[发明专利]一种基于视频的矿产含量监测系统

权利要求书

1.一种基于视频矿产含量监测系统，其特征在于，包括： 

对原始视频中的目标帧图像进行背景建模，得到背景图像； 

利用所述背景图像提取出所述目标帧图像中的运动目标人和矿车； 

将图像分割得到矿车图片； 

利用SVM训练出的分类标准对矿车图片中的含矿量进行分类。 

2.根据权利要求1所述的基于视频矿产含量监测系统，其特征在于，对原始视频中的目标帧的图像进行背景提取包括： 

使用混合高斯背景算法对所述目标帧的图像进行计算，得到所述目标帧图像的混合高斯模型。 

3.根据权利要求1所述的基于视频矿产监测系统，其特征在于，提取出前景图像。 

4.根据权利要求1所述的基于视频矿产含量监测系统，其特征在于，将图像分割得到矿车包括：检测图像中的目标轮廓，遍历外接矩形，根据经验值判断出人所在的矩形区域和矿车所在的矩形区域，进一步对图像进行分割，得到矿车图。 

5.根据权利要求4所述的基于视频矿产含量监测系统，其特征在于，利用SVM训练出的分类标准包括： 

首先对大量的矿产含量各异的矿车图片，这些图片尺度一致即大小一致均为128×128，方向一致即矿车在每幅图片中的位置一致，进行训练，计算出图形四个方向的灰度共生矩。计算出6个典型的特征参数，每一个取四个灰度共生矩阵的平均值，构成特征向量为了降低维数以便之后的流程很好的完成，我们用SVM训练出4个分类效果最好的特征参数，用这4个特征参数构成特征向量V1。 

其中灰度共生矩阵为(记为P阵)是统计空间上具有某种位置关系的一对像元灰度对出现的频度.其实质是从图像灰度为i的像元(位置为x，y)出发，统计与其距离为d，灰度为j的像元(x+Dx，y+Dy)同时出现的频度P(i，j，d，θ). 

数学表达式为： 

P(i，j，d，θ)＝{[(x，y)，(x+Dx，y+Dy)|f(x，y)＝i；f(x+Dx，y+Dy)＝j]}.生成的灰度共生矩阵可以很好刻画图图像的纹理特征。 

式中：x，y＝0，1，2，...，N-1是图像的像元坐标；i，j＝0，1，...L-1是灰度级；Dx，Dy是位置偏移量.d为W阵的生成步长；θ为W阵的生成方向，取0°、45°、90°、135°这4个方向. 

按照上述公式，按照经验值取d＝4，每一副图像均生成四个灰度共生矩阵。 

常用的特征参数有： 

角二阶矩： 

熵：

均等性： 

不相似性： 

对比度： 

相关性：

其中：

6.根据权利要求4所述的基于视频矿产含量监测系统，其特征在于，利用SVM训练出的分类标准对矿车图片中的含矿量进行分类包括： 

首先为了最大限度的降低干扰提高对矿车含量的判别效率，要对分割出的矿车图片进行预处理，预处理流程包括：(1)对分割出的图像进行灰化处理；(2)找见包含矿车的最大外接矩形，并分割出该矩形；(3)规范矿车图片的大小到128×128； 

其次由于的到的矿车图片主方向不一致，所以要对预处理得到的的图像进一步分割以使得得到的特征向量尽可能不受方向的限制。分割流程为：提出偶数行奇数列得到大小为64×64的图片A₁以及奇数行偶数列得到大小为64×64的图片A₂；再对P₁继续分割得到大小为32×32B₁和B_2，对P₂继续分割得到大小为32×32B₃和B₄；再进行三次分解得到C₁、C₂、C₃、C₄，C₅，C₆，C₇，C₈，大小分别为16×16，对这八副图像分别计算出其灰度共生矩阵，再提取出训练好的8个特征参数，排列到一起得到32维的特征向量，再用SVM 进行分类，得出所属类别，含矿量无，较少，或者较多。