亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法

文檔序號(hào):6653938閱讀:1552來(lái)源:國(guó)知局
專利名稱:基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法
技術(shù)領(lǐng)域
本發(fā)明涉及煤礦信息化領(lǐng)域,具體為基于安全帽的煤礦井下人員檢測(cè)與跟蹤方 法。
背景技術(shù)
我國(guó)是煤炭生產(chǎn)和消費(fèi)的大國(guó),煤礦的安全生產(chǎn)一直備受關(guān)注。目前,由于國(guó)家 對(duì)煤礦安全日益重視,監(jiān)管力度不斷加大,大中型煤礦均已大量裝備了煤礦安全監(jiān)控系統(tǒng), 在一定程度上遏制了重特大事故的發(fā)生。但是,由于缺乏對(duì)井下人員位置信息的監(jiān)控,目 前還普遍存在入井人員管理困難,井上人員難以及時(shí)準(zhǔn)確掌握井下人員的分布和作業(yè)的情 況。煤礦井下還存在著一些危險(xiǎn)區(qū)域,如有害氣體超標(biāo)的區(qū)域、絞車運(yùn)行中的斜巷、設(shè)備重 地等,這些區(qū)域一般禁止工人進(jìn)入,但井下巷道交錯(cuò),環(huán)境復(fù)雜,普通的告示牌或警鈴?fù)ㄖ?方式警示效果不佳。實(shí)現(xiàn)入井人員的有效管理、檢測(cè)、跟蹤、定位對(duì)于煤礦的安全生產(chǎn)、調(diào)度 指揮以及事故后的搶險(xiǎn)救援都具有重要意義。目前,煤礦井下人員檢測(cè)方法有如下幾種 (1).礦用人員定位跟蹤系統(tǒng)。這種系統(tǒng)一般由標(biāo)識(shí)卡、讀卡器、人員檢測(cè)分站、通信接口、服 務(wù)器等組成,多采用無(wú)線射頻識(shí)別(RFID)或無(wú)線傳感網(wǎng)(WSN)技術(shù)實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)采集與存 儲(chǔ)、井下人員考勤、定位、數(shù)據(jù)聯(lián)網(wǎng)、報(bào)警提示等一系列功能。但人員定位跟蹤系統(tǒng)存在著一 些問(wèn)題,如需實(shí)現(xiàn)低功耗、高效率的標(biāo)識(shí)卡技術(shù),提高高速條件下定位的準(zhǔn)確性,克服井下 無(wú)線傳播信道的復(fù)雜性對(duì)定位精度的影響,還有標(biāo)識(shí)卡、讀卡器價(jià)格昂貴等。(2).紅外檢測(cè) 技術(shù)??蓪⒌V井人員紅外探測(cè)計(jì)數(shù)裝置安裝于井口及開采現(xiàn)場(chǎng),對(duì)出入礦人員進(jìn)行探測(cè)和 計(jì)數(shù)。但只能對(duì)在列隊(duì)行走情況下的人員如數(shù)識(shí)別,在并排或無(wú)序行走情況下難以正確識(shí) 別。采用紅外技術(shù)實(shí)現(xiàn)人員檢測(cè)如需進(jìn)一步確定人員的身份及其具體位置,還需要融合身 份確認(rèn)系統(tǒng)和人員定位系統(tǒng)等技術(shù),增加了監(jiān)控系統(tǒng)的復(fù)雜性,限制了系統(tǒng)的應(yīng)用。(3).視 頻檢測(cè)技術(shù)。目前很多煤礦都配備了視頻監(jiān)控系統(tǒng),地面調(diào)度指揮中心監(jiān)控人員可以直接 對(duì)井下情況進(jìn)行實(shí)時(shí)監(jiān)控,不僅能直觀的監(jiān)視和記錄井下工作現(xiàn)場(chǎng)的安全生產(chǎn)情況,及時(shí) 發(fā)現(xiàn)事故苗子,防患于未然,也能為事后分析事故提供有效的資料,在安全生產(chǎn)、調(diào)度指揮、 搶險(xiǎn)救援中都起到了積極的作用。但目前的煤礦視頻監(jiān)控仍主要停留在人工監(jiān)視階段,由 人工來(lái)監(jiān)視場(chǎng)景、判斷危險(xiǎn)情況并做出相應(yīng)的反應(yīng)。