[发明专利]一种煤矿井下巷道形变视频检测方法

说明书

本发明公开一种煤矿井下巷道形变视频检测方法，属于机器视觉技术领域。该方法主要包括：悬挂轨道式机器人移动平台巡检视频分段采集，获取原始视频与历次巡检视频；原始视频关键帧提取，获得背景模型关键帧；关键帧与当前巡检视频匹配建立背景模型；根据模型匹配的结果进行图像差分处理，检测井下巷道变化并输出检测结果；根据异常检测结果更新背景模型。本发明能够通过视频巡检对煤矿井下巷道进行周期性形变检测，排除安全隐患。

技术领域

本发明涉及一种巷道形变视频检测方法，属于机器视觉技术领域。

背景技术

目前，智能视频监控技术可以根据监控视频完成动态背景下目标的检测、识别、跟踪等任务，还能够对感兴趣的目标行为进行识别与理解分析，在公共安全、工业现场等各种领域显著提高了监控的效率，减少了监控资源的投入。现存的智能视频监控技术大多是针对固定相机采集的动态场景监控，监控范围受到相机视野的严格限制。为了实现对大范围长远距离场景的监控，通常需要安装多个摄像头进行数据采集与分析，增加了监控成本与难度。

同时，基于移动平台的巡检视频采集及视频图像处理技术的场景检测是一种简单高效的视频检测方式，在变电站、煤矿综采面、输电线路和裂缝检测等领域都得到了广泛的应用。然而，与传统的智能视频监控相比，运动视频目标检测方法以目标建模和运动流方法为主，对异常目标的检测受到目标种类与运动特征的局限，其智能图像处理技术尚显得不够完善。背景差分目标检测方法能够简单高效的实现随机异常目标的检测，但传统的背景差分算法仅能实现固定相机的运动目标检测，针对巡检视频的背景差分算法尚且缺乏研究。因而，现有技术难以应用于煤矿井下巷道形变视频检测。

发明内容

为了克服上述现有技术的不足之处，本发明提供一种煤矿井下巷道形变视频检测方法，在巡检视频中实现背景差分异常检测，检测煤矿井下巷道的形变等安全隐患。

本发明是通过如下技术方案实现的：一种煤矿井下巷道形变视频检测方法，

包括如下步骤：

S1、视频采集：通过悬挂轨道式机器人移动平台巡检视频分段采集，获取初始视频与历次巡检视频；

S2、获得背景模型关键帧：依照视频的巡检进度的图片时空序列按需采样背景关键帧集合M：

M(x)＝{m_i|i＝1,2,…,N}

其中,m_i表示选择的背景关键帧，N根据视频长度、巡检距离以及场景视野等属性综合选定；生成的关键帧序列包含有巡检路径的空间序列信息，据此高效处理巡检采集的分段视频数据；

S3、视频-模型匹配：将采样的背景关键帧与新进巡检视频匹配，建立背景模型，包括：采用相似图像检索算法对背景模型中的关键帧与新进巡检视频进行遍历匹配；

S4、差分检测：根据模型匹配的结果进行图像差分处理，检测井下巷道变化并输出检测结果；

S5、背景模型更新：根据异常检测结果更新关键帧模型。

进一步的，所述的悬挂轨道式机器人移动平台为IC卡辅助定位分段采集传输巡检视频的移动平台，所述悬挂轨道式机器人移动平台包括：装有IC卡定位装置的悬挂式巡检机器人轨道、搭载摄像头的移动平台、视频存储装置和无线通信传输装置。

进一步的，所述步骤S3中，所述相似图像检索通过如下均值哈希算法实现：

步骤一：对于RGB三通道图像，通过如下方式转换为灰度图像：

Gray＝0.299×R+0.587×G+0.114×B

步骤二：图像统一缩放为8×8图像；

步骤三：计算步骤二得到图像的像素平均值v，并以v为阈值完成图像二值化操作，根据生成的二值图像生成64位hash值序列；