在危險(xiǎn)的工作環(huán)境中,安全帽對工作人員的頭部起到了至關(guān)重要的保護(hù)作用。傳統(tǒng)的人工監(jiān)測方式需要耗費(fèi)大量的人力,且監(jiān)控人員易疲勞,易出現(xiàn)誤檢現(xiàn)象。以視頻自動監(jiān)控的方式進(jìn)行安全帽的檢測與跟蹤,可以減少人力、可以準(zhǔn)確地監(jiān)控?zé)犭姀S內(nèi)作業(yè)工人的安全帽佩戴情況,降低他們發(fā)生意外危險(xiǎn)的概率。在對安全帽進(jìn)行檢測時,由于熱電廠廠內(nèi)環(huán)境復(fù)雜且面積較大,處于遠(yuǎn)景處的工人所佩戴的安全帽不易檢測,帶來安全帽漏檢的問題。本文針對此問題,提出了多特征融合與支持向量機(jī)（SVM）相結(jié)合的安全帽檢測方法,用以提高熱電廠場景下安全帽識別率。針對熱電廠工人穿著衣服與安全帽顏色相近、有遮擋情況均值漂移算法（Meanshift）跟蹤會失效的問題,提出了卡爾曼濾波器與多特征融合Meanshift算法相結(jié)合的方法,對檢測出的安全帽進(jìn)行跟蹤。本文的主要內(nèi)容如下:首先,對安全帽區(qū)域進(jìn)行初定位,VIBE算法在速度上檢測運(yùn)動目標(biāo)非常占優(yōu)勢,并且背景建模的速度快,因此本文選用視覺背景差分算法（VIBE）來檢測移動過程中的工人,然后通過人頭與全身的比例關(guān)系進(jìn)行安全帽區(qū)域初定位。針對VIBE算法在檢測運(yùn)動目標(biāo)過程中易出現(xiàn)鬼影問題,本文通過計(jì)算前景目標(biāo)... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

幀間差分算法流程圖

哈爾濱理工大學(xué)工程碩士學(xué)位論文102.1.3背景差分算法背景差分法與2.1.2算法原理相同[53]，但是用當(dāng)前幀圖像yxf),(k減去背景圖像yxB),(k得到差分圖像yxD),(k。其數(shù)學(xué)表達(dá)式如(2-4)、(2-5)所示：fyxDyyxBx),(),(),(kkk(2-4)TyxDTyxDyxDkkk),(),(0255),((2-5)其流程圖如下2-2：圖2-2背景差分算法流程圖Fig.2-2Backgrounddifferencealgorithmflowchart背景差分法最大的特點(diǎn)就是速度快，并且檢測效果好，在選擇沒有運(yùn)動目標(biāo)的圖像作為背景時，該算法檢測的效果是最好的。但在實(shí)際應(yīng)用中，不容易獲取不含目標(biāo)的圖像，加上動態(tài)干擾的影響，降低了該算法的精度。2.2VIBE算法介紹VIBE算法[54]是一種基于像素技術(shù)的視頻序列前景檢測算法，它的全稱是visualbackgroundextractor。該算法最大的優(yōu)勢是背景建模和提取目標(biāo)速度快，首先為圖像中的每個像素建立背景樣本集；其次根據(jù)閾值判定當(dāng)前幀的這個像素點(diǎn)屬于前景像素還是背景像素；最后假若被檢測為背景像素，將按照一定的概率用該像素點(diǎn)去更新自己的背景樣本或者是它的鄰近點(diǎn)背景樣本。其流程圖如2-3所

