復雜場景下挖掘機運動狀態(tài)分析與識別.pdf

1、隨著智能視頻分析技術(shù)的快速發(fā)展，如何使計算機從原始的視頻數(shù)據(jù)提取出符合人類認知的語義理解，成為一個研究熱點。我國經(jīng)濟快速發(fā)展的同時，土地資源日益嚴峻，各類違法用地案件也呈多發(fā)頻發(fā)態(tài)勢。在建設(shè)用地重點違法行為易發(fā)區(qū)進行視頻監(jiān)控，通過智能視頻分析，實現(xiàn)對土地間的挖掘機等施工機械的準確快速檢測與識別，是實現(xiàn)土地有效監(jiān)管的重要手段。為此，本論文研究了挖掘機檢測算法以及挖掘機運動狀態(tài)識別算法，并在此基礎(chǔ)上初步設(shè)計和開發(fā)了挖掘機運動狀態(tài)分析與識別系

2、統(tǒng)。本論文的主要研究工作如下：
　?。?）挖掘機檢測算法研究。針對挖掘機各個部件的靈活性比較大導致其整體外觀形變較大的問題，研究了一種混合可變形部件模型的挖掘機檢測方法，并通過實驗優(yōu)化得到了最終的挖掘機混合可變形部件模型，該模型是3個不同DMP的集成模型，其中每個DPM均包含6個部件濾波器。實踐證明，該方法可以較好地檢測出視頻圖像中的挖掘機，準確率達到88.40％，比基于HOG+SVM的方法高4.05%。
　?。?）挖掘機運

3、動狀態(tài)分析與識別算法研究。論文通過挖掘機連續(xù)視頻幀分析，來識別挖掘機運動狀態(tài)。首先，研究了基于局部二值特征（LBF）的物體形狀回歸算法，并針對挖掘機長寬比（長與寬之間的比值）變化較大的問題，提出了基于混合LBF模型的挖掘機形狀回歸算法。通過該算法，可回歸出每一張視頻幀中挖掘機的形狀（即特征點的相對坐標的集合）。然后，根據(jù)這些特征點的坐標以及檢測到的挖掘機的長寬比，設(shè)計了一種挖掘機運動狀態(tài)特征描述子MMF（Machine Motion F

4、eature）。接著，采用該特征描述子并利用支持向量機（SVM）的方法來訓練挖掘機運動狀態(tài)識別分類器。最后，使用此分類器來判斷當前視頻片段中挖掘機的運動狀態(tài)，即判斷此挖掘機是否處于工作狀態(tài)。通過實驗證明，該方法可以較好地判斷出視頻片段中挖掘機的運動狀態(tài)，準確高達93.53%，比基于Delta_WHRatio（長寬比變化）+SVM的方法高了30.73%，比基于Delta_Angle（角度變化）+SVM的方法高了0.87%。
　　（3