[发明专利]一种钢卷松卷的实时跟踪识别方法及装置

权利要求书

1.一种钢卷松卷的实时跟踪识别方法，其特征在于，包括以下步骤：

步骤1：调节摄像头，完成吊运钢卷在视频帧中的初始位置和初始尺寸的设置；

步骤2：获取视频帧，根据初始位置信息，计算视频帧中吊运钢卷的精确位置；

步骤3：根据初始尺寸信息，计算视频帧中吊运钢卷的精确尺寸；

步骤4：根据吊运钢卷的精确位置和精确尺寸，截取视频帧中的吊运钢卷图像，识别吊运钢卷；

步骤5：对识别的结果进行判断是否松卷，如果未松卷则转到步骤6，如果松卷则转到步骤8；

步骤6：判断是否需要调节摄像头，如果不需要则转到步骤7，如果需要则转到步骤1；

步骤7：获取新的视频帧，跟踪吊运钢卷，确定吊运钢卷的精确位置和精确尺寸，并转到步骤4；

步骤8：发出钢卷松卷警报，向天车吊运系统共享区发送停车指令信息；

所述的步骤4识别吊运钢卷，步骤如下：

步骤4-1：设置截取框的高度和宽度，分别为吊运钢卷精确尺寸高度和宽度的Q倍；

步骤4-2：将截取框的中心与吊运钢卷精确位置的中心重合，从视频帧图像中截取吊运钢卷精确图像；

步骤4-3：离线训练获得分位数超球体支持向量机模型，利用分位数超球体支持向量机模型识别吊运钢卷精确图像，分位数超球体支持向量机模型的输入是吊运钢卷精确图像，输出是外侧散卷、带钢头散落和正常3种情况之一；

所述的步骤4-3离线训练获得分位数超球体支持向量机模型的过程如下：

离线构建外侧散卷、带钢头散落和正常3类吊运钢卷精确图像数据集，如下：

是第k类吊运钢卷精确图像数据集中的第个样本，样本是吊运钢卷精确图像所有像素组成的列向量，是第k类吊运钢卷图像数据集中的样本数目；

设计分位数超球体支持向量机多分类训练模型，如下：

是惩罚参数，是集合中的第个样本，是集合中的样本数目，训练上述的第k类分位数超球体支持向量机训练模型得到2个分位数超球体和是和共同的球心，和分别为和的半径，是位于外部的样本产生的误差，是位于内部的样本产生的误差，是特征空间映射函数；

分位数超球体支持向量机改变了只依靠边界样本的原则，降低了边界区噪声样本对训练模型的影响；

对分位数超球体支持向量机训练模型进行推导，确定和公式如下：

集合集合和是拉格朗日算子；

对分位数超球体支持向量机训练模型进行推导，获得对偶模型如下：

Ψ是可选择的核函数，且满足

利用外侧散卷、带钢头散落和正常3类吊运钢卷图像数据集，优化求解对偶模型获得参数和离线训练分位数超球体支持向量机训练模型，获得训练模型的最优参数；

所述的步骤4-3利用分位数超球体支持向量机模型识别吊运钢卷精确图像的过程如下：

使用离线训练获得的最优参数，确定分位数超球体和的参数和

设计分位数超球体支持向量机多分类预测模型，如下：

是吊运钢卷精确图像所有像素组成的一个测试样本，输出的是集合中计算结果最小所对应的k值；

将吊运钢卷精确图像对应的样本输入到分位数超球体支持向量机预测模型；

分位数超球体支持向量机预测模型输出为外侧散卷、带钢头散落和正常三种情况之一；

所述的步骤5对识别的结果进行判断是否松卷的过程如下：

对分位数超球体支持向量机预测模型识别的结果进行判断；

如果识别的结果为外侧散卷和带钢头散落，则判断为松卷；

如果识别的结果为正常，则判断为未松卷。

2.根据权利要求1所述的一种钢卷松卷的实时跟踪识别方法，其特征在于，所述的步骤1调节摄像头，步骤如下：

步骤1-1：读取天车吊运系统共享区的信息，获取吊运钢卷的横向位置和纵向高度；

步骤1-2：根据吊运钢卷的横向位置和纵向高度，调节摄像头的云台方向，保证吊运钢卷位于视频帧图像的中心；

步骤1-3：根据吊运钢卷的横向位置，调节摄像头的变焦倍数，保证吊运钢卷的大小占视频帧图像的

步骤1-4：设置吊运钢卷的初始位置为视频帧图像的中心，设置吊运钢卷的初始尺寸为视频帧图像的