热电厂场景下安全帽的检测与跟踪
发布时间：2021-07-17 15:47
在危险的工作环境中,安全帽对工作人员的头部起到了至关重要的保护作用。传统的人工监测方式需要耗费大量的人力,且监控人员易疲劳,易出现误检现象。以视频自动监控的方式进行安全帽的检测与跟踪,可以减少人力、可以准确地监控热电厂内作业工人的安全帽佩戴情况,降低他们发生意外危险的概率。在对安全帽进行检测时,由于热电厂厂内环境复杂且面积较大,处于远景处的工人所佩戴的安全帽不易检测,带来安全帽漏检的问题。本文针对此问题,提出了多特征融合与支持向量机（SVM）相结合的安全帽检测方法,用以提高热电厂场景下安全帽识别率。针对热电厂工人穿着衣服与安全帽颜色相近、有遮挡情况均值漂移算法（Meanshift）跟踪会失效的问题,提出了卡尔曼滤波器与多特征融合Meanshift算法相结合的方法,对检测出的安全帽进行跟踪。本文的主要内容如下:首先,对安全帽区域进行初定位,VIBE算法在速度上检测运动目标非常占优势,并且背景建模的速度快,因此本文选用视觉背景差分算法（VIBE）来检测移动过程中的工人,然后通过人头与全身的比例关系进行安全帽区域初定位。针对VIBE算法在检测运动目标过程中易出现鬼影问题,本文通过计算前景目标...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
帧间差分算法流程图
哈尔滨理工大学工程硕士学位论文102.1.3背景差分算法背景差分法与2.1.2算法原理相同[53]，但是用当前帧图像yxf),(k减去背景图像yxB),(k得到差分图像yxD),(k。其数学表达式如(2-4)、(2-5)所示：fyxDyyxBx),(),(),(kkk(2-4)TyxDTyxDyxDkkk),(),(0255),((2-5)其流程图如下2-2：图2-2背景差分算法流程图Fig.2-2Backgrounddifferencealgorithmflowchart背景差分法最大的特点就是速度快，并且检测效果好，在选择没有运动目标的图像作为背景时，该算法检测的效果是最好的。但在实际应用中，不容易获取不含目标的图像，加上动态干扰的影响，降低了该算法的精度。2.2VIBE算法介绍VIBE算法[54]是一种基于像素技术的视频序列前景检测算法，它的全称是visualbackgroundextractor。该算法最大的优势是背景建模和提取目标速度快，首先为图像中的每个像素建立背景样本集；其次根据阈值判定当前帧的这个像素点属于前景像素还是背景像素；最后假若被检测为背景像素，将按照一定的概率用该像素点去更新自己的背景样本或者是它的邻近点背景样本。其流程图如2-3所
哈尔滨理工大学工程硕士学位论文11示：图2-3VIBE算法工作流程图Fig.2-3VIBEalgorithmflowchartVIBE算法仅用第一帧就可完成初始化[55]。设图像中任意像素点yx),(的像素值为yxV),(，则样本集如式(2-6)所示：NVVVVyxM321,,),((2-6)其中iV为随机采样的邻域像素值，N为背景样本层数。假如图像是长为M宽为N，总样本集就为MnN，则背景模型如图2-4所示：图2-4背景模型建立Fig.2-4Backgroundmodeling在VIBE算法中，依据要求分为前景与背景。如图2-5所示，为VIBE算法前景目标提取原理图，为了对像素值yxV),(进行分类，定义SyxV)),((R表示以yxV),(为圆心，阈值R为圆的半径。计算yxV),(与yxM),(中N个样本的欧式距离，若yxV),(与yxM),(的交集个数满足阈值，则判定yxV),(为背景，否则为前景[56]。
【参考文献】：
期刊论文
[1]基于改进自适应卡尔曼滤波的容错控制[J]. 罗鑫辉,戴邵武,戴洪德. 信息与控制. 2020(01)
