[发明专利]基于视频图像序列特征提取的燃煤工况识别方法

说明书

本发明公开一种基于视频序列特征提取的燃煤工况识别方法，包括实验数据准备、纹理特征提取、结构特征提取、纹理和结构算子相融合、分类器进行工况识别五个步骤，具体的，提取燃煤火焰的视频数据，并对其工况进行标记；以局部二值模式为基本算子，构建视频序列的二值局部模式算子；基于相位一致性构建了一个三维的特征算子HOPC‑TOP来描述火焰的结构和形状变化；将纹理特征3DBLBP_L和结构特征HOPC‑TOP串联成一个直方图；选取合适的模式分类器，输入训练集特征对数据进行训练。本发明能够对工况进行动态识别，识别过程简单、鲁棒性好。

技术领域

本发明属于视频图像特征提取和模式识别技术领域，涉及一种基于视频图像序列特征提取的燃煤工况识别方法。

背景技术

回转窑在冶金、化工、水泥等重要的化工业领域中有着广泛的应用。工业铝有质量轻、表层有保护膜耐腐蚀性、导热性强的特点，在新能源汽车、城市地铁轻轨、高铁列车、轮船、民用大飞机等方面市场需求很大。但我国回转窑炼铝与其他工业发达国家相比还有很大差距，提高能源利用率，降低废气污水的排放，维持国民经济的可持续发展在工业生产中具有重要的意义。

回转窑体积大，结构复杂，通常将温度作为窑内工况识别的关键指标。正常温度下的产品合格率高，能够有效利用能源，温度过高能源消耗大，产品溶出率低，还容易损坏幺体；温度过低，窑内物料燃烧不充分，合格率低。只有合适的烧结温度，窑内物料才能够充分燃烧，熟料合格率高，能够有效的利用能源。传统的物理测量法，如热电偶、高温计、红外传感等，由于只能在单点或小面积的设备上进行检测，无法提供足够的温度测量。而回转窑中，燃烧区的位置是不固定的，随着物料的运动而变化。因此，物理装置测得的温度不能准确反映实际情况。火焰图像和视频可以提供足够的条件信息。在大多数工业领域，通过闭路电视系统对火焰进行监控是判断燃烧状态和监测燃烧过程的常用方法。但这种“人工看火”的方法，既依靠看火工的经验，也受主观因素的影响。近年来，基于图像处理进行工况识别的技术取得了很大的进步。研究人员开发了一系列的图像分割方法，将燃烧区域内的火焰图像分割成多个感兴趣区域(ROI)，如火焰区域、材料区域等，提取感兴趣区域的统计特征(如强度、形状和纹理)进行工况识别。然而基于图像分割的方法严重依赖于分割结果，分割不准确会导致特征不准确，识别性能差。而在大多数煤燃料领域，由于现场存在粉尘颗粒，以及窑内燃烧化学反应产生轻微爆炸，使得工业级相机拍摄到的图像通常很模糊，很难对获取的火焰图像进行完全分割。因此，一些研究者采用不分割的方法，直接从火焰图像中提取图像特征，比如平均强度、亮度等。目前所有的图像特征都是从静态(单帧)图像中提取出来的静态特征，这种方法存在不能充分利用火焰动态信息的问题。根据专家的经验，火焰的闪烁和变化是燃烧稳定性的重要标志。与静态图像相比，图像序列提供了空间外观、结构变化和运动。从视频中提取特征可以提供火焰形态结构信息，对于工况的识别是很重要的。

发明内容

为实现上述目的，本发明提供一种基于视频图像序列特征提取的燃煤工况识别方法，能够对回转窑内燃煤状态进行动态识别，识别过程简单、鲁棒性好。

本发明所采用的技术方案是，基于视频序列特征提取的燃煤工况识别方法，包括实验数据准备、纹理特征提取、结构特征提取、纹理和结构算子相融合、分类器进行工况识别，具体实现过程如下：

步骤S1：实验数据准备

首先提取燃煤火焰的视频数据，然后将获取的火焰视频序列的工况进行标记，再将视频数据进行灰度化预处理；

步骤S2：特征算子提取