一种塔式起重机顶升过程中视频特征实时识别方法

宋世军,宋连玉,王思合,刘树刚

(1.山东建筑大学 机电工程学院,济南 250101; 2.山东富友慧明测控设备有限公司;济南 250101; 3.济南热力集团有限公司,济南 250100)

塔机因高空作业的高危险性已经成为社会关注的问题,引起了政府的重视,多次发文强调加强管理.在众多塔机安全事故中,发生在安装拆卸过程中的事故概率接近50%,目前该环节主要靠人员配合、人眼观察,当疲劳作业导致工人注意力不集中时容易引起事故.顶升是安装拆卸工作中最频繁的过程,故设计研发一种解决塔机顶升安全性的方法势在必行[1].

目前绝大多数的塔机安装过程缺乏监视、记录以及违规操作的警示和反馈功能,致使自觉或不自觉的违规操作情况时有发生.有些操作人员在联接螺栓、安全销轴不到位时就进行下一步动作,致使塔机安装工作危险性进一步提高,所以塔机安装安全监控系统对螺栓、销轴等特征目标判断提出了更高的要求.安全监控系统里面的关键部分是从复杂多变的背景中分割识别出螺栓、销轴及踏步等特征目标的状态.而塔机顶升过程中特征目标的各状态停留时间较短,这就对分割识别目标算法的运行时间提出了更高的要求.

1 特征识别流程

在常用的复杂背景下，分割识别目标的方法主要有帧间差分法、背景差分法和光流法[2].光流法计算量很大,若不借助专用硬件设备无法达到实时处理,不适合嵌入式系统的开发[3].背景差分法对于背景变化不是很大的场景适用性更强,帧间差分法对于运动物体的识别更迅速[4].本文的研究对象是塔机安装、拆卸过程中的螺栓、销轴检测,既有全景变化过程也有前景变化过程.基于此,本文提出将背景差分法与三帧差分法相结合的方法.首先将三帧差分法用于顶升过程识别背景是否运动,当识别出背景不动后,再将背景差分法用于前景特征目标的识别.

本文提出的目标识别算法核心:利用三帧差分法识别出背景不动的时刻,在背景不动的情况下，进一步利用背景差分法识别出特征目标.三帧差分法识别背景流程如图1所示.

图1 三帧差分法识别背景流程图Fig.1 Three-frame difference method of identificationbackground flow chart

三帧差分法具体步骤如下:

(1) 读取图像,间隔时间Δt读取待判断的3幅图像,并做灰度处理、二值化处理、去噪等基础操作;

(2) 三帧差分,将3幅背景图像做三帧差分;

(3) 数学形态学处理,将差分图像进行膨胀、腐蚀、开、闭操作等数学形态学处理;

(4) 判断背景是否变动,并输出判断结果.本文利用面积法,统计像素为1的数量,当该数量大于总面积的k倍时,定为背景发生变化,具体为

式中:i,j为像素坐标,1≤i≤m,1≤j≤n,m,n为图片行和列.当area>k×m×n(k为变化系数,0

背景差分法判断特征目标具体步骤如图2所示.

图2 特征识别流程图Fig.2 Feature recognition flow chart

在利用上述图1中算法得到背景不动的信号后,再利用图2背景差分法进一步识别特征目标是否存在,具体算法如下:

(1) 读取背景图像,建立背景模型;

(2) 读取待判断的图像,并利用数学形态学做预处理;

(3) 背景差分,并将背景差分图像进行膨胀、腐蚀、开、闭操作等处理;

(4) 特征识别,并输出分析结果.

2 背景识别方法实例

为了提高算法的运算速度,本文利用三帧差分法辅助判断背景是否运动,当识别结果为背景不动,仅有前景变化时定为再进行前景目标识别.