[2]基于卡尔曼滤波与大数据预测的路径规划研究[J]. 黄翼虎,陈昊. 电子测量技术. 2020(03)
[3]消除鬼影及阴影的改进ViBe运动目标检测算法[J]. 崔鹏翔,于凤芹. 激光与光电子学进展. 2020(16)
[4]基于改进的HOG与LBP特征值的车标识别方法[J]. 李哲,于梦茹. 计算机与数字工程. 2019(12)
[5]基于改进Vibe的车辆目标检测算法[J]. 刘牮,史美浩,钱闯,杨鹏,马文良. 电子测量技术. 2019(22)
[6]基于多特征降维和迁移学习的红外人体目标识别方法[J]. 王鑫,张鑫,宁晨. 计算机应用. 2019(12)
[7]基于HOG+SVM图像识别的梭子蟹分拣机械手控制系统设计[J]. 刘凯,肖红俊,王晓俊,李莉莉,冯燕尔. 机械工程师. 2019(09)
[8]基于改进ViBe算法的运动目标识别方法[J]. 王淑青,周博文. 湖北工业大学学报. 2019(04)
[9]计算机图形学与图形图像处理技术探究[J]. 李淳. 计算机产品与流通. 2019(07)
[10]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
博士论文
[1]基于视频的煤矿井下人员目标检测与跟踪研究[D]. 蔡利梅.中国矿业大学 2010
硕士论文
[1]基于人体识别的安全帽视频检测系统研究与实现[D]. 李琪瑞.电子科技大学 2017
[2]基于卡尔曼滤波器的在轨目标跟踪算法研究[D]. 梁晓波.中国科学院大学(中国科学院光电技术研究所) 2017
[3]变电站人员安全帽佩戴识别算法研究[D]. 杜思远.重庆大学 2017
[4]变电站视频中工作人员的识别[D]. 武爱敏.华北电力大学(北京) 2017
[5]交通视频中车辆多目标跟踪与特征提取的研究[D]. 郭晓光.天津工业大学 2017
[6]基于视觉的运动目标检测与跟踪算法的研究与实现[D]. 李晓晓.南京理工大学 2017
[7]卡尔曼与均值漂移在动态目标跟踪中的应用研究[D]. 马世强.内蒙古大学 2016
[8]改进的卡尔曼滤波在目标跟踪中的应用[D]. 周勇.哈尔滨工程大学 2016
[9]基于ViBe的运动目标检测与阴影消除方法研究[D]. 桂斌.安徽大学 2015
[10]视频识别在HSE监控平台中的研究与应用[D]. 李潇.华东理工大学 2014
本文编号：3288472
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
帧间差分算法流程图
哈尔滨理工大学工程硕士学位论文102.1.3背景差分算法背景差分法与2.1.2算法原理相同[53]，但是用当前帧图像yxf),(k减去背景图像yxB),(k得到差分图像yxD),(k。其数学表达式如(2-4)、(2-5)所示：fyxDyyxBx),(),(),(kkk(2-4)TyxDTyxDyxDkkk),(),(0255),((2-5)其流程图如下2-2：图2-2背景差分算法流程图Fig.2-2Backgrounddifferencealgorithmflowchart背景差分法最大的特点就是速度快，并且检测效果好，在选择没有运动目标的图像作为背景时，该算法检测的效果是最好的。但在实际应用中，不容易获取不含目标的图像，加上动态干扰的影响，降低了该算法的精度。2.2VIBE算法介绍VIBE算法[54]是一种基于像素技术的视频序列前景检测算法，它的全称是visualbackgroundextractor。该算法最大的优势是背景建模和提取目标速度快，首先为图像中的每个像素建立背景样本集；其次根据阈值判定当前帧的这个像素点属于前景像素还是背景像素；最后假若被检测为背景像素，将按照一定的概率用该像素点去更新自己的背景样本或者是它的邻近点背景样本。其流程图如2-3所
