论文部分内容阅读
煤矿安全事关井下矿工生命,视频监控是保障矿井安全生产的重要技术手段之一,但是由于现有煤矿视频监控系统监控模式简单,人工监视难以及时有效捕捉异常状态,不能满足煤矿对安全监控的要求。因此,在视频监控系统中引入智能视频感知、数字图像处理等技术,作为感知矿山的核心手段是十分必要的。然而煤矿监控场景存在光照条件差、遮挡和矿尘干扰严重等特点,造成视频监控图像质量严重下降,给视频监控中图像拼接、运动目标检测及其行为模式分析带来了严峻挑战。本文针对煤矿井下特殊环境,围绕基于矿井监控视频的图像去噪、图像增强、图像拼接、复杂场景情况下的运动目标跟踪识别及行为分析进行研究,针对性的提出解决问题的方法。本课题由淮北矿业集团科研项目“多目标矿用智能视频传感器研究”、江苏省“333工程”项目“煤矿图像拼接与识别关键技术研究”(项目编号:BRA2014048)、国家自然科学基金项目“面向煤矿物联网的分布式监控信源高可靠压缩编码模型与方法”(项目编号:51574232)资助,主要研究工作如下:(1)针对井下图像光照度不够、噪声较大等特点,提出了基于视觉特性的井下图像去噪新方法。该方法采用CIELab均匀颜色空间,动态自适应决定滤波器权值,从而减少了图像轮廓边缘等细节信息的破坏,使去噪后的图像更加清晰。(2)针对井下图像质量提升的需求,提出了将一种自适应免疫遗传算法应用到图像的增强处理,建立一种能根据图像灰度自动调节图像质量的非线性自适应增强方法。利用新的免疫疫苗选择策略和免疫操作方法,自动寻找图像非线性增强函数的最佳变换参数,达到图像增强的效果。(3)针对煤矿对大场景图像监控需求,提出了矿井监控图像自动快速拼接方法。在结合Harris特征点提取算法和SIFT特征点提取算法优点的基础上,利用改进的RANSAC算法对提取出来的特征点进行提纯匹配以及估计模型参数,使算法抗尺度变化和抗噪性得到很大改善,并采用位置敏感散列算法,提高了图像拼接的成功率与实时性。(4)针对煤矿复杂环境下智能视频监控的实际需求,提出了基于PCA-SIFT特征的智能视觉定位算法。将SIFT特征融入到Mean Shift跟踪方法,提高智能视频感知定位的准确性与实时性。(5)针对井下运动目标识别分析的需求,提出了基于快速傅立叶变换的快速模板匹配算法,在支持向量机分类训练构建目标模式和行为库的基础上,对运动目标进行行为分析。以上研究成果丰富了智能视频监控领域研究的内容,解决了构建智能视频监控系统的关键技术问题,对于构建煤矿智能监控系统具有重要的支撑作用。