本文選題：檢測(cè) + 跟蹤��； 參考：《西安科技大學(xué)》2015年碩士論文

【摘要】：安全生產(chǎn)是煤礦安全的一個(gè)永恒話題,其中安全運(yùn)輸是安全生產(chǎn)中的一個(gè)重要組成部分。目前,國(guó)內(nèi)煤礦井下都安裝了視頻設(shè)備,但如何充分利用這些設(shè)備提高井下機(jī)車撞人等軌道事故的預(yù)防能力有待進(jìn)一步研究,因此,本文研究基于視頻監(jiān)控的井下運(yùn)動(dòng)目標(biāo)跟蹤及預(yù)警方法,對(duì)于提高煤礦井下軌道事故的預(yù)防能力及煤礦安全生產(chǎn)具有重要意義。首先,針對(duì)井下軌道上的運(yùn)動(dòng)目標(biāo)的檢測(cè)與識(shí)別問題,對(duì)井下視頻圖像進(jìn)行預(yù)處理,采用背景減除法和幀差分法相結(jié)合的方法,檢測(cè)出井下軌道上的運(yùn)動(dòng)目標(biāo)。在此基礎(chǔ)上將目標(biāo)形狀特征和紋理特征相結(jié)合,采用基于特征匹配方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行識(shí)別。其次,針對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤問題,提出基于粒子濾波的井下多運(yùn)動(dòng)目標(biāo)跟蹤算法。在建立并初始化多目標(biāo)跟蹤列表的基礎(chǔ)上,通過狀態(tài)轉(zhuǎn)移方程更新目標(biāo)狀態(tài),計(jì)算并歸一化每個(gè)粒子權(quán)值,利用目標(biāo)狀態(tài)方程估計(jì)輸出跟蹤目標(biāo)的位置。該方法可有效克服前景目標(biāo)與背景灰度相似、目標(biāo)遮擋等情況的影響,具有較高的準(zhǔn)確率。最后,針對(duì)運(yùn)動(dòng)目標(biāo)的預(yù)警問題,提出基于時(shí)間安全模型的井下預(yù)警算法。該算法首先監(jiān)測(cè)運(yùn)動(dòng)目標(biāo)的速度及方向,然后依據(jù)運(yùn)動(dòng)目標(biāo)之間不同的狀態(tài),計(jì)算出人與機(jī)車和人與軌道之間的歐式距離。將獲得的距離與基于時(shí)間安全預(yù)警模型計(jì)算所得的安全警戒值進(jìn)行比較,判斷是否存在安全隱患,制定安全預(yù)警決策。實(shí)驗(yàn)結(jié)果表明,本文所提井下運(yùn)動(dòng)目標(biāo)跟蹤及預(yù)警方法利用視覺計(jì)算理論,可自動(dòng)檢測(cè)、識(shí)別和跟蹤軌道上的運(yùn)動(dòng)目標(biāo),并能夠有效監(jiān)測(cè)目標(biāo)之間的距離,做出預(yù)警提示,可提升煤礦行業(yè)信息化和智能化水平,為保證煤礦的安全生產(chǎn)提供新的技術(shù)手段。
[Abstract]:Safety production is an eternal topic of coal mine safety, in which safe transportation is an important part of safe production. At present, video equipment is installed in the underground coal mine in China, but how to make full use of these equipments to improve the ability of preventing railway accidents, such as locomotive collision, etc., needs further study. In this paper, the tracking and early warning method of moving targets based on video surveillance is studied, which is of great significance to improve the prevention ability of underground rail accidents and the safety of coal mine production. Firstly, aiming at the problem of detection and recognition of moving target on underground track, the video image is preprocessed and the moving target on underground track is detected by combining background subtraction and frame difference method. On the basis of this, the shape feature and texture feature of the target are combined, and the feature matching method is used to recognize the moving target. Secondly, aiming at the problem of moving target tracking, a multi-moving target tracking algorithm based on particle filter is proposed. On the basis of establishing and initializing the multi-target tracking list, the target state is updated by the state transfer equation, each particle weight is calculated and normalized, and the position of the output tracking target is estimated by the target state equation. This method can effectively overcome the influence of foreground target and background gray level, target occlusion and so on, and has high accuracy. Finally, a downhole early warning algorithm based on time safety model is proposed for the early warning of moving targets. The algorithm firstly monitors the velocity and direction of moving targets, and then calculates the Euclidean distance between human and locomotive and man and track according to the different states of moving targets. The distance obtained is compared with the security warning value calculated based on the time security early warning model to judge whether there is a potential safety hazard or not and to make a safety early warning decision. The experimental results show that the method proposed in this paper can automatically detect, identify and track moving targets on track by using visual computing theory, and can effectively monitor the distance between targets and make warning. It can improve the level of information and intelligence of coal mine industry and provide new technical means to ensure the safety of coal mine production.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD76;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 倪麒;尹崗;;基于背景差分法和CAMShift法的運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];工礦自動(dòng)化;2010年12期

2 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 查宇飛;張育;畢篤彥;;一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 單穎;張菁;郭茂祖;;基于視頻序列的運(yùn)動(dòng)目標(biāo)跟蹤方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 王景中;劉凱;;基于圖像灰度特征的運(yùn)動(dòng)目標(biāo)跟蹤實(shí)現(xiàn)[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

4 龔偉;史元春;陳孝杰;;基于雙攝像機(jī)的平面運(yùn)動(dòng)目標(biāo)跟蹤[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

5 蘇迎婭;趙清杰;郭偉;王博;;基于視覺顯著性的突變運(yùn)動(dòng)目標(biāo)跟蹤[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前6條

1 仝小敏;航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];西北工業(yè)大學(xué);2015年

2 程帥;復(fù)雜條件下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究[D];長(zhǎng)春理工大學(xué);2016年

3 牛長(zhǎng)鋒;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)跟蹤的研究[D];北京理工大學(xué);2010年

4 文志強(qiáng);基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[D];中南大學(xué);2008年

5 陳愛斌;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];中南大學(xué);2010年

6 王得軍;視頻中運(yùn)動(dòng)目標(biāo)跟蹤的關(guān)鍵算法研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 呂恒利;基于SIFT與粒子濾波結(jié)合的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];昆明理工大學(xué);2015年

2 潘邈;多攝像機(jī)下運(yùn)動(dòng)目標(biāo)跟蹤關(guān)聯(lián)的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 張林;多攝像機(jī)環(huán)境下的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2014年

4 張雨田;雙視場(chǎng)運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)研究[D];華東師范大學(xué);2015年

5 李超;快速運(yùn)動(dòng)目標(biāo)跟蹤測(cè)量技術(shù)研究[D];西安工業(yè)大學(xué);2014年

6 李朝龍;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];電子科技大學(xué);2014年

7 閻梅;眼鏡蛇偵察攻擊系統(tǒng)中運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2014年

8 黃井強(qiáng);機(jī)載視頻運(yùn)動(dòng)目標(biāo)跟蹤研究[D];合肥工業(yè)大學(xué);2014年

9 翟明;基于特征匹配與卡爾曼預(yù)測(cè)的多目標(biāo)跟蹤算法研究[D];東北大學(xué);2014年

10 高雅;視頻監(jiān)控中遮擋條件下多運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];東北大學(xué);2014年

，

本文編號(hào)：2001347