根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移；根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据；根据所述移动特征数据，获得所述检测对象的流动性状况，实现了提高对检测对象进行流动性识别的效率和准确率。

[0032] 请参阅图1，图1是本申请实施例提供的检测对象的流动性判断方法的流程示意图，该方法应用于流动性检测装置，还可以应用于除流动性检测装置以外的其他电子设备，如服务器、终端设备、精子质量分析仪等。其中，服务器可以是独立的服务器，也可以是服务器集群，终端设备可以是手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、个人计算机(personal computer，PC)、上网本、个人数字助理(personal digital assistant，PDA)中任一者，本申请实施例中不作任何限制。

[0033] 如图1所示，本申请实施例提供的检测对象的流动性判断方法包括步骤S101至步骤S105。

[0034] S101、获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应。

[0035] 其中，检测对象包括但不限于流水、传送带、液体样本等。示例性的，可以通过拍摄装置在同一视野下拍摄检测对象的一组图像，作为参考图像集合，并以相同视野拍摄检测对象的另一组图像，作为目标图像集合。其中，参考图像集合中的每张图像作为参考图像，目标图像集合中的每张图像作为目标图像，参考图像的数量与目标图像的数量一致，目标图像集合中的各张目标图像与参考图像集合中的各张参考图像一一对应。

[0036] 在一些实施例中，如图2所示，步骤S101可以包括子步骤S1011和子步骤S1012。

[0037] S1011、获取拍摄装置在同一视野下拍摄的所述检测对象的视频。

[0038] 通过拍摄装置在同一视野下拍摄检测对象的一组视频。示例性的，将拍摄装置对准场景中需要判别是否流动的检测对象，使拍摄视野被此检测对象充满，然后拍摄一段足够时长的连续多帧视频。

[0039] S1012、对所述视频进行图像采样，将所述视频中以第n1帧图像开始的连续m帧图像，确定为所述参考图像集合，将所述视频中以第n2帧图像开始的连续m帧图像，确定为所述目标图像集合。

[0040] 采集到检测对象对应的视频后，对该视频进行图像采样，将该视频中以第n1帧图像开始的连续m帧图像，确定为参考图像集合，并将该视频中以第n2帧图像开始的连续m帧图像，确定为目标图像集合。参考图像集合中的参考图像的数量与目标图像集合中的目标图像的数量相同，每张目标图像都与一张参考图像对应。

[0041] 例如，如图3所示，将该视频中前m帧图像，确定为参考图像集合，将该视频中第n帧至第m+n帧图像，确定为目标图像集合。其中，m是参考图像集合和目标图像集合中的图像帧数，n是参考图像集合和目标图像集合之间的帧数差。

[0042] 需要说明的是，m与n的具体数值可根据实际情况进行灵活设置，本申请中不作具体限制。

[0043] S102、获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据。

[0044] 将每张参考图像、目标图像向x轴和y轴方向分别投影，将每排像素点映射为一个投影值，从而获得每张参考图像、目标图像在x轴方向和y轴方向上对应的像素值投影数据。为了便于描述，下文将x轴方向上对应的像素值投影数据称为第一像素值投影数据，y轴方向上对应的像素值投影数据称为第二像素值投影数据。

[0045] 在一些实施例中，如图4所示，步骤S102可以包括子步骤S1021和子步骤S1022。

[0046] S1021、将各张所述参考图像和所述目标图像转换为灰度图像；

[0047] S1022、获取每张所述灰度图像在x轴方向上对应的灰度值投影数据，作为所述第一像素值投影数据，以及获取每张所述灰度图像在y轴方向上对应的灰度值投影数据，作为所述第二像素值投影数据。

[0048] 将参考图像集合中的每张参考图像以及目标图像集合中的每张目标图像转换为灰度图像。之后，将每张灰度图像向x轴和y轴方向分别投影，将灰度图像的每排像素点映射为一个投影值，从而获得每张灰度图像在x轴方向上对应的灰度值投影数据，作为第一像素值投影数据，以及获得每张灰度图像在y轴方向上对应的灰度值投影数据，作为第二像素值投影数据。

[0049] 在一些实施例中，所述获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据，包括：

[0050] 将每张所述参考图像和所述目标图像向x轴方向投影，获得x轴方向上对应的第一像素投影序列，作为所述第一像素值投影数据，所述第一像素投影序列包括所述参考图像和所述目标图像在x轴方向上每排像素点对应的像素投影值；

