基于VMD-CNN的高噪声动态生产过程质量异常监控

针对由智能制造现场动态生产过程的复杂随机因素影响造成的高噪声和质量异常监控方法效率低等问题,将变分模态分解方法(variational mode decomposition,VMD)与深度卷积神经网络(convolutional neural network,CNN)相结合,提出一种基于VMD-CNN的实时质量监控新方法.首先,利用VMD方法,将高噪声动态过程原始数据分解为包含质量异常特征和噪声信息的两类本征模态函数,通过去除噪声数据的本征模态函数,消除动态生产过程的高噪声干扰;进而,采用灰度变换将保留原始质量异常特征的本征模型函数转化为质量异常图像,构建VMD-CNN模型对质量异常图像进行识别,并提出基于VMD-CNN的高噪声动态过程质量异常实时监控框架;最后,通过实验验证所提方法的有效性,并与小波去噪方法和CNN识别模型进行对比分析,实验结果显示所提方法的识别精确度显著优于现有的动态过程质量异常监控方法.     

一种煤矿井下监控视频图像预处理方法

针对煤矿井下照度低、粉尘大、强光干扰多而导致监控视频图像模糊、容易出现目标检测失误等问题,提出了一种煤矿井下监控视频图像预处理方法。引入直方图均衡化算法将灰度值从集中在某段灰度级区域的非均匀分布状态变换为均匀分布状态,扩展像素灰度值的动态范围;采用多特征判断法即通过灰度阈值、差分阈值、尺寸阈值3个方面判断检测到的目标是否为光斑。实验结果表明,该方法能有效增强图像对比度,改善图像质量,识别并滤除光斑,从而提高目标检测的有效性。     

基于声源定位技术的智能视频监控系统

针对目前的大部分视频监控系统都是基于图像检测的静态或动态监控,提出了在智能视频监控系统中应用声源定位和摄像头动态采集进行联合判决的方案。系统采用麦克风阵列对声源进行定位,然后驱动摄像头转动到声源位置监控,通过图像分析给出报警动作。实验结果表明,该系统在低噪声干扰的实验环境下,能实现对声源的有效定位,并进行异常情况报警。     

基于高斯背景模型的红外人体运动目标检测技术

针对红外监控中人体运动目标的空洞和拖尾问题,提出了一种基于高斯模型的运动目标检测方法。首先,介绍了红外图像的预处理;其次通过与其他经典的人体运动目标检测算法比较与综合,引入高斯模型,建立背景图像的自适应模型。该种模型主要使用了拟合修正的方法处理了红外监控背景图像中的差分信息,过滤图像中的噪声等相关外部环境干扰因素,从而更新红外图像中的背景信息,提高了红外监控系统图像中人体运动目标的检测清晰度,并进一步提高了红外监控图像的精度。同时,还对该方法进行了必要的仿真实验。仿真结果表明,提出的方法可以准确地检测红外监控图像中的人体运动目标,较好地避免了人体运动速度过快或过慢所产生的拖尾或空洞现象。     

基于激光传感和机器视觉的变电站通道监控研究

变电站内隐患区域与异常状况在属性上分属不同传感特征,无法通过单一监控形式完整表达。针对当前变电站通道监控以单一监控形式为主,存在安全隐患与异常状况检测精度低的问题,导致监控效果不佳,提出运用激光传感技术和机器视觉技术双监控的模式,对变电站通道完成监控,形成监控互补。通过在变电站通道布置激光传感器,采集变电站通道安全隐患数据,构建分布密度函数判断变电站通道的安全隐患,利用机器视觉技术采集变电站通道监控图像特征,实现了变电站通道内异常情况监控。实验结果表明,该方法能够准确监控变电站通道安全隐患区域和通道内的异常情况,提升变电站安全监控效果。     

基于运动熵的拥挤人群异常检测

视频监控在社会安全方面扮演着越来越重要的角色,在计算机视觉领域,人群异常行为检测也成为非常重要的研究课题.提出一种基于运动熵计算的人群异常检测方法.该方法在图像上散布特征点,运用光流法分组计算出各特征点的运动大小与方向,并据此建立运动直方图,用图像熵的计算方法得出图组的运动熵,运动熵及平均能量值则作为异常检测的判断依据.实验使用明尼苏达大学逃离与恐慌相关实验视频及部分网络视频,实验表明此方法拥有较强的容错能力,并能实时正确的检测出大部分异常行为的发生.     

