宋連玉，宋世軍，李楠楠，吳月華

塔式起重機(jī)（以下簡(jiǎn)稱塔機(jī)）的高空作業(yè)危險(xiǎn)性已經(jīng)成為社會(huì)關(guān)注的重點(diǎn)問(wèn)題，目前大部分塔機(jī)司機(jī)看不到所吊物體，需要地面指揮人員告知?jiǎng)幼鞑襟E，司機(jī)無(wú)法直觀的把握吊物的整體情況，這樣如果兩人溝通不到位，容易因?yàn)樗緳C(jī)判斷不準(zhǔn)確引起剮蹭、碰撞的事故。尤其是高層施工中，受工作面的限制，極易出現(xiàn)塔機(jī)起升過(guò)程中的連帶物體等現(xiàn)象，如果處理不當(dāng)，吊鉤或鋼絲繩掛到腳手架，極易出現(xiàn)重大事故。

市場(chǎng)上出現(xiàn)了大量吊鉤視頻產(chǎn)品，但基本都僅僅是將攝像頭引入到塔機(jī)上，把顯示器裝到司機(jī)室中，供司機(jī)查看視頻，沒有智能判斷，長(zhǎng)時(shí)間的工作容易引起司機(jī)視覺疲勞，且在背景與前景相似時(shí)容易引起司機(jī)誤判。目前，塔機(jī)視頻系統(tǒng)逐漸被業(yè)界認(rèn)可，相對(duì)于視頻傳輸技術(shù)，智能識(shí)別技術(shù)更有利于塔機(jī)安全吊裝?；诖耍疚奶峁┮环N智能識(shí)別吊物目標(biāo)的方法，能夠智能顯示出所吊物體的位置，輔助司機(jī)更精確的判斷所吊物體的情況，進(jìn)一步防止吊重在吊裝過(guò)程中的掛碰現(xiàn)象。

1 特征識(shí)別方法

本系統(tǒng)是將攝像頭裝于塔機(jī)吊鉤上，通過(guò)無(wú)線網(wǎng)橋?qū)⒁曨l傳輸?shù)窖b于塔機(jī)司機(jī)室中的顯示屏上，利用智能分析模塊，將處理后識(shí)別吊物目標(biāo)的視頻在顯示屏中顯示。相對(duì)于攝像頭而言，吊重圖像變化幅度遠(yuǎn)小于背景圖像變化幅度，識(shí)別吊物的關(guān)鍵是構(gòu)造場(chǎng)景適應(yīng)性強(qiáng)的算法。

常用的復(fù)雜背景下分割識(shí)別目標(biāo)的方法主要有幀間差分法、背景差分法和光流法。光流法計(jì)算量很大，若不借助專用硬件設(shè)備無(wú)法達(dá)到實(shí)時(shí)處理，不適合嵌入式系統(tǒng)的開發(fā)；背景差分法適用于背景變化不是很大，能有預(yù)見性的場(chǎng)景，塔機(jī)的工作面是360°，處于不斷回轉(zhuǎn)之中，此方法不適用；幀間差分法對(duì)于運(yùn)動(dòng)物體的識(shí)別更迅速，對(duì)于背景變化前景相對(duì)不動(dòng)的場(chǎng)景適應(yīng)性較差。

在此基礎(chǔ)上，本文提出了在識(shí)別背景變化而吊物目標(biāo)不變的圖像處理算法，核心是：將圖片轉(zhuǎn)化為HSV顏色模型，取H分量作為主分析元素，然后進(jìn)行二值化處理，利用幀間相與的方法尋找目標(biāo)，經(jīng)過(guò)圖像預(yù)處理后特征匹配，用最小外接矩形將識(shí)別結(jié)果標(biāo)出。