[0051] 将每张所述参考图像和所述目标图像向y轴方向投影，获得y轴方向上对应的第二像素投影序列，作为所述第二像素值投影数据，所述第二像素投影序列包括所述参考图像和所述目标图像在y轴方向上每排像素点对应的像素投影值。

[0052] 其中，每排像素点对应的像素投影值包括以下任意一种：每排像素点的像素值总和；每排像素点的像素值平均值；每排像素点的各个像素值中的最大像素值；每排像素点的各个像素值中的最小像素值；每排像素点的各个像素值中的中位值。

[0053] 需要说明的是，每排像素点对应的像素投影值不限于是上述列举的几种，在此不作具体限制。

[0054] 示例性的，若第一像素值投影数据和第二像素值投影数据是基于参考图像和目标图像对应的灰度图像获得，则x轴方向上对应的第一像素投影序列和y轴方向上对应的第二像素投影序列都是灰度投影序列。

[0055] 例如，如图5所示，以其中任一张灰度图像为例，基于该灰度图像各行像素点对应的灰度投影值，生成x轴方向上对应的灰度投影序列1，以及基于该灰度图像各列像素点对应的灰度投影值，生成y轴方向上对应的灰度投影序列2。

[0056] S103、根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移。

[0057] 通过上述操作获得每张参考图像对应的第一像素值投影数据和第二像素值投影数据，以及每张目标图像对应的第一像素值投影数据和第二像素值投影数据。分别将每张目标图像和对应的参考图像的第一像素值投影数据，作为一组第一像素值投影数据，比如，若目标图像和参考图像的数量为m，则获得m组第一像素值投影数据。

[0058] 同样地，分别将每张目标图像和对应的参考图像的第二像素值投影数据，作为一组第二像素值投影数据，比如，若目标图像和参考图像的数量为m，则获得m组第二像素值投影数据。

[0059] 根据每一组第一像素值投影数据，获得对应的一对参考图像和目标图像在x轴方向上的第一位移，以及根据每一组第二像素值投影数据，获得对应的一对参考图像和目标图像在y轴方向上的第二位移。

[0060] 例如，若目标图像和参考图像的数量为m，则获得m个第一位移以及m个第二位移。

[0061] 通过对视频进行图像采样，减少了需要分析的图像数量，保证了流动性识别的实时性。并且，采用投影的方式，捕捉到了图像中的主要信息，弱化了来自无向运动目标的干扰，保证了识别的准确性；同时，投影的方式压缩了图像信息，显著地减少了计算代价，加快了识别的速率。

[0062] 在一些实施例中，如图6所示，步骤S103可以包括子步骤S1031至子步骤S1034。

[0063] S1031、确定每个目标像素投影序列相对于对应的参考像素投影序列在x轴方向上的位移范围。

[0064] 示例性的，参考图像对应的第一像素值投影数据包括参考像素投影序列，目标图像对应的第一像素值投影数据包括目标像素投影序列，即获得每一对参考像素投影序列与目标像素投影序列。基于每一对参考像素投影序列与目标像素投影序列，确定目标像素投影序列相对于参考像素投影序列在x轴方向上的位移范围。

[0065] 示例性的，根据实际场景预设相邻帧图像之间可能发生的最大位移为d，目标图像和对应的参考图像之间的帧数差为n，则确定目标图像和参考图像之间的位移范围为[‑n×d，n×d]，也即目标像素投影序列相对于对应的参考像素投影序列在x轴方向上的位移范围为[‑n×d，n×d]。

[0066] S1032、在所述位移范围内移动每个所述目标像素投影序列，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的重叠部分对应的多对匹配像素点。

[0067] 在确定的位移范围内，例如在位移范围[‑n×d，n×d]内，分别移动每个目标像素投影序列，获得每次移动后目标像素投影序列与对应的参考像素投影序列的重叠部分对应的多对匹配像素点。

[0068] 示例性的，若第一像素值投影数据和第二像素值投影数据是基于参考图像和目标图像对应的灰度图像获得，则参考图像对应的参考像素投影序列为参考灰度投影序列，目标图像对应的目标像素投影序列为目标灰度投影序列。

