宋世軍,宋連玉,王思合,劉樹剛

(1.山東建筑大學 機電工程學院,濟南 250101; 2.山東富友慧明測控設(shè)備有限公司;濟南 250101; 3.濟南熱力集團有限公司,濟南 250100)

塔機因高空作業(yè)的高危險性已經(jīng)成為社會關(guān)注的問題,引起了政府的重視,多次發(fā)文強調(diào)加強管理.在眾多塔機安全事故中,發(fā)生在安裝拆卸過程中的事故概率接近50%,目前該環(huán)節(jié)主要靠人員配合、人眼觀察,當疲勞作業(yè)導(dǎo)致工人注意力不集中時容易引起事故.頂升是安裝拆卸工作中最頻繁的過程,故設(shè)計研發(fā)一種解決塔機頂升安全性的方法勢在必行[1].

目前絕大多數(shù)的塔機安裝過程缺乏監(jiān)視、記錄以及違規(guī)操作的警示和反饋功能,致使自覺或不自覺的違規(guī)操作情況時有發(fā)生.有些操作人員在聯(lián)接螺栓、安全銷軸不到位時就進行下一步動作,致使塔機安裝工作危險性進一步提高,所以塔機安裝安全監(jiān)控系統(tǒng)對螺栓、銷軸等特征目標判斷提出了更高的要求.安全監(jiān)控系統(tǒng)里面的關(guān)鍵部分是從復(fù)雜多變的背景中分割識別出螺栓、銷軸及踏步等特征目標的狀態(tài).而塔機頂升過程中特征目標的各狀態(tài)停留時間較短,這就對分割識別目標算法的運行時間提出了更高的要求.

1 特征識別流程

在常用的復(fù)雜背景下，分割識別目標的方法主要有幀間差分法、背景差分法和光流法[2].光流法計算量很大,若不借助專用硬件設(shè)備無法達到實時處理,不適合嵌入式系統(tǒng)的開發(fā)[3].背景差分法對于背景變化不是很大的場景適用性更強,幀間差分法對于運動物體的識別更迅速[4].本文的研究對象是塔機安裝、拆卸過程中的螺栓、銷軸檢測,既有全景變化過程也有前景變化過程.基于此,本文提出將背景差分法與三幀差分法相結(jié)合的方法.首先將三幀差分法用于頂升過程識別背景是否運動,當識別出背景不動后,再將背景差分法用于前景特征目標的識別.

本文提出的目標識別算法核心:利用三幀差分法識別出背景不動的時刻,在背景不動的情況下，進一步利用背景差分法識別出特征目標.三幀差分法識別背景流程如圖1所示.

圖1 三幀差分法識別背景流程圖Fig.1 Three-frame difference method of identificationbackground flow chart

三幀差分法具體步驟如下:

(1) 讀取圖像,間隔時間Δt讀取待判斷的3幅圖像,并做灰度處理、二值化處理、去噪等基礎(chǔ)操作;

(2) 三幀差分,將3幅背景圖像做三幀差分;

(3) 數(shù)學形態(tài)學處理,將差分圖像進行膨脹、腐蝕、開、閉操作等數(shù)學形態(tài)學處理;

(4) 判斷背景是否變動,并輸出判斷結(jié)果.本文利用面積法,統(tǒng)計像素為1的數(shù)量,當該數(shù)量大于總面積的k倍時,定為背景發(fā)生變化,具體為

式中:i,j為像素坐標,1≤i≤m,1≤j≤n,m,n為圖片行和列.當area>k×m×n(k為變化系數(shù),0

背景差分法判斷特征目標具體步驟如圖2所示.

圖2 特征識別流程圖Fig.2 Feature recognition flow chart

在利用上述圖1中算法得到背景不動的信號后,再利用圖2背景差分法進一步識別特征目標是否存在,具體算法如下:

(1) 讀取背景圖像,建立背景模型;

(2) 讀取待判斷的圖像,并利用數(shù)學形態(tài)學做預(yù)處理;

(3) 背景差分,并將背景差分圖像進行膨脹、腐蝕、開、閉操作等處理;

(4) 特征識別,并輸出分析結(jié)果.

2 背景識別方法實例

為了提高算法的運算速度,本文利用三幀差分法輔助判斷背景是否運動,當識別結(jié)果為背景不動,僅有前景變化時定為再進行前景目標識別.

