论文部分内容阅读
视频监控是安全防范的重要手段,近年来视频监控技术在矿井生产中得到广泛应用,为煤矿安全生产提供技术上的支持和保证。目前我国矿井下的视频监控系统主要以人工监视为主,经常出现人为的错漏现象。随着计算机视觉技术的发展,煤矿智能视频监控将取代人工监控的方式实现对异常状态的实时自动监测。带式输送机作为矿井生产中应用最多的运输设备,在长时间高强度运转下极易出现各种故障,也是煤矿井下视频监控的重点。本文研究了基于视觉技术的矿井下带式输送机异常状态监测方法,以实现带式输送机的智能监控,具体研究内容如下:首先,为解决煤矿井下视频监控系统采集到的图像对比度低、光照不均且伴有大量噪声等视觉效果差的问题,给出了一种基于加权引导滤波同步去噪的单尺度Retinex算法实现煤矿井下图像增强。利用加权引导滤波代替单尺度Retinex算法的高斯滤波对图像的低频分量进行照度估计,再经对数域转换到实数域得到反射图像,最后利用带有保边去噪功能的加权引导滤波对图像的高频分量进行去噪处理得到增强后的图像。然后针对带式输送机的输送带跑偏故障,给出了一种基于计算机视觉的输送带跑偏监测方法。首先将视频监控中采集到的视频图像设置感兴趣区域(Region Of Interest,ROI)以减少计算量,同时对ROI进行图像预处理。然后采用改进的Canny边缘检测算法得到ROI边缘二值图像,利用累计概率霍夫变换(PPHT)提取输送带边缘直线特征,最后根据所得直线特征来判断输送带是否跑偏。最后针对带式输送机在运送物料过程中的打滑故障,给出了一种基于OpenCV的带式输送机打滑检测方法。首先利用背景差分法和连通区域标记法检测出输送带上的多个运动目标,其次使用最小外接矩形获得目标的宽高比,结合基于质心特征的轨迹跟踪方法获得多个运动目标的位移及对应的时间间隔,最后利用速度公式获得输送带的运行速度,从而判断是否存在打滑故障。在经过了大量实验并对实验数据进行全面分析后,实验结果表明本文提出的基于视觉技术的矿井下带式输送机异常状态监测方法可以实现对跑偏和打滑故障的自动监测,对提高我国煤矿安全生产监控信息化水平具有重要意义。