哈爾濱理工大學(xué)工程碩士學(xué)位論文11示：圖2-3VIBE算法工作流程圖Fig.2-3VIBEalgorithmflowchartVIBE算法僅用第一幀就可完成初始化[55]。設(shè)圖像中任意像素點(diǎn)yx),(的像素值為yxV),(，則樣本集如式(2-6)所示：NVVVVyxM321,,),((2-6)其中iV為隨機(jī)采樣的鄰域像素值，N為背景樣本層數(shù)。假如圖像是長為M寬為N，總樣本集就為MnN，則背景模型如圖2-4所示：圖2-4背景模型建立Fig.2-4Backgroundmodeling在VIBE算法中，依據(jù)要求分為前景與背景。如圖2-5所示，為VIBE算法前景目標(biāo)提取原理圖，為了對像素值yxV),(進(jìn)行分類，定義SyxV)),((R表示以yxV),(為圓心，閾值R為圓的半徑。計(jì)算yxV),(與yxM),(中N個樣本的歐式距離，若yxV),(與yxM),(的交集個數(shù)滿足閾值，則判定yxV),(為背景，否則為前景[56]。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)自適應(yīng)卡爾曼濾波的容錯控制[J]. 羅鑫輝,戴邵武,戴洪德.  信息與控制. 2020(01)
[2]基于卡爾曼濾波與大數(shù)據(jù)預(yù)測的路徑規(guī)劃研究[J]. 黃翼虎,陳昊.  電子測量技術(shù). 2020(03)
[3]消除鬼影及陰影的改進(jìn)ViBe運(yùn)動目標(biāo)檢測算法[J]. 崔鵬翔,于鳳芹.  激光與光電子學(xué)進(jìn)展. 2020(16)
[4]基于改進(jìn)的HOG與LBP特征值的車標(biāo)識別方法[J]. 李哲,于夢茹.  計(jì)算機(jī)與數(shù)字工程. 2019(12)
[5]基于改進(jìn)Vibe的車輛目標(biāo)檢測算法[J]. 劉牮,史美浩,錢闖,楊鵬,馬文良.  電子測量技術(shù). 2019(22)
[6]基于多特征降維和遷移學(xué)習(xí)的紅外人體目標(biāo)識別方法[J]. 王鑫,張鑫,寧晨.  計(jì)算機(jī)應(yīng)用. 2019(12)
[7]基于HOG+SVM圖像識別的梭子蟹分揀機(jī)械手控制系統(tǒng)設(shè)計(jì)[J]. 劉凱,肖紅俊,王曉俊,李莉莉,馮燕爾.  機(jī)械工程師. 2019(09)
[8]基于改進(jìn)ViBe算法的運(yùn)動目標(biāo)識別方法[J]. 王淑青,周博文.  湖北工業(yè)大學(xué)學(xué)報(bào). 2019(04)
[9]計(jì)算機(jī)圖形學(xué)與圖形圖像處理技術(shù)探究[J]. 李淳.  計(jì)算機(jī)產(chǎn)品與流通. 2019(07)
[10]目標(biāo)跟蹤算法綜述[J]. 孟琭,楊旭.  自動化學(xué)報(bào). 2019(07)

博士論文
[1]基于視頻的煤礦井下人員目標(biāo)檢測與跟蹤研究[D]. 蔡利梅.中國礦業(yè)大學(xué) 2010

碩士論文
[1]基于人體識別的安全帽視頻檢測系統(tǒng)研究與實(shí)現(xiàn)[D]. 李琪瑞.電子科技大學(xué) 2017
[2]基于卡爾曼濾波器的在軌目標(biāo)跟蹤算法研究[D]. 梁曉波.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2017
[3]變電站人員安全帽佩戴識別算法研究[D]. 杜思遠(yuǎn).重慶大學(xué) 2017
[4]變電站視頻中工作人員的識別[D]. 武愛敏.華北電力大學(xué)(北京) 2017
[5]交通視頻中車輛多目標(biāo)跟蹤與特征提取的研究[D]. 郭曉光.天津工業(yè)大學(xué) 2017
[6]基于視覺的運(yùn)動目標(biāo)檢測與跟蹤算法的研究與實(shí)現(xiàn)[D]. 李曉曉.南京理工大學(xué) 2017
[7]卡爾曼與均值漂移在動態(tài)目標(biāo)跟蹤中的應(yīng)用研究[D]. 馬世強(qiáng).內(nèi)蒙古大學(xué) 2016
[8]改進(jìn)的卡爾曼濾波在目標(biāo)跟蹤中的應(yīng)用[D]. 周勇.哈爾濱工程大學(xué) 2016
[9]基于ViBe的運(yùn)動目標(biāo)檢測與陰影消除方法研究[D]. 桂斌.安徽大學(xué) 2015
[10]視頻識別在HSE監(jiān)控平臺中的研究與應(yīng)用[D]. 李瀟.華東理工大學(xué) 2014



本文編號：3288472