基于視覺的選煤廠智能監(jiān)控系統(tǒng)研究.pdf

1、近年來煤炭工業(yè)安全生產(chǎn)備受矚目,選煤作為其中必不可少的環(huán)節(jié),安全事故時(shí)有發(fā)生。本文主要在選煤廠現(xiàn)有的視頻監(jiān)控系統(tǒng)的基礎(chǔ)上,加入智能元素,將其升級(jí)為智能監(jiān)控系統(tǒng),能夠自主的進(jìn)行運(yùn)動(dòng)人體檢測(cè)及跟蹤,異常情況報(bào)警等。本文的主要工作如下:
　　(1)運(yùn)動(dòng)目標(biāo)檢測(cè)。對(duì)視頻幀進(jìn)行圖像噪聲處理,通過基于混合高斯模型的背景減除法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè),根據(jù)人體身高比例進(jìn)行粗略的目標(biāo)分割。
　　(2)基于HOG和6-LBP結(jié)合的方法進(jìn)行人體特征提

2、取。文中對(duì)基于局部目標(biāo)外觀及輪廓的邊緣梯度特征 HOG和基于圖像局部區(qū)域的顏色和紋理特征LBP兩種特征提取方法進(jìn)行系統(tǒng)介紹與運(yùn)用。在傳統(tǒng)的LBP方法基礎(chǔ)上提出了?-LBP特征提取方法,其去除部分冗余信息進(jìn)而保留更多人體邊緣輪廓信息。最后,通過PCA的方法對(duì)人體特征進(jìn)行降維。實(shí)驗(yàn)表明基于HOG和6-LBP結(jié)合的特征對(duì)人體有較好的表征效果。
　　(3)基于稀疏表示的人體分類器設(shè)計(jì)。考慮稀疏表示理論具有判別性,能選擇出有效的子集,拒絕無

3、效子集。本文基于1最小化的稀疏解的稀疏表示方法進(jìn)行人體的分類器設(shè)計(jì)。通過實(shí)驗(yàn)表明,基于稀疏表示的人體分類器在低維特征時(shí)比支持向量機(jī)的人體分類器更優(yōu),尤其當(dāng)有遮擋存在時(shí)對(duì)人體的分類達(dá)到滿意效果。
　　(4)采用CamShift與Kalman預(yù)測(cè)相結(jié)合進(jìn)行運(yùn)動(dòng)人體跟蹤。CamShift算法是基于Mean Shift算法的改進(jìn),其具有計(jì)算簡(jiǎn)單、魯棒性強(qiáng)等優(yōu)點(diǎn)。利用Kalman濾波器對(duì)人體運(yùn)動(dòng)參數(shù)進(jìn)行預(yù)測(cè),以克服背景干擾及遮擋問題造成的跟