[发明专利]一种基于机器视觉的实验室危险品安全隐患自动监测方法

说明书

本发明提出了一种基于机器视觉的实验室物内危险品安全隐患自动监测、识别和预警方法，用于安全隐患排查和整改方法。该方法通过对获取的图像进行物品外观特征提取，再利用物品库训练好的模型去判断该物品是否为危险品。若判断物品为危险品，再通过推理机和状态库一一匹配得出危险品是否具有安全隐患。如果有安全隐患则检索安全库得出安全条款号，人为识别以上判断是否正确，如果正确则下令整改，整改期间，持续监测。如果判断为误，则将本次物品摆放图像数据上传到物品库进行自学习。本发明具有实时，广域，高效，准确的优点。

技术领域

本发明属于安全工程学科所涉实验室安全技术领域，具体涉及利用机器视觉、图像处理、模式识别和专家系统技术，自动监测和识别实验室内危险品的安全隐患的方法。

背景技术

实验室内危险品存放的安全隐患本质上属于物的不安全状态。传统上，安全隐患依靠专业人员在现场或通过远端视频进行识别和监控。专业人员的识别能力取决于其经验积累和能力水平，且难以做到全时、实时、广域、准确和高效。

发明内容

本发明的目的在于提供一种基于机器视觉的实验室内危险品安全隐患自动监测、识别和预警方法，用于安全隐患排查和整改方法。

本发明的步骤如下：

步骤1：建立安全检查标准数据库和两个目标特征知识图库。两个目标特征知识图库分别为标准库和状态库。标准库中含有实验室内危险品的图像；状态库内含有实验室内物品处于不安全状态的图像。

步骤2：采集室内物品的视频流图像，并提取关键帧图像。

步骤3：对关键帧图像进行图像预处理。

步骤4：建立图像识别的算法模型，对关键帧图像进行特征提取，获取关键帧图像内各物品的特征参数；特征参数包括形状、姿态和位置。

步骤5：将经过特征参数提取的各关键帧图像内的物品图像与标准库内的图像进行搜索和比对；根据物品图像的形状，判断关键帧图像中的各物品是否为危险品。

步骤6：将经过特征参数提取的各关键帧图像内的物品图像与状态库内的图像进行搜索和比对；根据物品图像中物品的位置和姿态，判断关键帧图像中的各物品放置的位置或姿态是否处于不安全状态。

步骤7：识别出危险品的安全隐患后，在安全检查标准数据库中检索与安全隐患相对应的不安全项条款号，并输出安全检查标准数据库中记载的安全隐患的内容描述。安全隐患包括实验室中存在不能出现的危险品和实验室中有物品处于不安全状态。

作为优选，所述的安全检查标准数据库内含有经过编号的多个安全不符合项的描述。状态库内的各典型危险品安全隐患的图像与安全检查标准数据库中的安全不符合项条款号及相关内容描述相对应。

作为优选，步骤2中采集室内物品的视频流图像的图像传感器采用电荷耦合元件。

作为优选，所述的视频流图像中，每间隔n帧获取一张关键帧图像；

作为优选，步骤3中的图像预处理包括图像增强、图像分割处理。

作为优选，步骤4中，所述的特征参数还包括颜色信息；步骤五中，物品的形状和颜色共同作为判断依据，判断关键帧图像中的各物品是否为危险品。

作为优选，步骤4中共建立三个算法模型；三个算法模型分别为形状识别算法、颜色识别算法和位置识别算法。形状识别算法，用以对各关键帧图像中各个物体的形状、姿态进行识别；颜色识别算法，用以对各关键帧图像中各个物体的颜色特征参数进行提取。位置识别算法，用以对各关键帧图像中各个物体与环境的相对位置进行识别。

作为优选，所述的形状识别算法采用边界特征法和傅里叶形状描述法；颜色识别算法采用颜色直方图、颜色集、颜色矩或颜色聚合向量算法。位置识别算法采用目标检测算法。