復(fù)雜場(chǎng)景下挖掘機(jī)運(yùn)動(dòng)狀態(tài)分析與識(shí)別.pdf

1、隨著智能視頻分析技術(shù)的快速發(fā)展，如何使計(jì)算機(jī)從原始的視頻數(shù)據(jù)提取出符合人類認(rèn)知的語(yǔ)義理解，成為一個(gè)研究熱點(diǎn)。我國(guó)經(jīng)濟(jì)快速發(fā)展的同時(shí)，土地資源日益嚴(yán)峻，各類違法用地案件也呈多發(fā)頻發(fā)態(tài)勢(shì)。在建設(shè)用地重點(diǎn)違法行為易發(fā)區(qū)進(jìn)行視頻監(jiān)控，通過智能視頻分析，實(shí)現(xiàn)對(duì)土地間的挖掘機(jī)等施工機(jī)械的準(zhǔn)確快速檢測(cè)與識(shí)別，是實(shí)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(jī)檢測(cè)算法以及挖掘機(jī)運(yùn)動(dòng)狀態(tài)識(shí)別算法，并在此基礎(chǔ)上初步設(shè)計(jì)和開發(fā)了挖掘機(jī)運(yùn)動(dòng)狀態(tài)分析與識(shí)別系

2、統(tǒng)。本論文的主要研究工作如下：
　?。?）挖掘機(jī)檢測(cè)算法研究。針對(duì)挖掘機(jī)各個(gè)部件的靈活性比較大導(dǎo)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(jī)檢測(cè)方法，并通過實(shí)驗(yàn)優(yōu)化得到了最終的挖掘機(jī)混合可變形部件模型，該模型是3個(gè)不同DMP的集成模型，其中每個(gè)DPM均包含6個(gè)部件濾波器。實(shí)踐證明，該方法可以較好地檢測(cè)出視頻圖像中的挖掘機(jī)，準(zhǔn)確率達(dá)到88.40％，比基于HOG+SVM的方法高4.05%。
　?。?）挖掘機(jī)運(yùn)

3、動(dòng)狀態(tài)分析與識(shí)別算法研究。論文通過挖掘機(jī)連續(xù)視頻幀分析，來(lái)識(shí)別挖掘機(jī)運(yùn)動(dòng)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(duì)挖掘機(jī)長(zhǎng)寬比（長(zhǎng)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(jī)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(jī)的形狀（即特征點(diǎn)的相對(duì)坐標(biāo)的集合）。然后，根據(jù)這些特征點(diǎn)的坐標(biāo)以及檢測(cè)到的挖掘機(jī)的長(zhǎng)寬比，設(shè)計(jì)了一種挖掘機(jī)運(yùn)動(dòng)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(jī)（SVM）的方法來(lái)訓(xùn)練挖掘機(jī)運(yùn)動(dòng)狀態(tài)識(shí)別分類器。最后，使用此分類器來(lái)判斷當(dāng)前視頻片段中挖掘機(jī)的運(yùn)動(dòng)狀態(tài)，即判斷此挖掘機(jī)是否處于工作狀態(tài)。通過實(shí)驗(yàn)證明，該方法可以較好地判斷出視頻片段中挖掘機(jī)的運(yùn)動(dòng)狀態(tài)，準(zhǔn)確高達(dá)93.53%，比基于Delta_WHRatio（長(zhǎng)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