[发明专利]一种基于光流法和支持向量机的挖掘机实时检测方法

权利要求书

1.一种基于光流法和支持向量机的挖掘机实时检测方法，其特征在于，包括以下步骤：

S1、实时采集管网及其周边的红外视频图像；

S2、利用Horn-Schunck光流法对红外视频图像中的运动目标进行检测，以获取二值化图像的高亮区域；

S3、判断二值化图像的高亮区域尺寸是否匹配挖掘机的尺寸；若是，则转至S4；若否，则转至S1；

S4、采集管网及其周边的可见光视频图像，并提取可见光视频图像的ROI区域；

S5、提取ROI区域的图像特征，并将提取的图像特征输入已训练的SVM分类器中，以检测管网周边是否存在挖掘机施工。

2.根据权利要求1所述的一种基于光流法和支持向量机的挖掘机实时检测方法，其特征在于，所述SVM分类器的训练，包括以下步骤：

Step1、采集管网及其周边的可见光视频图像，建立可见光视频图像库；

Step2、从可见光视频图像库中选出具有挖掘机施工的目标帧图像，从中提取出挖掘机施工的区域和相同尺寸的任意无挖掘机施工的区域，进而提取目标区域的图像特征x_i；

Step3、构建训练数据集Q；

其中，i=1，2，…，n；n为从中提取出挖掘机施工的区域和相同尺寸的任意无挖掘机施工的区域的图像的数量，y_i为类标记；当y_i取值为1时，代表图像存在挖掘机；当y_i取值为-1时，代表图像不存在挖掘机；

最优超平面为：（w*x+b）=0

Step4、为构建最优超平面，将最大间隔分离转化为优化问题，并将其转化为Lagmage对偶问题：

Step5、求解超平面的b和w：

Step6、得到的已训练的SVM分类器为。

3.根据权利要求2所述的一种基于光流法和支持向量机的挖掘机实时检测方法，其特征在于，所述步骤Step2中，采用SIFT算法提取目标区域的图像特征。

4.根据权利要求2所述的一种基于光流法和支持向量机的挖掘机实时检测方法，其特征在于，所述步骤S5中，若SVM分类器的输出结果大于0，则检测到挖掘机施工作业。

5.根据权利要求4所述的一种基于光流法和支持向量机的挖掘机实时检测方法，其特征在于，所述步骤S5之后，还包括以下步骤：

S6、若检测到挖掘机施工作业，则执行报警动作。