哈尔滨理工大学工程硕士学位论文11示：图2-3VIBE算法工作流程图Fig.2-3VIBEalgorithmflowchartVIBE算法仅用第一帧就可完成初始化[55]。设图像中任意像素点yx),(的像素值为yxV),(，则样本集如式(2-6)所示：NVVVVyxM321,,),((2-6)其中iV为随机采样的邻域像素值，N为背景样本层数。假如图像是长为M宽为N，总样本集就为MnN，则背景模型如图2-4所示：图2-4背景模型建立Fig.2-4Backgroundmodeling在VIBE算法中，依据要求分为前景与背景。如图2-5所示，为VIBE算法前景目标提取原理图，为了对像素值yxV),(进行分类，定义SyxV)),((R表示以yxV),(为圆心，阈值R为圆的半径。计算yxV),(与yxM),(中N个样本的欧式距离，若yxV),(与yxM),(的交集个数满足阈值，则判定yxV),(为背景，否则为前景[56]。
【参考文献】：
期刊论文
[1]基于改进自适应卡尔曼滤波的容错控制[J]. 罗鑫辉,戴邵武,戴洪德. 信息与控制. 2020(01)
[2]基于卡尔曼滤波与大数据预测的路径规划研究[J]. 黄翼虎,陈昊. 电子测量技术. 2020(03)
[3]消除鬼影及阴影的改进ViBe运动目标检测算法[J]. 崔鹏翔,于凤芹. 激光与光电子学进展. 2020(16)
[4]基于改进的HOG与LBP特征值的车标识别方法[J]. 李哲,于梦茹. 计算机与数字工程. 2019(12)
[5]基于改进Vibe的车辆目标检测算法[J]. 刘牮,史美浩,钱闯,杨鹏,马文良. 电子测量技术. 2019(22)
[6]基于多特征降维和迁移学习的红外人体目标识别方法[J]. 王鑫,张鑫,宁晨. 计算机应用. 2019(12)
[7]基于HOG+SVM图像识别的梭子蟹分拣机械手控制系统设计[J]. 刘凯,肖红俊,王晓俊,李莉莉,冯燕尔. 机械工程师. 2019(09)
[8]基于改进ViBe算法的运动目标识别方法[J]. 王淑青,周博文. 湖北工业大学学报. 2019(04)
[9]计算机图形学与图形图像处理技术探究[J]. 李淳. 计算机产品与流通. 2019(07)
[10]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
博士论文
[1]基于视频的煤矿井下人员目标检测与跟踪研究[D]. 蔡利梅.中国矿业大学 2010
硕士论文
[1]基于人体识别的安全帽视频检测系统研究与实现[D]. 李琪瑞.电子科技大学 2017
[2]基于卡尔曼滤波器的在轨目标跟踪算法研究[D]. 梁晓波.中国科学院大学(中国科学院光电技术研究所) 2017
[3]变电站人员安全帽佩戴识别算法研究[D]. 杜思远.重庆大学 2017
[4]变电站视频中工作人员的识别[D]. 武爱敏.华北电力大学(北京) 2017
[5]交通视频中车辆多目标跟踪与特征提取的研究[D]. 郭晓光.天津工业大学 2017
[6]基于视觉的运动目标检测与跟踪算法的研究与实现[D]. 李晓晓.南京理工大学 2017
[7]卡尔曼与均值漂移在动态目标跟踪中的应用研究[D]. 马世强.内蒙古大学 2016
[8]改进的卡尔曼滤波在目标跟踪中的应用[D]. 周勇.哈尔滨工程大学 2016
[9]基于ViBe的运动目标检测与阴影消除方法研究[D]. 桂斌.安徽大学 2015
[10]视频识别在HSE监控平台中的研究与应用[D]. 李潇.华东理工大学 2014
本文编号：3288472
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3288472.html
最近更新
教材专著
