煤礦井下動(dòng)態(tài)目標(biāo)視頻監(jiān)測(cè)圖像處理研究.pdf

1、煤礦井下視頻作業(yè)環(huán)境復(fù)雜、噪聲大、光照不均、存在遮擋以及僅依靠人工職守智能化低、誤檢率高等問題。有必要研究圖像增強(qiáng)、提取特征點(diǎn)快速查詢配準(zhǔn)、實(shí)時(shí)動(dòng)態(tài)目標(biāo)檢測(cè)、遺留物檢測(cè)以及目標(biāo)跟蹤等技術(shù)。并通過理解分析圖像畫面出現(xiàn)的違規(guī)行為、可疑目標(biāo)和潛在危險(xiǎn)，以快速合理的方式發(fā)出聯(lián)動(dòng)報(bào)警，同時(shí)為事故后期分析提供第一手資料。本文在對(duì)煤礦圖像處理相關(guān)技術(shù)研究的基礎(chǔ)上，針對(duì)煤礦安全生產(chǎn)等方面問題，研究煤礦井下動(dòng)態(tài)目標(biāo)視頻監(jiān)測(cè)圖像處理的相關(guān)算法。
　　

2、針對(duì)礦井圖像受噪聲大導(dǎo)致畫面不清等問題，在分析研究現(xiàn)有圖像增強(qiáng)相關(guān)技術(shù)的基礎(chǔ)上，提出一種基于模糊熵判別準(zhǔn)則合理提取局部模糊分形維數(shù)（LFFD）的相似度增強(qiáng)算法，該算法通過模糊熵判別合理LFFD融合相似性測(cè)度來調(diào)整圖像對(duì)比度，并考慮增強(qiáng)過程中的多參數(shù)性在相似度測(cè)量理論上的應(yīng)用。通過陜西韓城象山煤礦井下錨網(wǎng)支護(hù)圖像實(shí)驗(yàn)結(jié)果表明，該算法能較好抑制噪聲提高圖像對(duì)比度。針對(duì)如何獲得恰當(dāng)?shù)木略O(shè)備、支護(hù)等關(guān)鍵部件的圖像特征及細(xì)節(jié)紋理，考慮井下受到拍

3、攝環(huán)境噪聲等因素對(duì)特征邊緣的影響，進(jìn)而提出一種基于小波分解的Canny邊緣檢測(cè)算法。該算法引入小波變換提取灰度圖像的高低頻分量，以此來獲得更多的邊緣信息完善特征輪廓，并為特征點(diǎn)云的精確收集起到關(guān)鍵作用。
　　針對(duì)煤礦井下視頻圖像受粉塵、光照等干擾導(dǎo)致監(jiān)控圖像質(zhì)量下降以及煤礦視頻監(jiān)控系統(tǒng)采集點(diǎn)多，歷史留存數(shù)據(jù)量大不利于后續(xù)查找特征圖像等問題。本文提出一種基于相關(guān)法的歐式距離配準(zhǔn)算法，該算法通過利用不同特征點(diǎn)自身信息，在Harris算

4、法基礎(chǔ)上分別對(duì)灰度信息使用梯度相關(guān)法，對(duì) SIFT算法描述子信息使用描述子相關(guān)法，并結(jié)合特征點(diǎn)間的歐式距離關(guān)系來精確匹配，煤礦井下圖像匹配實(shí)驗(yàn)結(jié)果表明，本文算法降低了誤匹配的點(diǎn)數(shù)。
　　針對(duì)煤礦視頻照度不均、噪聲大等環(huán)境極易丟失目標(biāo)以及煤區(qū)安全生產(chǎn)對(duì)排查前景目標(biāo)精度要求高等問題。研究基于碼書模型（CBM）的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，針對(duì)當(dāng)目標(biāo)的運(yùn)動(dòng)信息不足時(shí)，CBM可能會(huì)出現(xiàn)誤檢或局部漏測(cè)等問題。通過聯(lián)合目標(biāo)的空間整體性，提出一種基于CB

5、M的目標(biāo)空間整體性背景更新算法，該算法通過對(duì)運(yùn)動(dòng)目標(biāo)空間信息變化分析，尋找前景中潛在的背景，并聯(lián)合像素時(shí)域統(tǒng)計(jì)進(jìn)行背景模型更新。實(shí)驗(yàn)結(jié)果表明，該算法可以快速適應(yīng)背景變化，在處理緩慢移動(dòng)目標(biāo)和只有局部運(yùn)動(dòng)目標(biāo)時(shí)能減少由于運(yùn)動(dòng)信息不足所造成的誤判，同時(shí)保證目標(biāo)檢測(cè)的完整性。針對(duì)目標(biāo)檢測(cè)時(shí)受陰影干擾等問題。進(jìn)而提出一種基于 HSV空間的碼字分量平均算法，該算法通過構(gòu)建碼字加權(quán)平均背景模型，并將RGB空間轉(zhuǎn)換成HSV空間達(dá)到更新背景去除陰影的效

6、果。實(shí)驗(yàn)結(jié)果表明，算法對(duì)去除陰影有較強(qiáng)的魯棒性。
　　針對(duì)煤礦膠帶運(yùn)輸機(jī)遺留物可能對(duì)膠帶以及滾筒等設(shè)備造成的損傷問題。研究發(fā)現(xiàn)以多層背景模型為基礎(chǔ)的算法，通過控制不同模型的更新速度，比較模型之間的差異來判斷遺留物。這類算法檢測(cè)速度較慢，對(duì)“鬼影”檢測(cè)存在誤檢。提出一種基于歷史像素穩(wěn)定度的遺留物檢測(cè)算法，該算法在運(yùn)動(dòng)目標(biāo)檢測(cè)的基礎(chǔ)上，對(duì)不屬于背景碼書模型的像素點(diǎn)記錄其之前若干幀像素的信息，構(gòu)成歷史像素集，并通過統(tǒng)計(jì)當(dāng)前像素與歷史像素

7、集的匹配程度來判決該像素點(diǎn)是否穩(wěn)定，進(jìn)而判斷是否存在遺留物。并通過煤礦膠帶輸送機(jī)的視頻對(duì)該方法進(jìn)行了驗(yàn)證。
　　針對(duì)煤礦動(dòng)態(tài)目標(biāo)的復(fù)雜運(yùn)動(dòng)、光照變化以及遮擋等因素對(duì)目標(biāo)跟蹤性能的影響。而現(xiàn)有基于多特征融合的跟蹤算法在復(fù)雜環(huán)境下跟蹤準(zhǔn)確度不高，且大部分采用單一判定方式來實(shí)現(xiàn)多特征融合的問題。提出一種基于多特征判定準(zhǔn)則的目標(biāo)跟蹤融合算法，該算法首先引入局部背景信息加強(qiáng)對(duì)目標(biāo)的描述，其次在多特征融合過程中利用多種判定準(zhǔn)則自適應(yīng)計(jì)算特征權(quán)