本文選題：煤層氣開采　切入點(diǎn)：前景檢測(cè)　出處：《大連理工大學(xué)》2015年碩士論文

【摘要】：我國(guó)煤層氣開采產(chǎn)業(yè)發(fā)展迅猛,因此對(duì)現(xiàn)場(chǎng)安全情況的監(jiān)控也就顯得尤為重要。為解決人工巡檢煤層氣開采現(xiàn)場(chǎng)耗時(shí)費(fèi)力等問題,設(shè)計(jì)了基于改進(jìn)核密度估計(jì)(KDE)前景檢測(cè)算法的無(wú)線遠(yuǎn)程視頻監(jiān)控系統(tǒng)。首先,對(duì)當(dāng)前的運(yùn)動(dòng)目標(biāo)檢測(cè)算法做了綜述,分析比較了幀差法、高斯背景建模(GM)、混合高斯背景建模(GMM)和核密度估計(jì)等算法,發(fā)現(xiàn)KDE算法更為適合本項(xiàng)目面臨的抽水機(jī)往復(fù)運(yùn)動(dòng)等動(dòng)態(tài)背景環(huán)境。接著針對(duì)KDE算法實(shí)時(shí)性差的問題,提出了改進(jìn)KDE算法。本文算法將背景差分(BS)與核密度算法結(jié)合,先用背景差分融合三幀差算法過濾掉非動(dòng)態(tài)背景區(qū)域,對(duì)于動(dòng)態(tài)背景區(qū)域應(yīng)用核密度算法檢測(cè)前景。為了兼顧準(zhǔn)確性,在前景分割時(shí)提出了一種新的動(dòng)態(tài)閡值求取方法,第二背景更新采用隨機(jī)鄰域點(diǎn)更新策略,仿真結(jié)果顯示：本文算法與核密度估計(jì)法和背景差分核密度(BS-KDE)算法相比,準(zhǔn)確性更高,平均每幀算法耗時(shí)分別降低了94.1%和15.38%。其次,組網(wǎng)方式上,在3G網(wǎng)絡(luò)上建立虛擬專用網(wǎng)絡(luò)(VPN)通道來(lái)構(gòu)建網(wǎng)絡(luò)。在采集端的設(shè)計(jì)上以FPGA和ARM處理器為基礎(chǔ),工作重點(diǎn)在ARM上程序設(shè)計(jì),基于C語(yǔ)言采用多線程方式協(xié)調(diào)圖像采集、處理等工作。視頻監(jiān)控軟件則采用C++語(yǔ)言設(shè)計(jì),包括預(yù)覽模塊、回放模塊、日志模塊及參數(shù)設(shè)置模塊。能夠及時(shí)接收現(xiàn)場(chǎng)異常情況圖像并報(bào)警,做到了人機(jī)交互較為友好。最后,測(cè)試了網(wǎng)絡(luò)性能和算法在ARM上應(yīng)用效果。網(wǎng)絡(luò)延遲在100ms以上,為保證數(shù)據(jù)準(zhǔn)確到達(dá),采用包頭附加數(shù)據(jù)的方式定義圖像幀,其中包頭包含數(shù)據(jù)長(zhǎng)度和站點(diǎn)號(hào)等信息。傳輸圖像幀時(shí),利用TCP流協(xié)議,圖像幀被自動(dòng)分包發(fā)送。在監(jiān)控端利用多線程,按照包頭的數(shù)據(jù)長(zhǎng)度接收各個(gè)站點(diǎn)圖像數(shù)據(jù)。在室內(nèi)外環(huán)境中對(duì)準(zhǔn)確性和實(shí)時(shí)性做了測(cè)試,結(jié)果顯示,本算法能夠準(zhǔn)確檢測(cè)到大小運(yùn)動(dòng)目標(biāo),但由于ARM內(nèi)存等資源限制,算法耗時(shí)是仿真結(jié)果的3到9倍,所以本文算法實(shí)時(shí)性還需進(jìn)一步提高。
[Abstract]:China's CBM industry is developing rapidly, so the monitoring of the site safety situation is particularly important. In order to solve the problems of mining coal seam gas field manual inspection is time-consuming, the design is improved based on kernel density estimation (KDE) wireless remote video monitoring system for foreground detection algorithm. Firstly, moving target detection algorithm for current do the review, comparison and analysis of the frame difference method, background modeling Gauss (GM), mixed Gauss background modeling (GMM) and kernel density estimation algorithm, KDE algorithm is more dynamic environment background of pump reciprocating motion for this project. Then, facing the problem of KDE algorithm is proposed. The improved KDE algorithm. The algorithm of background difference (BS) combined with kernel density algorithm, using background difference difference algorithm to filter the non dynamic background region merging three frames for the dynamic background region using kernel density algorithm. Measuring prospects. In order to take into account the accuracy, obtaining a new dynamic threshold value method is proposed in the foreground segmentation, background update second randomized neighborhood point update strategy, the simulation results show that the proposed algorithm and kernel density estimation method and background difference kernel density (BS-KDE) algorithm, higher accuracy, the average the algorithm of frame time was decreased by 94.1% and 15.38%. second, networking, virtual private network 3G network (VPN) channel to construct a network. In the design of acquisition terminal based on FPGA and ARM processor based, focus on the ARM program design, C language uses multiple threads to coordinate based on image acquisition. Processing. Video monitoring software is designed by C++ language, including the preview module, playback module, log module and parameter setting module. To receive timely field anomaly image and alarm, achieve human-computer interaction is Friendly. Finally, the application effect of the network performance and the algorithm on the ARM test. The network delay in more than 100ms, in order to ensure accurate data arrival, the image frame definition of Baotou additional data, which contains the Baotou data length and site number and other information. The image transmission frame, using TCP streaming protocol, the image frames are automatically sub sent. In the monitoring terminal by using multi thread, according to the Baotou data length received image data. Each site in the indoor environment to do the test, the accuracy and real-time results show that this algorithm can accurately detect the size of moving objects, but because the ARM memory resource constraints, algorithm of time is 3 to 9 as the simulation results, so the real-time performance of the algorithm is further improved.