2.1 背景變化識別案例

(1) 讀取背景變化原始圖像,間隔時間Δt,讀取頂升過程中的三幀原始圖像i1,i2,i3,如圖3所示;

(2) 將原始圖像轉(zhuǎn)換為灰度圖像,如圖4所示;

(3) 二值化處理，為了快速地識別變化的背景,將圖片分成左、中、右3部分分別處理,用最大類間法計算出二值化處理的閾值,然后將灰度圖像二值化,如圖5所示;

圖3 背景變化原始圖像Fig.3 Background variation original image

圖4 背景變化原始圖像的灰度圖像Fig.4 Gray image of background variation original image

圖5 背景變化二值化圖像Fig.5 Binary image of background change image

(4) 三幀差分,分別將左半部分、右半部分進行三幀差分,并進行數(shù)學形態(tài)學處理，結(jié)果如圖6所示;

(5) 判斷背景是否運動,sumb=2 058>k×200×200,本處k取值1/30,判斷背景發(fā)生變化.

2.2 背景不變識別案例

(1) 讀取背景變化原始圖像,間隔時間Δt,讀取頂升過程中的三幀原始圖像i1,i2,i3,如圖7所示;

圖7 背景不變原始圖像Fig.7 Original image of background invariant image

(2) 將原始圖像轉(zhuǎn)換為灰度圖像,如圖8所示;

圖8 背景不變原始圖像灰度圖Fig.8 Gray image of backgroundinvariant original image

(3) 二值化處理，為了最高精確度地識別變化的背景,本文將圖片分成左、中、右3部分分別處理,用最大類間法計算出二值化處理的閾值,然后將灰度圖像二值化，如圖9所示;

圖9 背景不變二值化圖像Fig.9 Binary image of backgroundinvariant original image

(4) 三幀差分,分別將左半部分、右半部分進行三幀差分,并進行數(shù)學形態(tài)學處理，結(jié)果如圖10所示;

圖10 背景不變?nèi)龓罘纸Y(jié)果圖Fig.10 Background invariant three-framedifferential result diagram

(5) 判斷背景是否運動,sumb=2 416

3 特征目標識別方法實例

當收到背景不變的信號以后,系統(tǒng)啟動特征識別程序,自動以當前時間點前3 s的連續(xù)3副圖像進行背景建模,讀取當前圖像進行背景減法,具體步驟如下:

(1) 自收到背景不變信號后,間隔時間Δt讀取圖像頂升過程中的當前時刻前t1時間段的三幀圖像i1,i2,i3,如圖11所示;

圖11 背景差分背景建模所用原始影像Fig.11 Original image for background differentialbackground modeling

(2) 將原始圖像轉(zhuǎn)換為灰度圖像,并進行背景建模,如圖12所示;

圖12 背景差分背景建模圖像Fig.12 Background modeling image ofbackground differential

(3) 讀取前景圖片,如圖13所示;

圖13 背景差分前景原始圖片F(xiàn)ig.13 Foreground original image ofbackground differential

(4) 背景差分,并進行數(shù)學形態(tài)學處理，結(jié)果如圖14所示;

圖14 背景差分處理結(jié)果圖Fig.14 Processing result diagram ofbackground difference

(5) 判斷是否有特征目標,sumb=797>k×300×100,本處k取值1/50,判斷有特征目標,證明該方法行之有效.

4 結(jié)語

本文提出了一種解決塔機頂升過程中特征目標的識別方法,利用三幀差分法判斷背景與利用背景差分法判斷前景相結(jié)合的方法,很好地解決了背景復(fù)雜多變的塔機應(yīng)用環(huán)境；解決了塔機的頂升過程中智能監(jiān)控的特征識別的關(guān)鍵問題,降低了本環(huán)節(jié)對人員對依賴性,降低了勞動人員的勞動強度,降低了塔機安裝工作的危險性；避免因疲勞作業(yè)導(dǎo)致工人注意力不集中引起的頂升事故,提高了塔機頂升加節(jié)環(huán)節(jié)的安全性.

參考文獻:

[1] 宋連玉.塔機安裝過程中特征目標的分割識別研究[D].濟南:山東建筑大學,2012.

SONG L Y.Research on feature target segmentation and recognition in tower crane installation[D].Ji’nan:Shandong Jianzhu University,2012.

[2] 徐蔚鴻,嚴金果.基于改進的背景差分的運動目標實時檢測算法[J].計算機工程與科學,2014,36(7):1352-1356.

XU W H,YAN J G.Real-time detection algorithm of moving target based on improved background difference[J].Computer Engineering and Science,2014,36(7):1352-1356.

[3] 趙志宏,田緒紅,高月芳.復(fù)雜場景下的實時運動目標檢測[J].小型微型計算機系統(tǒng),2013(4):229-234.

ZHAO Z H,TIAN X H,GAO Y F.Real-time moving target detection in complex scene[J].Minicomputer System,2013(4):229-234.

[4] 張家葉子,呂游.復(fù)雜背景下運動目標的改進實時檢測算法[J],測控技術(shù),2017,36(6):37-41.

ZHANG J Y Z,Lü Y.An improved real-time detection algorithm for moving objects in complex background[J].Measurement and Control Technology,2017,36(6):37-41.