焦?fàn)t機(jī)車智能監(jiān)控系統(tǒng)關(guān)鍵算法的研究.pdf

1、在現(xiàn)有的焦?fàn)t機(jī)車自動(dòng)控制系統(tǒng)中，高粉塵、電磁干擾、車身震蕩等現(xiàn)場(chǎng)因素使得目前的定位技術(shù)如無(wú)線傳感、紅外激光對(duì)射、旋轉(zhuǎn)編碼器等未能達(dá)到預(yù)想的效果，焦化行業(yè)的發(fā)展依然受到人工操作的低效性和不可靠性、惡劣生產(chǎn)環(huán)境等因素制約。隨著機(jī)器視覺技術(shù)和嵌入式技術(shù)的逐步成熟，在焦?fàn)t機(jī)車無(wú)人化操作的市場(chǎng)趨勢(shì)下，研究焦?fàn)t機(jī)車智能監(jiān)控系統(tǒng)中的關(guān)鍵算法有著重要的現(xiàn)實(shí)意義。
　　本文以嵌入式的機(jī)器視覺技術(shù)在焦?fàn)t自動(dòng)化的應(yīng)用為背景，現(xiàn)場(chǎng)調(diào)查并分析了焦?fàn)t機(jī)車智能

2、監(jiān)控系統(tǒng)的具體需求，并采集了大量的圖像和視頻信息作為實(shí)驗(yàn)樣本，由此開展了焦?fàn)t爐號(hào)識(shí)別和爐門前的運(yùn)動(dòng)人體目標(biāo)檢測(cè)算法的研究。在焦?fàn)t爐號(hào)識(shí)別算法中，本文首先采用Sobel邊緣檢測(cè)的方法進(jìn)行爐號(hào)定位，并且在傳統(tǒng)Sobel算子的基礎(chǔ)上增加了兩個(gè)方向模板，選取四個(gè)梯度幅度值的平均值作為像素點(diǎn)的新灰度值;其次，得到精確的邊緣信息后將爐號(hào)圖像二值化，并采用垂直投影法實(shí)現(xiàn)爐號(hào)單個(gè)字符的分割，同時(shí)根據(jù)爐號(hào)圖像的特征提出了校驗(yàn)機(jī)制來(lái)提高算法的可靠性;最后，

3、設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)分類器來(lái)實(shí)現(xiàn)爐號(hào)單個(gè)字符的識(shí)別，并針對(duì)正常、多灰塵、煙霧、光照變化等各種情景選用大量的現(xiàn)場(chǎng)圖像對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測(cè)試，并且達(dá)到了指定的誤差0.01的標(biāo)準(zhǔn)。在爐門前的運(yùn)動(dòng)人體目標(biāo)檢測(cè)算法中，本文采用分塊建模的思想將圖像進(jìn)行非均勻的分塊處理，針對(duì)圖像小塊建立混合高斯模型，并且在背景減除法的基礎(chǔ)結(jié)合幀間差分法，利用連續(xù)三幀圖像差值的平均值來(lái)評(píng)估光線等環(huán)境的變化，彌補(bǔ)了背景減除法對(duì)光線變化敏感的不足，同時(shí)引入背景記憶參數(shù)提出了