基于改进Camshift的红外转炉钢流自动检测与跟踪

发布时间：2021-12-09 02:41

　　传统远红外在线出钢钢渣含量检测方法实时性差,停止出钢时间判断不准确;钢包因加合金产生烟尘遮挡,不利于监测转炉的倾角状态。提出了在远红外图像检测系统加入改进的连续自适应Meanshift（Camshift）自动检测与跟踪算法。用二值法分割出钢流,检测钢流的最小外接矩形轮廓,并将矩形轮廓作为Camshift的初始化目标区域。若相邻两帧图片中跟踪框质心的欧式距离大于设定阈值,用矩形轮廓更新搜索窗口的位置和大小,实现Camshift算法全自动跟踪,解决目标漂移和丢失问题。试验结果表明,改进的Camshift算法降低了钢水含渣量,准确判断出钢时间,可实时监测转炉倾角变化。 

【文章来源】：自动化与仪表. 2019,34(11)

【文章页数】：5 页

【文章目录】：
1 系统的结构设计
2 Camshift目标跟踪算法
3 选取目标边缘轮廓以及最小外接矩形
    3.1 选取目标边缘轮廓
    3.2 获取最小外接矩形
4 基于轮廓特征的Camshift目标跟踪算法
5 试验以及结果分析
    5.1 试验环境搭建
    5.2 第一帧搜索框检测试验
    5.3 相似颜色粉尘状遮挡物试验处理结果分析
6 结语


【参考文献】：
期刊论文
[1]多特征融合的Camshift运动目标跟踪算法[J]. 吴玮,郑娟毅,杜乐.  计算机科学. 2018(07)
[2]显著性直方图模型的Camshift跟踪方法[J]. 修春波,魏世安.  光学精密工程. 2015(06)
[3]基于改进的Camshift目标跟踪算法[J]. 李妮妮,褚玉,刘军清,陈鹏.  科技信息. 2014(10)

硕士论文
[1]一种转炉出钢监测系统的研制[D]. 王部军.浙江大学 2011



本文编号：3529753