复杂背景下人体检测算法

静态图像的人体识别技术在实际视频监控场景中, 面临背景复杂、图像分辨率低、光照影响和噪声干扰等问题, 这些多变性以及可能发生的遮挡给单一图像中的人体识别技术提出了挑战. 设计和实现一种复杂背景下的人体检测算法, 基于HOG人体检测算法, 使用积分直方图计算HOG特征, 并用级联SVM分类器对样本进行训练. 实验结果表明, 该算法在复杂视频监控场景中进行人体检测比其它人体检测算法具有更高的准确率和更快的检测速度.     

基于多时相巡检图像的变电设备抗干扰缺陷检测

近年来,变电站中广泛采用机器视觉算法分析多时相巡检图像的差异变化,用于检测各类变电设备缺陷,以确保运行安全.然而,由于拍摄时刻不同,多时相图像间存在天气、光照、季节等各类干扰变化,对变电设备的缺陷检测提出了挑战.对此,提出一种基于多时相巡检图像的变电设备抗干扰缺陷检测方法.首先,利用风格迁移模型CycleGAN学习不同风格域之间的映射关系,并基于检测图生成足量存在天气、光照、季节干扰变化的干扰图;其次,基于参考图$+$检测图$+$干扰图三元组对三重孪生网络TripleNet进行协同训练,在特征层面提出空间一致性损失以抵抗各类干扰变化,用于提取三者鲁棒的多尺度差异特征;最后,搭建特征聚合网络PANet融合多尺度差异特征,输出多尺度的缺陷检测结果.在实际变电设备多时相巡检图像数据集上进行实验验证,结果表明,所提出方法相较于非孪生网络和一般孪生网络可提升2.09%和0.67%的mAP,且在原始样本与干扰样本上的检测精度更均衡,而且所提出方法可以在提升变电设备缺陷检测模型精度的同时增强模型的抗干扰能力.     

基于关键帧提取的智慧机场安全视频监控系统

将现有监控系统应用智慧机场后发现,其存在关键对象查全个数少等问题,难以实现对机场安全的全面监控。基于此,设计基于关键帧提取的智慧机场安全视频监控系统。硬件部分,设置了摄像头、写摄像头寄存器、读摄像头寄存器等视频采集设备;软件部分,利用关键帧提取技术提取视频监控特征。根据提取到的颜色特征和局部二进制模式（Local Binary Patterns,LBP）纹理特征,实现智慧机场监控图像实时监控与危险预警。实验表明,该系统可以提高对关键对象的查全个数,实现对智慧机场的全方位安全监控。     

高速公路动态环境下的摄像机自标定

提出一种动态环境下高速公路监控系统摄像机的自标定方法.首先利用混合高斯背景建模方法从动态视频图像中获取背景图像和目标频繁出现的目标区域;然后利用不同的直线检测算法检测和估计出目标区域内高速公路上大量存在的各种标志线和虚标志线以及水平线,基于这些线状特征计算出摄像机的灭点;最后根据灭点和线特征之间的几何关系计算出摄像机的内外参数,从而实现摄像机自标定.真实场景的实验结果表明,该算法非常合适于各种高速公路监控系统中摄像机的实时自标定,且精度高、稳定性好.     