2.1 背景变化识别案例

(1) 读取背景变化原始图像,间隔时间Δt,读取顶升过程中的三帧原始图像i1,i2,i3,如图3所示;

(2) 将原始图像转换为灰度图像,如图4所示;

(3) 二值化处理，为了快速地识别变化的背景,将图片分成左、中、右3部分分别处理,用最大类间法计算出二值化处理的阈值,然后将灰度图像二值化,如图5所示;

图3 背景变化原始图像Fig.3 Background variation original image

图4 背景变化原始图像的灰度图像Fig.4 Gray image of background variation original image

图5 背景变化二值化图像Fig.5 Binary image of background change image

(4) 三帧差分,分别将左半部分、右半部分进行三帧差分,并进行数学形态学处理，结果如图6所示;

(5) 判断背景是否运动,sumb=2 058>k×200×200,本处k取值1/30,判断背景发生变化.

2.2 背景不变识别案例

(1) 读取背景变化原始图像,间隔时间Δt,读取顶升过程中的三帧原始图像i1,i2,i3,如图7所示;

图7 背景不变原始图像Fig.7 Original image of background invariant image

(2) 将原始图像转换为灰度图像,如图8所示;

图8 背景不变原始图像灰度图Fig.8 Gray image of backgroundinvariant original image

(3) 二值化处理，为了最高精确度地识别变化的背景,本文将图片分成左、中、右3部分分别处理,用最大类间法计算出二值化处理的阈值,然后将灰度图像二值化，如图9所示;

图9 背景不变二值化图像Fig.9 Binary image of backgroundinvariant original image

(4) 三帧差分,分别将左半部分、右半部分进行三帧差分,并进行数学形态学处理，结果如图10所示;

图10 背景不变三帧差分结果图Fig.10 Background invariant three-framedifferential result diagram

(5) 判断背景是否运动,sumb=2 416

3 特征目标识别方法实例

当收到背景不变的信号以后,系统启动特征识别程序,自动以当前时间点前3 s的连续3副图像进行背景建模,读取当前图像进行背景减法,具体步骤如下:

(1) 自收到背景不变信号后,间隔时间Δt读取图像顶升过程中的当前时刻前t1时间段的三帧图像i1,i2,i3,如图11所示;

图11 背景差分背景建模所用原始影像Fig.11 Original image for background differentialbackground modeling

(2) 将原始图像转换为灰度图像,并进行背景建模,如图12所示;

图12 背景差分背景建模图像Fig.12 Background modeling image ofbackground differential

(3) 读取前景图片,如图13所示;

图13 背景差分前景原始图片Fig.13 Foreground original image ofbackground differential

(4) 背景差分,并进行数学形态学处理，结果如图14所示;

图14 背景差分处理结果图Fig.14 Processing result diagram ofbackground difference

(5) 判断是否有特征目标,sumb=797>k×300×100,本处k取值1/50,判断有特征目标,证明该方法行之有效.

4 结语

本文提出了一种解决塔机顶升过程中特征目标的识别方法,利用三帧差分法判断背景与利用背景差分法判断前景相结合的方法,很好地解决了背景复杂多变的塔机应用环境；解决了塔机的顶升过程中智能监控的特征识别的关键问题,降低了本环节对人员对依赖性,降低了劳动人员的劳动强度,降低了塔机安装工作的危险性；避免因疲劳作业导致工人注意力不集中引起的顶升事故,提高了塔机顶升加节环节的安全性.

参考文献:

[1] 宋连玉.塔机安装过程中特征目标的分割识别研究[D].济南:山东建筑大学,2012.

SONG L Y.Research on feature target segmentation and recognition in tower crane installation[D].Ji’nan:Shandong Jianzhu University,2012.

[2] 徐蔚鸿,严金果.基于改进的背景差分的运动目标实时检测算法[J].计算机工程与科学,2014,36(7):1352-1356.

XU W H,YAN J G.Real-time detection algorithm of moving target based on improved background difference[J].Computer Engineering and Science,2014,36(7):1352-1356.

[3] 赵志宏,田绪红,高月芳.复杂场景下的实时运动目标检测[J].小型微型计算机系统,2013(4):229-234.

ZHAO Z H,TIAN X H,GAO Y F.Real-time moving target detection in complex scene[J].Minicomputer System,2013(4):229-234.

[4] 张家叶子,吕游.复杂背景下运动目标的改进实时检测算法[J],测控技术,2017,36(6):37-41.

ZHANG J Y Z,LÜ Y.An improved real-time detection algorithm for moving objects in complex background[J].Measurement and Control Technology,2017,36(6):37-41.