和普通圖像監(jiān)控系統(tǒng)一樣,雖然在功能 和性能上取得了長(zhǎng)足的進(jìn)步,但仍存在不足。這些不足使得圖像監(jiān)控系統(tǒng)不同程度地存在 報(bào)警準(zhǔn)確度不高、誤報(bào)漏報(bào)情況時(shí)有發(fā)生、報(bào)警響應(yīng)慢等缺陷,從而影響系統(tǒng)性能。如果能在煤礦實(shí)現(xiàn)智能視頻監(jiān)控,實(shí)現(xiàn)人員自動(dòng)檢測(cè)、跟蹤、定位,則具有一系列 的優(yōu)點(diǎn),如(1).能充分利用煤礦現(xiàn)有設(shè)備資源,不需要額外的設(shè)備投入;( .可以和現(xiàn)有 的自動(dòng)控制系統(tǒng)結(jié)合,實(shí)現(xiàn)實(shí)時(shí)報(bào)警和聯(lián)動(dòng)控制;(3).利用視頻處理技術(shù),提取高層次有 用信息,如身份、行為、狀態(tài)等;(4).備份視覺資料,以備查證。雖然智能視頻技術(shù)在一般場(chǎng) 景下已經(jīng)取得了較大進(jìn)展,但是目前煤礦井下智能視頻技術(shù)嚴(yán)重滯后,主要是由于井下環(huán) 境特殊,全天候人工照明,煤灰、粉塵、潮濕等因素的影響,視頻質(zhì)量較差,對(duì)于視頻處理技 術(shù)提出了嚴(yán)峻考驗(yàn)。
智能視頻監(jiān)控系統(tǒng)中人員目標(biāo)的檢測(cè)方法可以分為兩大類,即基于運(yùn)動(dòng)的人體檢 測(cè)方法和基于人體特征的檢測(cè)方法。運(yùn)動(dòng)目標(biāo)檢測(cè)是指從視頻序列中提取出運(yùn)動(dòng)目標(biāo),為 高層的視頻理解提供分析依據(jù),是計(jì)算機(jī)視覺研究的基礎(chǔ)任務(wù)和關(guān)鍵技術(shù)之一。作為人員 檢測(cè)的手段,這種方法只能應(yīng)用于人員與背景之間有相對(duì)運(yùn)動(dòng)的情況。常用的方法有背景 消減法、幀差法、光流法等?;谶\(yùn)動(dòng)目標(biāo)檢測(cè)人員的方法很多,各有利弊,性能不一,但共 同的一個(gè)不足是只能對(duì)運(yùn)動(dòng)的人員進(jìn)行檢測(cè),若人員目標(biāo)處于靜止?fàn)顟B(tài)時(shí),運(yùn)動(dòng)特征消失, 導(dǎo)致這些方法的失效,因此產(chǎn)生了基于人體特征的檢測(cè)方法。如基于人體形狀的檢測(cè)方法 和基于人體部位的檢測(cè)方法等。對(duì)于煤礦井下危險(xiǎn)區(qū)域的智能監(jiān)控來(lái)講,需要對(duì)檢測(cè)到的目標(biāo)進(jìn)行識(shí)別,判斷是 否是人,進(jìn)而決定是否報(bào)警。能否根據(jù)檢測(cè)到的信息判斷目標(biāo)為人員目標(biāo),也是一個(gè)需要注 意的問(wèn)題。由于以下兩點(diǎn),導(dǎo)致了識(shí)別井下人員目標(biāo)的不可靠性(1)煤礦井下環(huán)境特殊, 煤礦井下的視頻,具有照度低、光照不均勻、缺乏色彩信息、目標(biāo)和背景灰度過(guò)于接近等特 點(diǎn),加大了目標(biāo)的檢測(cè)的難度,同時(shí),也導(dǎo)致檢測(cè)到的目標(biāo)的不完整或形狀的畸變。(2)由于 巷道空間有限,攝像器材一般不是平行拍攝,而是以一定的角度俯視攝像;且有一些特定的 監(jiān)視區(qū)域,如監(jiān)視皮帶是否乘坐人員。所攝圖像中人員一般不是全身圖像,可能是半身,甚 至不是直立狀態(tài),即使檢測(cè)到的目標(biāo)完整,也不利于判斷目標(biāo)是否為人員目標(biāo)。