視頻檢測(cè)與識(shí)別技術(shù)在列檢人員安全監(jiān)測(cè)中的應(yīng)用研究.pdf

1、列檢作業(yè)現(xiàn)場(chǎng)作業(yè)環(huán)境較為復(fù)雜，作業(yè)人員繁多，容易出現(xiàn)作業(yè)人員侵線作業(yè)、跨線作業(yè)和爬車過(guò)軌作業(yè)，確保列檢作業(yè)現(xiàn)場(chǎng)作業(yè)人員的安全顯得尤為重要。列檢作業(yè)現(xiàn)場(chǎng)既有的視頻監(jiān)控系統(tǒng)是確保作業(yè)人員進(jìn)行安全作業(yè)的重要手段，這些既有的視頻監(jiān)控系統(tǒng)不具有自動(dòng)監(jiān)測(cè)的功能。
　　視頻檢測(cè)和識(shí)別技術(shù)給各類視頻監(jiān)控系統(tǒng)帶來(lái)了前所未有的發(fā)展，將這兩項(xiàng)技術(shù)應(yīng)用到列檢作業(yè)人員的安全監(jiān)測(cè)中具有重要的現(xiàn)實(shí)意義，可對(duì)列檢場(chǎng)作業(yè)人員進(jìn)行危險(xiǎn)提前預(yù)警。
　　在分析幾種

2、運(yùn)動(dòng)目標(biāo)檢測(cè)算法的基礎(chǔ)上，針對(duì)列檢作業(yè)現(xiàn)場(chǎng)環(huán)境的復(fù)雜多變，采用了一種基于GMM(Gaussian Mixture Model,混合高斯模型)背景建模和C-均值聚類的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。GMM對(duì)圖像進(jìn)行的背景建?？梢院芎玫倪m應(yīng)外界環(huán)境的變化，在對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行聚類之前，提取的二值化區(qū)域已比較接近真實(shí)的情況，然后再用C-均值聚類算法對(duì)二值化圖像中的二值區(qū)域進(jìn)行分類，從而可以更加精確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。通過(guò)實(shí)驗(yàn)分析說(shuō)明該方法在聚類值選取合適

3、的情況下，運(yùn)動(dòng)目標(biāo)的檢測(cè)可以得到不錯(cuò)的效果。
　　在運(yùn)動(dòng)目標(biāo)檢測(cè)完成之后，用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)檢測(cè)出的二值化運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行分類，選取人體區(qū)域的形狀特征作為神經(jīng)網(wǎng)絡(luò)的輸入，輸出為人或是非人兩種情況。將正、負(fù)樣本圖像的分類特征輸入到神經(jīng)網(wǎng)絡(luò)中，以完成網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)，訓(xùn)練和學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)可以實(shí)時(shí)的對(duì)采集到的現(xiàn)場(chǎng)圖像進(jìn)行識(shí)別。
　　將視頻檢測(cè)和識(shí)別這兩項(xiàng)技術(shù)應(yīng)用于實(shí)際已有的視頻監(jiān)控系統(tǒng)中，實(shí)現(xiàn)一種基于視頻檢測(cè)和識(shí)別技術(shù)的列檢作業(yè)