[0069] 分别移动每个目标灰度投影序列，获得每次移动后目标灰度投影序列与对应的参考灰度投影序列的重叠部分对应的多对匹配像素点。

[0070] 例如，如图7所示，某次移动其中一个目标灰度投影序列后，该目标灰度投影序列与对应的参考灰度投影序列的重叠部分对应的多对匹配像素点如图所示。

[0071] S1033、根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度。

[0072] 以图7所示的目标灰度投影序列与对应的参考灰度投影序列对应的多对匹配像素点为例，根据匹配像素点，得到该目标灰度投影序列与对应的参考灰度投影序列的相似度。例如，通过预先训练好的相似度匹配模型，获得该目标灰度投影序列与对应的参考灰度投影序列的相似度。

[0073] 在一些实施例中，所述根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度，包括：将多对所述匹配像素点对应的像素值，代入预设的差异度映射函数，计算获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的差异值，其中，差异值越小，相似度越高。

[0074] 示例性的，预设差异度映射函数，将匹配像素点对应的像素值代入该差异度映射函数，计算得到目标像素投影序列与对应的参考像素投影序列的差异值。计算得到的差异值越小，则目标像素投影序列与对应的参考像素投影序列的相似度越高；反之，计算得到的差异值越大，则目标像素投影序列与对应的参考像素投影序列的相似度越低。

[0075] 示例性的，差异度映射函数为g{f(p0[i]‑p1[i])}，其中，p0[i]和p1[i]表示每对所述匹配像素点对应的像素值，f表示像素差值的第一映射函数，g表示f函数值的第二映射函数，将目标像素投影序列与对应的参考像素投影序列的各个匹配像素点对应的像素值，代入差异度映射函数g{f(p0[i]‑p1[i])}，得到目标像素投影序列与对应的参考像素投影序列的差异值。

[0076] 示例性的，f函数包括但不限于求平方、绝对值函数等；g函数包括但不限于求和、求平均值函数等。

[0077] S1034、从每个所述目标像素投影序列多次移动对应的多个相似度中，将最高相似度对应的移动距离，确定为对应的所述参考图像和所述目标图像在x轴方向上的所述第一位移。

[0078] 每移动一次目标像素投影序列，得到目标像素投影序列与对应的参考像素投影序列的一个相似度，通过在位移范围[‑n×d，n×d]内多次移动目标像素投影序列，得到目标像素投影序列与对应的参考像素投影序列的多个相似度。从该多个相似度中，将最高相似度对应的一次移动的移动距离，确定为该目标图像相对于参考图像在x轴方向上的第一位移。

[0079] 采用同样的方式，确定该目标图像相对于参考图像在y轴方向上的第二位移，在此不再赘述。

[0080] 每一个目标图像相对于参考图像包括x轴和y轴方向上的一组第一位移和第二位移，那么，对于m对参考图像和目标图像，即得到x轴和y轴方向上的m组第一位移和第二位移。

[0081] S104、根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据。

[0082] 其中，移动特征数据包括x轴和y轴方向上的移动速度，和/或合成移动速度，速度包括方向和速率，也即移动特征数据包括x轴和y轴方向上的移动方向、移动速率，和/或合成移动方向、合成移动速率。

[0083] 示例性的，根据目标图像相对于参考图像的帧数差对应的时长，计算第一位移与该时长的比值，确定为x轴方向上的移动速率，第一位移的方向即为x轴方向上的移动方向。同理，获得y轴方向上的移动方向和移动速率。x轴和y轴方向上的移动方向、移动速率确定，那么，合成移动方向以及合成移动速率即确定。

[0084] 通过对多组第一位移和第二位移进行特征提取，则可以获得对应的多组移动特征数据。

[0085] 在计算位移时，通过从位移范围中量化了所有移动距离对应的目标图像和参考图像的相似度，准确的计算了x轴和y轴方向上的位移，进而根据位移提取了x轴和y轴方向以及梯度相关的方向和速率特征，全面地考虑了检测对象的移动特性。

[0086] S105、根据所述移动特征数据，获得所述检测对象的流动性状况。

[0087] 其中，检测对象的流动性状况包括但不限于静止、匀速移动、加速移动、减速移动等。通过获得的多组移动特征数据，可以很好地反映出检测对象的流动性状况。

[0088] 在一些实施例中，所述根据所述移动特征数据，获得所述检测对象的流动性状况，包括：将所述移动特征数据输入训练好的机器学习模型，输出所述流动性状况；或者根据预设的流动性判断策略，对所述移动特征数据进行分析，确定所述移动特征数据对应的流动性状况。