由于客觀現(xiàn) 狀或檢測(cè)方法導(dǎo)致人員目標(biāo)信息的不完整,無(wú)疑加大了目標(biāo)識(shí)別的難度,如果在檢測(cè)目標(biāo) 的同時(shí),探測(cè)到相應(yīng)的表明目標(biāo)是人的信息,將便于后續(xù)處理、識(shí)別。要實(shí)現(xiàn)這個(gè)目標(biāo),需要 在檢測(cè)時(shí),根據(jù)人員目標(biāo)的特點(diǎn)來(lái)設(shè)計(jì)檢測(cè)方法。文獻(xiàn)中已有檢測(cè)人體部位的方法,其中, 以人臉檢測(cè)、頭部檢測(cè)較多。但是,對(duì)于在煤礦井下工作的人員,佩戴安全帽,為防塵一般佩 戴防塵面罩,長(zhǎng)時(shí)間的工作導(dǎo)致面部覆蓋煤塵,再加上視頻質(zhì)量較差,所以,視頻中的井下 人員一般面容不清,人臉檢測(cè)不實(shí)際;無(wú)頭發(fā)、膚色外露,更談不上采用基于發(fā)色、膚色的檢 測(cè)方法。因此,解決上述現(xiàn)有技術(shù)中存在的問(wèn)題,提供一種更高效、準(zhǔn)確的定位和跟蹤方法, 是亟待解決的問(wèn)題。

發(fā)明內(nèi)容
為了解決上述現(xiàn)有技術(shù)中的不足,克服井下監(jiān)控視頻照度低、光照不均勻、人員目 標(biāo)和背景灰度過(guò)于相似等問(wèn)題,有效地對(duì)井下人員進(jìn)行定位和跟蹤,本發(fā)明提出一種基于 安全帽檢測(cè)的井下監(jiān)控視頻中人員定位與跟蹤方法。本發(fā)明以安全帽檢測(cè)為基礎(chǔ),通過(guò)對(duì) 安全帽的檢測(cè)與跟蹤實(shí)現(xiàn)對(duì)煤礦井下人員的定位和跟蹤。結(jié)合煤礦實(shí)際,井下人員均佩戴 安全帽,如果能夠檢測(cè)到安全帽的存在,相應(yīng)的代表檢測(cè)到人員目標(biāo)。由于安全帽的材質(zhì)原 因,一般會(huì)發(fā)生反光現(xiàn)象,由于光源一般位于巷道的上方,因此,即使視頻質(zhì)量很差,圖像中 安全帽區(qū)域至少頂部部分亮度與背景差別較大,且從不同的角度去觀察,均呈現(xiàn)圓形或類 圓形,這些特點(diǎn)使得安全帽的檢測(cè)可行。本發(fā)明中基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤的方法分為兩個(gè)部分,即安 全帽的檢測(cè)和安全帽的跟蹤。安全帽檢測(cè)過(guò)程如下(1)獲得樣本圖像對(duì)安全帽進(jìn)行建模,對(duì)安全帽圖像進(jìn)行不同角度的旋轉(zhuǎn),來(lái)模 擬實(shí)際環(huán)境中各個(gè)角度的圖像,構(gòu)成安全帽圖像訓(xùn)練集;同時(shí),選取井下視頻中人員肩部區(qū)域和礦燈照射的區(qū)域作為非安全帽圖像訓(xùn)練集;(2)分類特征提取選取訓(xùn)練圖像的四方向邊界圖像作為特征量;(3)分類器設(shè)計(jì)選擇分段線性判別函數(shù),采用統(tǒng)計(jì)模式識(shí)別方法,把視頻幀中的 安全帽和非安全帽分別視為一個(gè)模式類,設(shè)計(jì)分類器,并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練,為 檢測(cè)做準(zhǔn)備;(4)安全帽檢測(cè)。利用訓(xùn)練好的分類器對(duì)井下視頻進(jìn)行安全帽檢測(cè);安全帽跟蹤過(guò)程如下(I)確定跟蹤目標(biāo)由檢測(cè)算法檢測(cè)到某幀中有安全帽的存在,將該幀定為跟蹤 初始幀,檢測(cè)到的安全帽區(qū)域?yàn)槌跏几櫞翱?;(II)選擇跟蹤特征。將邊緣方向和方位信息相融合,將聯(lián)合直方圖作為跟蹤安全 帽的特征量;(III)結(jié)合Kalman濾波和Mean-shift對(duì)安全帽進(jìn)行跟蹤。1)利用Kalman濾波器預(yù)測(cè)下一幀跟蹤窗口起點(diǎn)yQ ;2)計(jì)算候選目標(biāo)的特征{PuGoMuU, ..,39 ;
