论文部分内容阅读
随着社会经济的高速发展和生产规模的不断扩大,安全生产问题己经成为现代社会发展所必须解决的难题之一。为保障生产人员的人身安全,我们需要对防护工具的佩戴情况做出有效的检测。目前,视频监控系统已经广泛的应用于各个生产行业,若通过视频检测防护工具的佩戴情况,进而实现报警和联动控制,对于安全生产具有重要意义。 本文是以建筑施工场地的安全通道为背景,对进入施工场地的作业人员安全帽佩戴情况予以检测,并对无佩戴安全帽的人员予以报警。建筑施工场地内的安全帽检测面临以下几个难点:(1)安全通道内环境特殊,光照不均匀,大部分区域存在暗影而个别区域又存在高光。(2)目标颜色与背景相似,区分度较低。(3)工地噪音和振动比较严重,摄像机拍摄的视频会产生轻微的抖动,图像质量偏低。(4)施工场地飞尘比较大,噪声干扰有时比运动目标还要突出,给运动目标的自动检测带来很大困难。诸多原因致使目前的许多检测方法不能直接应用于施工场地视频检测。 本文首先简要地介绍各个环节的经典算法,以实际施工场地视频为样本具体分析了施工场地视频的特点,实现并比较了各种经典算法。重点研究运动人员的背景减除检测方法并提出了加权时间均值背景模型。其次在特征选取部分尝试了多种不同的特征,最终给出一组较为有效的特征,实验结果表明头部检测效果良好。之后针对大小、颜色、磨损程度均不完全一样的各种安全帽,提出一种基于十六方向Gabor的HOG特征提取方法,并经过SVM训练得到多项式分类器。实验结果表明:这种特征提取方法可以克服光照不均对目标识别的影响,在识别目标与背景灰度相似的情况下也能够很好的识别出安全帽;而且没有复杂的运算,计算快速,能满足实际应用的实时要求。最后介绍了基于颜色直方图的MeanShift安全帽跟踪方法,实现了视频中未佩戴安全帽头部的实时准确跟踪。