基于多特征的地铁运行监控图像目标识别研究

地铁监控图像中的目标检测与识别是保障地铁安全运行的关键技术,但地铁监控环境复杂多变,会给目标识别带来挑战。为准确识别地铁监控图像中的目标,研究了一种基于多特征融合的方法。通过分析监控场景的特点,提出了融合颜色、纹理、形状等多种视觉特征的方案,设计了有效的特征融合策略,构建了基于深度学习的多特征目标识别系统。结果表明,不同特征的协同与互补不仅提高了识别准确率,也提高了对复杂环境的适应性。     

智能视频监控系统中的干扰检测及分类

针对智能视频监控系统中的干扰检测问题,提出了一种新的检测方法,并将干扰类型进行了分类.该方法对智能视频监控系统中的遮挡、失焦、亮度异常、偏色和噪声污染五种干扰分别提取检测特征,实现了对不同类型干扰的分类检测.同时,该方法采用了自适应更新阈值的方法,降低了检测方法的复杂度,提高了其实用性.实验结果表明:在能够满足监控系统实时性的要求下,与经典方法相比本文方法的检测性能较好,适用范围较广,分类正确率达到了92.2％.     

基于宏块特征量化的视觉自适应实时监控方法

提出一种新的基于宏块特征量化的视觉自适应实时监控方法，它采用考虑宏块特征空域关系和类似竞争分类的消除干扰策略，由宏块特征量化将对像素点的操作转变为对宏块直方图特征点的操作，通过兴趣点的提取使得对每帧的计算速度成效量级地提高．研究表明，该方法仅使用高、中、低3种外部阈值设置，便可使监控模型在几乎无参数调节下稳定运行，在动态图象序列中，能有效消除日光灯频闪光线、部分运动阴影以及局部小扰动带来的区域干扰．实验结果显示，该方法能够实现对安全防范中闯入类的有效监控，且日标跟踪快捷稳定，具有较高的工程实用价值．     

基于BACnet与LonWorks协议的系统研究

针对高校时有发生的校园财产被盗等安全事故和设备设施独立运行的现状。本文提出了一种把BACnet与LonWorks整合的校园自动控制网络系统,能够把校园安全防范系统融入到数字校园中,实现火灾报警和安全预防、保安监控、紧急求教、远程教学、教学监控、电力监控、给排水设备以及楼宇自控的联动,全面提高校园自动化程度。     

基于深度强化学习的新能源场站送出线路全景监控方法

为了提高全景图像中小目标检测精度,提出基于深度强化学习的新能源场站送出线路全景监控方法。经图像拼接单元融合处理后输出全景大图,存储于全景数据库中。全景图像经Web服务层传输至应用逻辑层后,由业务处理单元调用梯度幅值法实现送出线路全景图像边缘检测,获取送出线路边缘特征图像,将其作为改进YOLOv3网络输入,实现入侵目标的监测与预警,通过全景重建单元实现新能源场站送出线路监控场景的三维展示,由用户层完成监控结果的可视化呈现。实验结果表明：该方法可实现送出线路边缘检测,获取送出线路边缘特征图像,不同类型的送出线路入侵目标检测精度达到98.79%。     

结合改进Deeplab v3+网络的水岸线检测算法

目的 水岸线既是水利行业视频监控分析的基础,也是无人水面艇实现自主航行的关键。现有的许多水岸线检测的图像识别方法,不仅无法克服水面波纹、水面倒影等因素的影响,而且不具有适应性,无法同时适用于多个水岸场景分析。为此,本文采用多个复杂的水岸场景图像,训练了用于水岸分割的Deeplab v3+网络,并综合考虑分割性能和计算速度,对Deeplab v3+进行简化与改进,提出了基于改进的Deeplab v3+分割水面图像提取水岸线的检测方法。方法 采集不同水岸场景图像作为训练及验证图集,并利用伽马函数扩充样本;接着修改Deeplab v3+网络,对xception结构进行微调,同时在decoder时多增加一路低级特征（low-level feature）,增加特征信息;然后依据图像信息设置损失权重系数,设置可视化参数,基于改进的Deeplab v3+网络针对自己的数据集进行训练。利用训练好的PB模型在Linux操作系统调用TensorFlow的C++接口对测试图像进行区域分割。最后基于提取出的水面区域通过边缘检测算子检测水岸线,将水岸线叠加到原图。结果 本文采集了不同光照强度、不同波纹程度以及不同阴影程度的水面图像进行水岸线检测实验,并与现有算法进行比较。实验结果表明本文算法可以在不同的水岸图像中检测出较为清晰完整的水岸线,准确率达93.98%,实时性达到8帧/s。结论 本文算法能克服水岸边缘严重不规则、不同水岸场景差异大和复杂水岸场景中光照、波纹、倒影等因素的干扰,提升水岸图像分割准确度及效率,检测出轮廓清晰完整的水岸线,服务于水利行业的智能监控分析。     