[0089] 示例性的，预先设置流动性判断策略，基于该流动性判断策略，对移动特征数据进行分析，确定检测对象的流动性状况。比如，若移动特征数据包括合成移动速度，获得的多个合成移动速度之间的差值小于预设阈值，则确定检测对象匀速移动。

[0090] 示例性的，预先基于大量数据训练好用于流动性判断的机器学习模型，将获得的多组移动特征数据输入该训练好的机器学习模型中，输出检测对象的流动性状况。

[0091] 基于大量数据训练的机器学习模型对检测对象的流动性进行识别，保证了流动性判断的准确性。

[0092] 上述实施例通过获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，目标图像集合中的各目标图像与参考图像集合中的各参考图像一一对应，获取每张参考图像和目标图像在x轴方向上对应的第一像素值投影数据和y轴方向上对应的第二像素值投影数据，然后根据每对参考图像和目标图像对应的一组第一像素值投影数据，获得每对参考图像和目标图像在x轴方向上的第一位移，以及根据每对参考图像和目标图像对应的一组第二像素值投影数据，获得每对参考图像和目标图像在y轴方向上的第二位移，根据第一位移和第二位移，获得检测对象对应的移动特征数据，然后根据移动特征数据，获得检测对象的流动性状况。采用投影数据的方式确定位移，进而根据位移获得检测对象的移动特征数据，计算量小，从而提高了识别的效率，而且根据移动特征数据，准确地确定出了检测对象的流动性，提高了识别的准确率。

[0093] 请参阅图8，图8为本申请实施例提供的一种流动性检测装置的示意性框图。该流动性检测装置30包括处理器31和存储器32，处理器31和存储器32通过总线连接，该总线比如为I2C（Inter‑integrated Circuit）总线。

[0094] 具体地，处理器31可以是微控制单元(Micro‑controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。

[0095] 存储器32可以是Flash芯片、只读存储器(ROM，Read‑Only Memory)磁盘、光盘、U盘或移动硬盘等。

[0096] 其中，处理器31用于运行存储在存储器32中的计算机程序，并在执行所述计算机程序时，实现本申请实施例提供的任意一种检测对象的流动性判断方法。

[0097] 示例性的，处理器31用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现如下步骤：

[0098] 获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应；

[0099] 获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据；

[0100] 根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移；

[0101] 根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据；

[0102] 根据所述移动特征数据，获得所述检测对象的流动性状况。

[0103] 在一些实施例中，处理器31在实现所述获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据时，用于实现：

[0104] 将每张所述参考图像和所述目标图像向x轴方向投影，获得x轴方向上对应的第一像素投影序列，作为所述第一像素值投影数据，所述第一像素投影序列包括所述参考图像和所述目标图像在x轴方向上每排像素点对应的像素投影值；

[0105] 将每张所述参考图像和所述目标图像向y轴方向投影，获得y轴方向上对应的第二像素投影序列，作为所述第二像素值投影数据，所述第二像素投影序列包括所述参考图像和所述目标图像在y轴方向上每排像素点对应的像素投影值。

[0106] 在一些实施例中，所述每排像素点对应的像素投影值包括以下任意一种：

[0107] 每排像素点的像素值总和；

[0108] 每排像素点的像素值平均值；

[0109] 每排像素点的各个像素值中的最大像素值；

[0110] 每排像素点的各个像素值中的最小像素值；

[0111] 每排像素点的各个像素值中的中位值。

[0112] 在一些实施例中，所述参考图像对应的所述第一像素值投影数据包括参考像素投影序列，所述目标图像对应的所述第一像素值投影数据包括目标像素投影序列，处理器31在实现所述根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移时，用于实现：

[0113] 确定每个所述目标像素投影序列相对于对应的所述参考像素投影序列在x轴方向上的位移范围；

[0114] 在所述位移范围内移动每个所述目标像素投影序列，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的重叠部分对应的多对匹配像素点；

[0115] 根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度；

[0116] 从每个所述目标像素投影序列多次移动对应的多个相似度中，将最高相似度对应的移动距离，确定为对应的所述参考图像和所述目标图像在x轴方向上的所述第一位移。