該算法實(shí)現(xiàn)的流程圖如圖1所示：

（1）前景特征確認(rèn)，重物由起鉤到吊起離地停留時(shí)，確認(rèn)前景特征；

（2）讀取圖像，間隔時(shí)間Δt讀取3幅圖像；

（3）分別將三幅圖像轉(zhuǎn)化為HSV顏色模型，取H分量；

（4）將三幅H分量圖像二值化，并做圖像預(yù)處理；

圖1 特征識(shí)別流程圖

（5）幀間與運(yùn)算，三幀圖像H分量的二值化圖像取與；

（6）特征匹配，并利用最小外接矩形將特征目標(biāo)標(biāo)注。

2 吊物目標(biāo)識(shí)別有效性驗(yàn)證

為了驗(yàn)證算法的有效性，本文以一段現(xiàn)場(chǎng)塔吊吊鉤視頻為例，詳細(xì)介紹視頻中所吊橫梁的識(shí)別過(guò)程。具體步驟如下：

（1）前景特征確認(rèn)。重物由起鉤到吊起離地停留時(shí)，利用紋理識(shí)別方法確認(rèn)前景特征，確認(rèn)目標(biāo)特征長(zhǎng)寬比閾值及面積閾值；

（2）讀取視頻圖片。間隔Δt讀取視頻截圖3張，分別記為i1、i2、i3；

（3）將彩色圖片轉(zhuǎn)換為HSV顏色模型格式；

（4）將H分量二值化，并做圖像預(yù)處理；

（5）相鄰幀間與運(yùn)算，將三幀圖像H分量取與；

（6）圖像預(yù)處理-去噪；

分別求出各個(gè)block，根據(jù)各個(gè)block面積濾除噪聲，統(tǒng)計(jì)像素為1的數(shù)量，每個(gè)block記為fi，定為背景發(fā)生變化。

其中，i為block像素序列號(hào)，［x，y］為坐標(biāo)，1≤x≤m，1≤y≤n，m、n為圖片行和列。

當(dāng)area＜k×m×n（k為變化系數(shù)，0＜k＜1）時(shí)，判斷該block為噪聲，濾除。

（7）特征匹配，進(jìn)一步根據(jù)長(zhǎng)寬比閾值定為目標(biāo)吊物；

（8）最小外接矩形將特征目標(biāo)標(biāo)注，本文利用旋轉(zhuǎn)圖像獲取最小包絡(luò)矩形的方法得到最小外接矩形，識(shí)別目標(biāo)。

3 特征目標(biāo)識(shí)別穩(wěn)定性驗(yàn)證

為了驗(yàn)證該算法的適應(yīng)性，本文選取了一段視頻，分析識(shí)別不同時(shí)間點(diǎn)及不同旋轉(zhuǎn)角度的圖片，利用上述方法步驟分析，結(jié)果顯示該算法能很好的將目標(biāo)進(jìn)行標(biāo)注，位置和大小均正確，證明該算法穩(wěn)定可行。

4 結(jié)束語(yǔ)

本文提出了一種基于圖像H分量的幀間與運(yùn)算識(shí)別吊物目標(biāo)的方法，解決了戶外大型設(shè)備工作吊物的監(jiān)控方法的關(guān)鍵問(wèn)題，這種方法能夠智能顯示出所吊物體的位置，輔助司機(jī)更精確的判斷所吊物體的情況。

司機(jī)可以直觀的把握吊物的整體情況，避免因?yàn)樗緳C(jī)誤判引起的剮蹭、碰撞或其他重大事故，提高大型設(shè)備吊物的安全性。

［1］ 宋連玉. 塔機(jī)安裝過(guò)程中特征目標(biāo)的分割識(shí)別研究［D］. 山東建筑大學(xué)，2012.

［2］ 聶海濤，龍科慧，馬軍. 采用改進(jìn)尺度不變特征變換在多變背景下實(shí)現(xiàn)快速目標(biāo)識(shí)別［J］.光學(xué)精密工程，2015（08）：239-246.

［3］ 張運(yùn)楚，宋世軍，張汝敏. 高斯混合背景模型的適應(yīng)能力研究［J］. 計(jì)算機(jī)應(yīng)用，2011（03）：126-130.

［4］ 武曉光，郭天文，沈天培. 基于分塊背景更新的目標(biāo)特征識(shí)別與跟蹤［J］. 電子技術(shù)應(yīng)用，2013（12）：148-151.