[發(fā)明專利]基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210187403.2
• 申請(qǐng)日: 2012-06-01
• 公開(kāi)（公告）號(hào): CN102700569A
• 公開(kāi)（公告）日: 2012-10-03
• 發(fā)明（設(shè)計(jì)）人: 唐超禮;黃友銳;曲立國(guó);史明;張俊卿
• 申請(qǐng)（專利權(quán)）人: 安徽理工大學(xué)
• 主分類號(hào): B61L15/00
• 分類號(hào): B61L15/00;G06T7/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)，其特征在于：所述系統(tǒng)包括視頻采集模塊、圖像處理模塊和聲光報(bào)警模塊；所述視頻采集模塊用紅外攝像儀對(duì)電機(jī)車(chē)前方的圖像進(jìn)行采集；所述圖像處理模塊包括圖像預(yù)處理、鐵軌的識(shí)別和擬合、行人的識(shí)別；所述聲光報(bào)警模塊包括聲光報(bào)警器和控制電路；所述圖像預(yù)處理采用基于遺傳算法和歸一化非完全Beta函數(shù)結(jié)合的圖像自適應(yīng)校正和基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像的二值化方法；所述鐵軌的識(shí)別和擬合采用基于遺傳算法閾值改進(jìn)的模糊邊緣檢測(cè)快速算法對(duì)鐵軌進(jìn)行識(shí)別和啟發(fā)式連接法對(duì)鐵軌進(jìn)行擬合；所述行人的識(shí)別采用基于FPGA實(shí)現(xiàn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像二值化方法檢測(cè)軌道上運(yùn)動(dòng)的行人。

2.根據(jù)權(quán)利要求1所述的基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)，其特征在于：所述視頻采集模塊采用WAT-902H2的紅外攝像儀。

3.根據(jù)權(quán)利要求1所述的基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)，其特征在于：所述圖像預(yù)處理采用基于遺傳算法和歸一化非完全Beta函數(shù)結(jié)合的圖像自適應(yīng)校正和采用基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像的二值化算法。

4.根據(jù)權(quán)利要求1所述的基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)，其特征在于：所述鐵軌的識(shí)別和擬合采用基于遺傳算法閾值改進(jìn)的模糊邊緣檢測(cè)快速算法對(duì)鐵軌進(jìn)行識(shí)別和啟發(fā)式連接法對(duì)鐵軌進(jìn)行擬合。

5.根據(jù)權(quán)利要求1所述的基于圖像處理的礦用電機(jī)車(chē)行人監(jiān)測(cè)方法及報(bào)警系統(tǒng)，其特征在于：所述行人的識(shí)別采用基于FPGA實(shí)現(xiàn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像二值化方法檢測(cè)軌道上運(yùn)動(dòng)的行人。

6.根據(jù)權(quán)利要求3所述采用基于遺傳算法和歸一化非完全Beta函數(shù)結(jié)合的圖像自適應(yīng)校正，其特征在于：利用遺傳算法針對(duì)每幅圖像自動(dòng)地找出非線性變換函數(shù)最優(yōu)的α，β值，具體處理步驟如下：

第一步：設(shè)f(x，y)表示坐標(biāo)為(x，y)的原始圖像灰度值，f′(x，y)為其處理后的灰度值，在處理前先進(jìn)行歸一化處理：

g(x，y)＝[f(x，y)-L_min]/[L_max-L_min]????(1)

第二步：利用遺傳算法編碼并產(chǎn)生初始群體，每條染色體包含兩個(gè)基因段，分別為α、β，每個(gè)個(gè)體都對(duì)應(yīng)一個(gè)非線性變換函數(shù)F(u)，0≤u≤1，用非線性變換函數(shù)對(duì)圖像灰度進(jìn)行處理：

g′(x，y)＝F[g(x，y)]????(2)

第三步：根據(jù)g′(x，y)的值可得到輸出圖像f′(x，y)；

第四步：利用圖像質(zhì)量評(píng)價(jià)函數(shù)作為遺傳算法的適應(yīng)度函數(shù)：

Fitness(i)=1nΣx=1MΣy=1nf2(x,y)-[1nΣx=1MΣy=1Nf(x,y)]2]]>

其中M，N分別為圖像的寬和高，n＝M×N，i表示某染色體，F(xiàn)itness(i)的值越大，則圖像灰度分布越均勻，圖像對(duì)比度越高，圖像質(zhì)量越好；

第五步：選擇適應(yīng)值最大的個(gè)體作為當(dāng)前代的最優(yōu)個(gè)體，對(duì)其他個(gè)體進(jìn)行更新，得到新的群體，重復(fù)上述步驟直到最終得到較優(yōu)的非線性變換函數(shù)參數(shù)α和β。