基于视频监控的人脸识别在水电站巡检管理中的研究与应用

发布时间：2020-03-21 11:24

【摘要】：水电站肩负电网供电、调峰、调频等重要任务,水电站的设备安全直接关系到电网的正常运行。在水电站现场通常会安排运行、检修班组针对现场设备进行巡检,采用签到本的模式进行巡检的监督,现有的签到模式对巡检不到位、漏检、私自换班等情况不能起到有效的辅助监督作用。本文针对以上问题,从经济效率考虑,结合现场已存在的监控摄像头及人脸识别理论,提出通过对监控视频进行人脸检测、识别,辅助监督巡检人员巡检过程。首先针对水电站监控视频特点进行分析,根据现场环境下视频图像易产生的噪声,采用两种类型的图像去噪方法进行去噪处理,并对结果进行对比,选取以小波去噪的方法进行噪声滤除,然后根据现场照明环境分析了图像对比度问题,采用了多尺度Retinex算法进行图像对比度增强处理,为后续的人脸检测及识别建立基础。在人脸检测过程中采用Adaboost算法训练级联分类器,并针对实际监控摄像头进行了实验,发现该检测算法的误检、漏检现象。提出以下解决方案:通过连续检测确认目标存在,降低误检现象,同时也防止了单一检测结果存在运动模糊对识别结果的影响,然后针对多帧检测结果提出采用清晰度评价函数对图像进行清晰度评价,以最优结果推送后台进行人脸识别,提高系统识别率,降低系统计算的时间复杂度。对于人脸识别过程,介绍并分析了PCA算法,同时引入针对PCA算法进行改进的2DPCA算法,并在ORL人脸数据库及自己建立的数据库进行了实验。最终根据水电站巡检的实际需求设计了人脸识别系统,系统是基于MATLAB实现的,系统界面简洁,面向性强,根据人脸识别确定巡检人员,并提取巡检时间,结合监控摄像头地址,确定巡检地点,实现了系统需求,同时采用输出报表形式,输出巡检监督考勤表。
【图文】：

对比图,图像去噪,对比图,实验结果

10（e）高斯噪声中值滤波（f）椒盐噪声中值滤波图 2.1 图像去噪实验结果对比图Fig 2.1 Image denoising experiment results comparison chart上图中(a)(c)(e)为图像高斯噪声滤除实验，(b)(d)(f)为椒盐噪声实验结果。由结果明显得出均值滤波能较好滤除高斯噪声，但是对于椒盐噪声滤波效果不佳同时由于均值滤波的固有特性决定其会使得图像变模糊。中值滤波不同于均值滤波其对于脉冲干扰椒盐噪声抑制力好。针对去噪效果的评价，一般通过去噪后的图像与原始图像进行对比来实现。中进行实验时，首先对图像添加一些限定条件下的噪声，通过实验进行去噪，最

效果图,小波滤波,效果图

第二章视频图像预处理当然，上面还存在一个问题，就是小波收缩阈值的选取，选取合适的阈值，能够保证高效的去噪性能，我们采用如下准则选取小波收缩阈值 : 2ln( N)(2.10)式中 N 表示图像的总像素数，为噪声的方差。在实际计算中噪声的是未知的，可通过鲁棒中值估计法进行估计其值：2 median (C )/0.6745(2.11)其中 C 表示小波分解后最高尺度的 HH 子带。采用 MATLAB 进行实验如下，使用 matlab的小波工具箱（1）用 wavedec2函数进行小波分解，分解为三层分解（2）使用 wthcoef2 函数对二维信号小波系数进行阈值处理，其中阈值确定选择工具箱函数 ddencmp。（3）使用 waverec2 函数进行二维小波重构。为验证对比实验，，我们对原始图片添加不同σ值的高斯噪声，其中σ代表标准差，并分别采用空域滤波方法和小波阈值方法进行对比。当标准差σ = 0.015 时结果如下：
【学位授予单位】：南昌工程学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TV738;TN948.6

【参考文献】