公共区域监控视频数据目标特征跟踪定位方法

为了提高公共区域监控视频的目标定位检测能力,需要进行目标特征跟踪定位算法设计,提出一种基于图像超分辨率重建的公共区域监控视频数据目标特征跟踪定位方法。构建公共区域监控视频的三维图像重建模型,采用边缘层的高分辨融合方法进行公共区域监控视频图像数据的三维结构重组,提取公共区域监控视频的关键特征点,用图像退化模型进行公共区域监控视频数据目标特征检测,结合线性滤波模型使得监测输出图像满足最优匹配特征解,提高对公共区域监控视频数据目标特征跟踪能力。引入引导滤波方法进行公共区域监控视频数据的图像超分辨重建,实现对目标特征准确跟踪定位。仿真结果表明,采用该方法进行公共区域监控视频数据目标特征跟踪定位的准确性较高,图像重建能力较强,归一化均方根误差较小。     

基于视频异常特征提取的变电站安全智能控制研究

为准确识别无人值守变电站异常行为，保证变电站安全运行，提出基于视频异常特征提取的变电站安全智能控制方法。使用基于改进数学形态学滤波的变电站监控图像增强方法，改善变电站监控图像质量；使用变电站监控图像特征提取方法，提取增强处理后变电站监控图像的颜色特征与纹理特征；由基于异常特征分类的变电站监控图像异常检测方法，将所提取的变电站监控图像特征作为分类目标，提取异常特征，完成变电站视频监控图像异常识别，从而启动应对措施，实现安全智能控制。经实验验证：所提方法可改善变电站监控图像质量、提取视频图像中的异常特征，异常特征提取准确率高于90.2%,能够准确识别变电站异常行为，虚警率低于5.24%,保证变电站安全运行智能控制。     

基于GPRS无线传输的便携式图像监控系统

考虑到监控系统的方便与实用，提出了一种基于嵌入式单板电脑所开发的便携式图像监控系统。该系统以普通的USB摄像头作为图像采集设备，对比目前以CCD摄像头和采集卡作为采集设备的监控系统，体积大大缩小。通过一种有效的图像异常检测算法，对实时图像进行检测，有异常发生时，通过GPRS模块进行无线传输，将异常图像发送到远端，达到远程监控的目的，实验结果表明该系统实时性好，异常报警准确率高，实用性强。     

基于DHCP网络协议的人流密度Web监控系统设计

为了降低踩踏事件发生频率,设计并实现了基于DHCP网络协议的人流密度Web监控系统,该系统通过DHCP网络协议将现场的人员图像实时传输给服务器,塑造了认证服务器和检测服务器,采用面向服务的架构以及依据角色访问控制相融合的技术管理监控人员的权限,监控人员依据不同的权限进入Web监控平台,Web监控平台实时的通过网络分析、控制、监控终端等模型监控和管理人员流动图像数据,并使用依据人员像素密度阀值的自主报警模块对人流密度进行报警,最终减少了人员踩踏事件的发生;采用该系统对某车站入口处监测点进行应用实验,在Matlab7.0平台上完成测试,实验时Web通信划分成外部干扰能够忽略和外部干扰不可忽略两种情况;仿真时间定为3 000s,实验结果表明利用文章系统对人流密集区域监控的准确率达到97%左右,误差平均在3%左右,而传统设计误差在20%以上,表明文章系统的鲁棒性更强,更适合推广应用。