393)計(jì)算候選目標(biāo)與目標(biāo)的相似度廠ΣVa^oK;
M=O4)計(jì)算權(quán)值(WiIi = Ojl, ...,39 ;5)利用Mean-shift算法,計(jì)算目標(biāo)新位置;
396)更新(P(Y1Mu = C)a, ...,“" ^^ ^Ο^Α^ΣΛ/Α。。)^ ;
u=07)若 P [p (Y1) , q] < P [ρ (y0) , q],那么乃—|(少。+ JF1)’直到 P [p (Y1) , q] >
ρ [p (y0),q];8)若I |y「yQ| < ε (ε是一個(gè)很小的常數(shù)),則定位,轉(zhuǎn)(9);否則yQ —Y1,轉(zhuǎn) ⑶;9)若間隔幀已滿,計(jì)算核函數(shù)帶寬更新量,否則轉(zhuǎn)1)。其中,安全帽檢測(cè)過(guò)程(1)中所述的圖像樣本由10個(gè)安全帽區(qū)域和3個(gè)非安全帽 局域組成。安全帽檢測(cè)過(guò)程(2)中所述選取訓(xùn)練圖像的四方向邊界圖像作為特征量,按如下 步驟進(jìn)行對(duì)安全帽圖像利用I^rewitt算子進(jìn)行四方向邊緣提取,并進(jìn)行高斯濾波。減小尺 寸為8X8大小,并去掉外邊緣像素值,去掉四角像點(diǎn),轉(zhuǎn)換為直徑為6的圓形,構(gòu)成共對(duì)父4 維的特征向量。安全帽檢測(cè)過(guò)程(3)中所述選擇分段線性判別函數(shù),采用統(tǒng)計(jì)模式識(shí)別方法,把 視頻幀中的安全帽和非安全帽分別視為一個(gè)模式類,設(shè)計(jì)分類器,并用樣本圖像對(duì)分類器 進(jìn)行訓(xùn)練,其中,利用高斯模型擬合安全帽輪廓和非安全帽區(qū)域,并按如下步驟進(jìn)行(3-a)任意選擇10個(gè)高斯模型擬合安全帽區(qū)域和3個(gè)高斯模型擬合主要包括人員 肩部和礦燈干擾區(qū)的非安全帽區(qū)域,分別采用歐氏距離進(jìn)行K均值聚類,其聚類結(jié)果分別 作為上述兩類初始聚類中心;(3-b)采用馬氏距離對(duì)所有的樣本進(jìn)行K均值聚類,算法收斂后,計(jì)算出每類的聚類中心和協(xié)方差矩陣;(3-c)得到安全帽區(qū)域和非安全帽區(qū)域兩大類的共13個(gè)子類的聚集中心和離散 矩陣。安全帽跟蹤過(guò)程(II)中所述將邊緣方向和方位信息相融合,將聯(lián)合直方圖作為 跟蹤安全帽的特征量,按如下步驟進(jìn)行(A)邊緣方向直方圖邊緣方向直方圖是對(duì)目標(biāo)物體中邊緣點(diǎn)的邊緣方向分布的 統(tǒng)計(jì),一幅邊緣圖像的方向空間被分為m個(gè)不同的方向,統(tǒng)計(jì)每個(gè)方向上邊緣點(diǎn)的數(shù)目,計(jì) 算其出現(xiàn)的概率,即可得出m維邊緣方向直方圖
權(quán)利要求
1.一種基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法,其特征在于,包括安全帽的 檢測(cè)過(guò)程和安全帽跟蹤過(guò)程;安全帽檢測(cè)過(guò)程如下(1)獲得樣本圖像對(duì)安全帽進(jìn)行建模,對(duì)安全帽圖像進(jìn)行不同角度的旋轉(zhuǎn),來(lái)模擬實(shí) 際環(huán)境中各個(gè)角度的圖像,構(gòu)成安全帽圖像訓(xùn)練集;同時(shí),選取井下視頻中人員肩部區(qū)域和 礦燈照射的區(qū)域作為非安全帽圖像訓(xùn)練集;(2)分類特征提取選取訓(xùn)練圖像的四方向邊界圖像作為特征量;(3)分類器設(shè)計(jì)選擇分段線性判別函數(shù),采用統(tǒng)計(jì)模式識(shí)別方法,把視頻幀中的安全 帽和非安全帽分別視為一個(gè)模式類,設(shè)計(jì)分類器,并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練,為檢測(cè) 做準(zhǔn)備;(4)安全帽檢測(cè)。