[发明专利]基于混合LBF形状回归模型的挖掘机工作状态识别方法

说明书

本发明公开了一种基于混合LBF形状回归模型的挖掘机工作状态识别方法，包括以下步骤：1）训练挖掘机的混合LBF形状回归模型，并使用此模型来预测输入视频帧中挖掘机的形状（即特征点的相对坐标的集合）；2）根据这些特征点的坐标以及检测到的挖掘机的长宽比，计算挖掘机工作状态特征描述子；3）使用SVM分类器判断当前挖掘机的工作状态——工作状态或者非工作状态。本发明提出的基于混合LBF形状回归模型的挖掘机工作状态识别方法，可对土地间的挖掘机工作状态进行准确地自动识别，为建筑工地施工现场监测提供了智能化手段。

技术领域

本发明涉及智能视频分析技术领域，更具体地，涉及一种基于混合LBF(LocalBinary Features，局部二值特征)形状回归模型的挖掘机工作状态识别方法。

背景技术

我国土地资源日益严峻，各类违法用地案件也呈多发频发态势，国土资源部高度重视土地执法监察工作。2011年，国土资源部在15个地级市、县(市、区)开展土地视频监控试点，对重点违法用地易发区域进行了视频监控。挖掘机是工程建设中最主要的工程机械之一，土地间的挖掘机工作状态的准确自动识别，是及时发现违法用地现象的重要手段。另外，挖掘机工作状态的自动识别，可为工程项目管理人员及时提供施工现场的重要管理信息。

对于挖掘机工作状态监控，中国专利公开了“一种挖掘机工作状态远程监控装置”(专利公开号：CN201716836U)，提供了一种使用角速度传感器监控挖掘机工作状态的远程监控装置；“一种基于图像的露天矿挖掘机装车过程的监控方法和装置”(专利公开号：CN102244771B)，利用DSP对接收到的数字图像信息和角度测量信息进行对比、匹配处理和计算，得出相应的监控结果。这些专利均需利用角速度传感器采集挖掘机关键的角度，不仅要增加挖掘机硬件装置，而且在违法用地监控等应用中由于施工者逃避监测难以获取挖掘机角速度传感器的信息。因此，提供一种利用智能视频分析自动识别挖掘机工作状态的方法是非常有必要的。

近年，LBF形状回归模型在人脸关键点检测、人脸对齐中越来越显现出其优越性。如，一种基于LBP的人脸特征提取方法及装置(CN 103761515A)，一种鲁棒的基于人脸形状回归模型的多姿态疲劳监测方法(CN104298963A)、一种基于级联回归的人脸关键点定位方法(CN103824050A)。而LBF形状回归模型在其它目标对象特征点检测的研究目前极少。

发明内容

本发明的目的在于提出一种基于混合LBF形状回归模型的挖掘机工作状态识别方法。本发明是利用混合LBF形状回归模型预测挖掘机形状(即特征点的相对坐标的集合)，计算挖掘机工作状态特征描述子，用SVM分类器进行二分类，从而判断出当前挖掘机的工作状态——工作状态或者非工作状态。

为了实现上述目的，本发明的技术方案为：

一种基于混合LBF形状回归模型的挖掘机工作状态识别方法，包括以下步骤：

S1.训练一个混合LBF形状回归模型，并使用此模型来预测输入视频帧中挖掘机的形状(即特征点的相对坐标的集合)；

S2.根据挖掘机的长宽比及S1获得的特征点坐标，计算挖掘机工作状态特征描述子；

S3.利用SVM分类器识别挖掘机的工作状态——工作状态或者非工作状态。

本发明将LBF形状回归模型引入挖掘机特征点检测中，进而提出基于混合LBF形状回归模型的挖掘机工作状态识别方法，对提高挖掘机等施工机械智能化监管水平意义重大。

优选地，所述步骤S1具体为：1)计算该挖掘机的长宽比，根据长宽比把挖掘机分为N类，将该挖掘机归一化到该类挖掘机对应的尺寸SIZE；2)分别针对每一类挖掘机训练相应的LBF_n(n＝1,2,…，N)模型，形成混合LBF形状回归模型；3)使用该混合LBF模型，对输入视频中的挖掘机进行形状S*预测。