【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD82;TP277

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 溫彩哨;余志晟;劉新春;琚宜文;張洪勛;;煤層氣產(chǎn)出水水質(zhì)特征及處理技術(shù)研究進(jìn)展[J];工業(yè)水處理;2014年10期

2 閆旭光;聶永晉;狄麗莉;;國(guó)內(nèi)外煤層氣鉆機(jī)技術(shù)現(xiàn)狀及建議[J];輕工科技;2015年02期

3 琚宜文;李清光;顏志豐;孫盈;鮑園;;煤層氣成因類型及其地球化學(xué)研究進(jìn)展[J];煤炭學(xué)報(bào);2014年05期

4 琚宜文;李清光;譚鋒奇;;煤礦瓦斯防治與利用及碳排放關(guān)鍵問題研究[J];煤炭科學(xué)技術(shù);2014年06期

5 鄭德順;周璐;楊登銀;劉斌忠;李明龍;;樊莊地區(qū)山西組煤層控氣綜合因素分析[J];科學(xué)技術(shù)與工程;2014年12期

6 王海超;潘結(jié)南;王凱;牛慶合;;煤中亞微觀裂隙密度與煤階的關(guān)系[J];煤礦安全;2014年12期

7 李陽(yáng);張浪;舒龍勇;唐文杰;;潞安礦區(qū)煤儲(chǔ)層特征及瓦斯含量分布規(guī)律研究[J];煤炭科學(xué)技術(shù);2014年12期

8 王翰鋒;;泥巖超壓層封閉煤層氣能力分析[J];煤炭科學(xué)技術(shù);2015年06期

9 楊大勇;楊建華;盧偉;;基于動(dòng)態(tài)閾值的核密度估計(jì)前景檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用;2015年07期

10 范鐵剛;張廣清;;注液速率及壓裂液黏度對(duì)煤層水力裂縫形態(tài)的影響[J];中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

相關(guān)會(huì)議論文 前2條

1 李清光;琚宜文;譚鋒奇;鮑園;王國(guó)昌;衛(wèi)明明;;生物成因煤層氣生成途徑與判別標(biāo)志及產(chǎn)氣實(shí)驗(yàn)進(jìn)展[A];2014年中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)——專題57：盆地動(dòng)力學(xué)與非常規(guī)能源論文集[C];2014年

2 邊莉;張欣欣;;煤層氣儲(chǔ)層參數(shù)智能預(yù)測(cè)方法綜述[A];第十屆全國(guó)采礦學(xué)術(shù)會(huì)議論文集——專題四：機(jī)電與自動(dòng)化[C];2015年

相關(guān)博士學(xué)位論文 前7條

1 鮑園;生物成因煤層氣定量判識(shí)及其成藏效應(yīng)研究[D];中國(guó)礦業(yè)大學(xué);2013年

2 劉東;煤層氣開采中煤儲(chǔ)層參數(shù)動(dòng)態(tài)演化的物理模擬試驗(yàn)與數(shù)值模擬分析研究[D];重慶大學(xué);2014年

3 熊先鉞;韓城區(qū)塊煤層氣連續(xù)排采主控因素及控制措施研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

4 郭品坤;煤與瓦斯突出層裂發(fā)展機(jī)制研究[D];中國(guó)礦業(yè)大學(xué);2014年

5 歐陽(yáng)少波;煤礦瓦斯真空變壓吸附分離與富集的研究[D];大連理工大學(xué);2014年

6 汪涵;增產(chǎn)煤層氣與產(chǎn)氫菌種的篩選及群落結(jié)構(gòu)研究[D];北京科技大學(xué);2015年

7 蔡益棟;煤層氣儲(chǔ)層物性動(dòng)態(tài)演化及對(duì)產(chǎn)能的影響[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

相關(guān)碩士學(xué)位論文 前6條

1 何喬;烴類化合物厭氧降解產(chǎn)甲烷中間代謝產(chǎn)物初探[D];中國(guó)農(nóng)業(yè)科學(xué)院;2013年

2 王凱文;軌道車視頻監(jiān)控系統(tǒng)的目標(biāo)檢測(cè)與報(bào)警研究[D];西南交通大學(xué);2014年

3 聶苗;智能視頻監(jiān)控去隔行處理與運(yùn)動(dòng)目標(biāo)檢測(cè)研究[D];昆明理工大學(xué);2014年

4 姚萬(wàn)華;基于圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];中國(guó)礦業(yè)大學(xué);2014年

5 肖華軍;面向DSP實(shí)現(xiàn)的視頻頭肩檢測(cè)與跟蹤算法研究[D];東華大學(xué);2015年

6 章麗娜;煤分子結(jié)構(gòu)與外界環(huán)境對(duì)煤層氣生成及運(yùn)移的影響[D];太原理工大學(xué);2015年

，

本文編號(hào)：1653962