[0117] 在一些实施例中，处理器31在实现所述根据多对所述匹配像素点，获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的相似度时，用于实现：

[0118] 将多对所述匹配像素点对应的像素值，代入预设的差异度映射函数，计算获得每次移动后每个所述目标像素投影序列与对应的所述参考像素投影序列的差异值，其中，差异值越小，相似度越高。

[0119] 在一些实施例中，所述差异度映射函数为g{f(p0[i]‑p1[i])}，其中，p0[i]和p1[i]表示每对所述匹配像素点对应的像素值，f表示像素差值的第一映射函数，g表示f函数值的第二映射函数。

[0120] 在一些实施例中，所述移动特征数据包括x轴和y轴方向上的移动速度，和/或合成移动速度，其中，所述速度包括方向和速率。

[0121] 在一些实施例中，处理器31在实现所述根据所述移动特征数据，获得所述检测对象的流动性状况时，用于实现：

[0122] 将所述移动特征数据输入训练好的机器学习模型，输出所述流动性状况；或者[0123] 根据预设的流动性判断策略，对所述移动特征数据进行分析，确定所述移动特征数据对应的流动性状况。

[0124] 在一些实施例中，处理器31在实现所述获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据，以及所述参考图像和所述目标图像在y轴方向上对应的第二像素值投影数据时，用于实现：

[0125] 将各张所述参考图像和所述目标图像转换为灰度图像；

[0126] 获取每张所述灰度图像在x轴方向上对应的灰度值投影数据，作为所述第一像素值投影数据，以及获取每张所述灰度图像在y轴方向上对应的灰度值投影数据，作为所述第二像素值投影数据。

[0127] 在一些实施例中，处理器31在实现所述获取检测对象在同一视野下的参考图像集合和目标图像集合时，用于实现：

[0128] 获取拍摄装置在同一视野下拍摄的所述检测对象的视频；

[0129] 对所述视频进行图像采样，将所述视频中以第n1帧图像开始的连续m帧图像，确定为所述参考图像集合，将所述视频中以第n2帧图像开始的连续m帧图像，确定为所述目标图像集合。

[0130] 请参阅图9，图9为本申请实施例提供的一种精子质量分析仪的示意性框图。该精子质量分析仪100包括样本处理模块10、拍摄模块20和流动性检测装置30。其中，样本处理模块10用于对精子样液进行采样，生成待检测的精子样本；拍摄模块20用于拍摄精子样本对应的图像、视频等。流动性检测装置30用于对拍摄模块20拍摄的图像和/或视频进行分析和处理，从而判断精子的流动性，对精子的活性进行检测。排除了样液流动造成精子活性检测的干扰，提高了检测的准确性。

[0131] 示例性的，该流动性检测装置30为上述流动性检测装置实施例中的流动性检测装置。

[0132] 本申请的实施例中还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现上述实施例提供的检测对象的流动性判断方法的步骤。例如，该计算机程序被处理器加载，可以执行如下步骤：

[0133] 获取检测对象在同一视野下的参考图像集合和目标图像集合，其中，所述目标图像集合中的各目标图像与所述参考图像集合中的各参考图像一一对应；

[0134] 获取所述参考图像和所述目标图像在x轴方向上对应的第一像素值投影数据和y轴方向上对应的第二像素值投影数据；

[0135] 根据每对所述参考图像和所述目标图像对应的一组所述第一像素值投影数据，获得每对所述参考图像和所述目标图像在x轴方向上的第一位移，以及根据每对所述参考图像和所述目标图像对应的一组所述第二像素值投影数据，获得每对所述参考图像和所述目标图像在y轴方向上的第二位移；

[0136] 根据所述第一位移和所述第二位移，获得所述检测对象对应的移动特征数据；

[0137] 根据所述移动特征数据，获得所述检测对象的流动性状况。

[0138] 以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

[0139] 其中，所述存储介质可以是前述实施例的流动性检测装置或精子质量分析仪的内部存储单元，例如流动性检测装置或精子质量分析仪的硬盘或内存。所述存储介质也可以是流动性检测装置或精子质量分析仪的外部存储设备，例如流动性检测装置或精子质量分析仪上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

[0140] 由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种检测对象的流动性判断方法，因此，可以实现本申请实施例所提供的任一种检测对象的流动性判断方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

[0141] 以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。