利用訓(xùn)練好的分類器對(duì)井下視頻進(jìn)行安全帽檢測(cè);安全帽跟蹤過(guò)程 如下(I)確定跟蹤目標(biāo)由檢測(cè)算法檢測(cè)到某幀中有安全帽的存在,將該幀定為跟蹤初始 幀,檢測(cè)到的安全帽區(qū)域?yàn)槌跏几櫞翱?;(II)選擇跟蹤特征。將邊緣方向和方位信息相融合,將聯(lián)合直方圖作為跟蹤安全帽的 特征量;(III)結(jié)合Kalman濾波和Mean-shift對(duì)安全帽進(jìn)行跟蹤。1)利用Kalman濾波器預(yù)測(cè)下一幀跟蹤窗口起點(diǎn)lo;2)計(jì)算候選目標(biāo)的特征{Pu^MuH..,39 ;3)計(jì)算候選目標(biāo)與目標(biāo)的相似度/),d= Σ ^Pu (^o k ;M=O4)計(jì)算權(quán)值IWji=CM,5)利用Mean-shift算法,計(jì)算目標(biāo)新位置; 6)更新(P(Y1)Iu= CM, ...,39,計(jì)算 4/^(:0,9]=ΣΛ/AiKk ;M = O7)若P [P (Y1),q] < P [P (y0),q],那么力 <-^(^0+^),直到 P [P (Υι),q] > P [P (y0),q];8)若IIyfytlI < ε (ε是一個(gè)很小的常數(shù)),則定位,轉(zhuǎn)(9);否則y。^y1,轉(zhuǎn)(3);9)若間隔幀已滿,計(jì)算核函數(shù)帶寬更新量,否則轉(zhuǎn)1)。
2.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法,其特征在 于,安全帽檢測(cè)過(guò)程⑴中所述的圖像樣本由10個(gè)安全帽區(qū)域和3個(gè)非安全帽局域組成。
3.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法,其特征在 于,安全帽檢測(cè)過(guò)程O)中所述選取訓(xùn)練圖像的四方向邊界圖像作為特征量,按如下步驟 進(jìn)行對(duì)安全帽圖像利用I^rewitt算子進(jìn)行四方向邊緣提取,并進(jìn)行高斯濾波。減小尺寸為 8X8大小,并去掉外邊緣像素值,去掉四角像點(diǎn),轉(zhuǎn)換為直徑為6的圓形,構(gòu)成共對(duì)父4維的 特征向量。
4.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法,其特征在于,安全帽檢測(cè)過(guò)程(3)中所述選擇分段線性判別函數(shù),采用統(tǒng)計(jì)模式識(shí)別方法,把視頻幀 中的安全帽和非安全帽分別視為一個(gè)模式類,設(shè)計(jì)分類器,并用樣本圖像對(duì)分類器進(jìn)行訓(xùn) 練,其中,利用高斯模型擬合安全帽輪廓和非安全帽區(qū)域,并按如下步驟進(jìn)行(3-a)任意選擇10個(gè)高斯模型擬合安全帽區(qū)域和3個(gè)高斯模型擬合主要包括人員肩部 和礦燈干擾區(qū)的非安全帽區(qū)域,分別采用歐氏距離進(jìn)行K均值聚類,其聚類結(jié)果分別作為 上述兩類初始聚類中心;(3-b)采用馬氏距離對(duì)所有的樣本進(jìn)行K均值聚類,算法收斂后,計(jì)算出每類的聚類中 心和協(xié)方差矩陣;(3-c)得到安全帽區(qū)域和非安全帽區(qū)域兩大類的共13個(gè)子類的聚集中心和離散矩陣。
5.根據(jù)權(quán)利要求1所述的根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位 與跟蹤方法,其特征在于,安全帽跟蹤過(guò)程(II)中所述將邊緣方向和方位信息相融合,將 聯(lián)合直方圖作為跟蹤安全帽的特征量,按如下步驟進(jìn)行(A)邊緣方向直方圖邊緣方向直方圖是對(duì)目標(biāo)物體中邊緣點(diǎn)的邊緣方向分布的統(tǒng) 計(jì),一幅邊緣圖像的方向空間被分為m個(gè)不同的方向,統(tǒng)計(jì)每個(gè)方向上邊緣點(diǎn)的數(shù)目,計(jì)算 其出現(xiàn)的概率,即可得出m維邊緣方向直方圖Ei = P
