基于機器視覺的列檢庫作業(yè)人員安全監(jiān)測系統(tǒng)研究.pdf

1、由于列檢庫內(nèi)存在多個專業(yè)的作業(yè)人員,同時也存在不同范圍的危險區(qū)域,因此確保列檢庫內(nèi)作業(yè)人員的安全顯得尤為重要。列檢庫內(nèi)既有的視頻監(jiān)控系統(tǒng)是確保作業(yè)人員進行安全作業(yè)的重要手段。機器視覺技術(shù)給各類視頻監(jiān)控系統(tǒng)帶來了前所未有的發(fā)展,將機器視覺技術(shù)應(yīng)用到列檢庫內(nèi)作業(yè)人員的安全監(jiān)測中具有重要的現(xiàn)實意義。
　　運動目標的檢測和識別是機器視覺的關(guān)鍵技術(shù)。本文的研究重點是針對列檢庫這種特殊的應(yīng)用場景,對這兩個關(guān)鍵技術(shù)進行理論分析和實驗研究,在此基

2、礎(chǔ)上設(shè)計和實現(xiàn)基于機器視覺的列檢庫作業(yè)人員安全監(jiān)測系統(tǒng)的軟件。
　　深入研究比較了現(xiàn)有的各種運動目標檢測算法,列檢庫現(xiàn)場光照復(fù)雜多變,采用一種GMM(Gaussian Mixture Model,混合高斯模型)與紋理特征相結(jié)合的檢測算法。在目標提取之初加入光照檢測的思想,當(dāng)圖像未發(fā)生光照變化或光照變化較小時,采用GMM法進行目標檢測,當(dāng)圖像發(fā)生快速光照變化時,采用紋理特征法進行目標檢測,從而可以把這兩種方法的優(yōu)點結(jié)合起來進行運動目

3、標的檢測。通過實驗分析說明該方法可基本消除光照因素的影響,特別是在光照快速變化的條件下可以得到不錯的效果。
　　在分析了現(xiàn)有運動識別算法的基礎(chǔ)上,針對列檢庫內(nèi)的場景,用SVM(Support Vector Machine,支持向量機)來對列檢庫內(nèi)的作業(yè)人員進行識別。分析了人體不同種類的分類特征,選取了二值化運動目標圖像的HOG(Histograms of Oriented Gradients,梯度方向直方圖)和運動目標區(qū)域的形狀參

4、數(shù)作為SVM的識別特征。運動目標的HOG和形狀特征可以對人體進行更有效的識別,而且可以避免部分誤檢測對目標識別的影響。將正、負樣本圖像的分類特征輸入到SVM中,訓(xùn)練出來的離線分類器對系統(tǒng)實時采集的圖像進行識別。實驗結(jié)果分析表明了該算法能有效地實現(xiàn)運動目標的識別。
　　設(shè)計并實現(xiàn)的基于機器視覺的列檢庫作業(yè)人員安全監(jiān)測系統(tǒng)軟件具有視頻采集、危險區(qū)域設(shè)定、運動目標檢測、運動目標識別等功能,能夠?qū)崿F(xiàn)對誤入一定范圍危險區(qū)域的作業(yè)人員進行自動