,i = 1,2,…m其中,P代表每一個(gè)邊緣點(diǎn),0(p)表示點(diǎn)ρ的邊緣方向,Ei表示邊緣方向i的概率;其 中,采用的邊緣算子為 “-1 -4 -5 0 -6 -24 -30 0 -15 -60 -75 0 -20 -80 -100 0 -15 -60 -75 0 -6 -24 -30 0 -1 一4 -5 0計(jì)算時(shí)把方向空間以π/8為單位,平分為16級(jí);(B)方位直方圖安全帽邊緣在跟蹤窗口中的方位信息,采用邊緣點(diǎn)A(x,y)的方位角 α和半徑r兩個(gè)量來(lái)聯(lián)合表示;(Β-a)方位角α 定義邊緣的方位角為邊緣點(diǎn)到跟蹤窗口中心的向量OA和水平χ軸的 夾角α,把方位角空間按π/8的步長(zhǎng)離散化為16級(jí),統(tǒng)計(jì)邊緣點(diǎn)的方位角,獲取方位角直 方6.根據(jù)權(quán)利要求1-5所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法,其特征 在于,安全帽跟蹤過(guò)程(III)所述對(duì)安全帽跟蹤時(shí),自適應(yīng)地調(diào)整核函數(shù)帶寬,按如下步驟 進(jìn)行(i).對(duì)于初始跟蹤的幀進(jìn)行以下操作i-1)統(tǒng)計(jì)每個(gè)圓環(huán)內(nèi)邊緣點(diǎn)的個(gè)數(shù),實(shí)際上就是前面計(jì)算的半徑直方圖; i-2)計(jì)算圓環(huán)內(nèi)邊緣點(diǎn)的平均數(shù);i-3)從最外環(huán)起,找到第一個(gè)邊緣點(diǎn)數(shù)大于平均數(shù)的第一個(gè)圓環(huán),并記錄該圓環(huán)編號(hào)A;( ).間隔兩幀后,對(duì)定位后的新幀重復(fù)以上工作,記錄圓環(huán)編號(hào)B ; (iii).判斷跟蹤窗口大小是否需要更新iii-Ι)若A和B—致,清除新記錄的圓環(huán)編號(hào)B,跟蹤窗口大小不變,繼續(xù)下一幀的跟 蹤、尋找圓環(huán)和判斷;iii-2)若A和B不一致,計(jì)算A和B的間隔C,并換算到以像素為單位,統(tǒng)計(jì)兩幀之間 間隔的幀數(shù)D,得出D幀平均尺寸變化為C/D,核函數(shù)帶寬h更改為h+C/D,繼續(xù)下一幀的跟 蹤,記錄A,并轉(zhuǎn)到(ii)。
全文摘要
本發(fā)明提出一種基于安全帽檢測(cè)的井下監(jiān)控視頻中人員定位與跟蹤方法。本發(fā)明以安全帽檢測(cè)為基礎(chǔ),通過(guò)對(duì)安全帽的檢測(cè)與跟蹤實(shí)現(xiàn)對(duì)煤礦井下人員的定位和跟蹤。結(jié)合煤礦實(shí)際,井下人員均佩戴安全帽,如果能夠檢測(cè)到安全帽的存在,相應(yīng)的代表檢測(cè)到人員目標(biāo)。由于安全帽的材質(zhì)原因,一般會(huì)發(fā)生反光現(xiàn)象,由于光源一般位于巷道的上方,因此,即使視頻質(zhì)量很差,圖像中安全帽區(qū)域至少頂部部分亮度與背景差別較大,且從不同的角度去觀察,均呈現(xiàn)圓形或類圓形,這些特點(diǎn)使得安全帽的檢測(cè)可行;本發(fā)明中基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤的方法分為兩個(gè)部分,即安全帽的檢測(cè)和安全帽的跟蹤。
文檔編號(hào)G06K9/66GK102136076SQ20111005999
公開日2011年7月27日 申請(qǐng)日期2011年3月14日 優(yōu)先權(quán)日2011年3月14日
發(fā)明者李雷達(dá), 程德強(qiáng), 蔡利梅, 錢建生 申請(qǐng)人:徐州中礦大華洋通信設(shè)備有限公司
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1