[发明专利]一种基于图像识别的拦网在位监测报警系统

摘要

本发明提供了一种基于图像识别的拦网在位监测报警系统，属于图像识别监测技术领域，用于核电站取水口拦网在位的监测报警工作。本发明包含室外图像监测系统和室内图像识别报警系统两部分。室外图像监测系统负责监测拦网的在位状态。室内图像识别报警系统监测得到的视频图像，图像识别算法并制定了拦网失效判别标准算法，能够识别图像判断拦网上橘黄色浮筒的位置和数量，进而判定拦网的工作状态，并且可在判定危险情况下通过报警器发出报警信号。本发明建立了一种基于图像监测和图像识别的拦网在位报警系统，能通过识别浮筒的位置和个数判别拦网的工作状态，并且能在紧急情况下发出报警信号，使工作人员及时做出应急处理。

主权项

1.一种基于图像识别的拦网在位监测报警系统，其特征在于，所述的基于图像识别的拦网在位监测报警系统包括室外图像监测系统和室内图像识别报警系统两部分；建立小型局域网，室外图像监测系统用于拦网视频图像的采集，并且将拦网视频图像信息通过电力线传输到室内图像识别报警系统进行识别分析；室外图像监测系统采用摄像机记录拦网工作实时状况，并将图像信息保存到防水配电箱中的硬盘机中；室内图像识别报警系统用于拦网监测图像的识别和拦网工作异常情况下的报警；室外拦网工作状态图像传输到室内电脑端，对图像进行识别处理；室外拦网主要由主绳、网体和拦网浮筒组成，网体和拦网浮筒都拴挂于主绳上；如果主绳发生断裂，则网体和拦网浮筒随主绳在海上漂浮；室外拦网主绳和网体为白色，拦网浮筒为橘红色，通过识别图像中颜色较为明显的橘红色浮筒的位置和个数来判别拦网是否发生断裂；若拦网浮筒位置超出规定界限或拦网浮筒个数与原始设定的内置拦网浮筒个数不同，则立即通过报警器发出报警信号；对室内图像识别报警系统中图像识别如下：(1)日间拦网图像识别拦网浮筒的识别主要是基于HSV空间颜色模型原理进行识别，HSV空间颜色模型直观的反映出图像的色调H、饱和度S以及明度V；色调H表示为图像的颜色，饱和度S表示为颜色的鲜艳程度，明度V表示为图像的明暗程度；识别过程中主要是针对色调H、饱和度S以及明度V三个通道进行重新的量化，并结合核电站现场的实际工况制定不同的识别算法，以满足识别要求，具体如下：P(x，y)＝(P(x‑1，y‑1)+P(x，y‑1)+P(x+1，y‑1)+P(x+1，y)+P(x+1，y+1)+P(x，y+1)+P(x‑1，y+1)+P(x‑1，y))/8     (1)上述公式为图像的模糊算法，即通过某个像素的8邻域的平均值来确定该像素的颜色值；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P(x,y)为图像中每一个像素的颜色值，等号右边的表达式为该像素8邻域的平均值；V(x，y)＝(V(x，y)‑V_min(x，y))/(V_max(x，y)‑V_min(x，y))       (2)上述公式为HSV图像明度V通道重新量化算法，即通过统计整张图像的V通道，得出V通道的最大值以及最小值，重新对V通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，V(x,y)为每一个像素的V通道的值，V_min(x,y)为整张图像上V通道的最小值，V_max(x,y)为整张图像上V通道的最大值；S(x，y)＝(S(x，y)‑S_min(x，y))/(S_max(x，y)‑S_min(x，y))         (3)上述公式为HSV图像饱和度S通道重新量化算法，即通过统计整张图像的S通道，得出S通道的最大值以及最小值，重新对S通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，S(x,y)为每一个像素的V通道的值，S_min(x,y)为整张图像上S通道的最小值，S_max(x,y)为整张图像上S通道的最大值；上述公式为HSV图像色调H通道重新量化算法，即通过红色色调的范围来重新计算H通道的值，如果某个像素的H通道的值在红色的最小值和红色平均值范围内，则将该像素的H通道的值修改为红色的平均值；如果在红色的平均值和红色的最大值范围内，则不改变该像素的H通道的值，以提高红色调的纯度；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，H(x,y)为每一个像素的H通道的值，H_red(min)为红色调范围的最小值，H_red(max)为红色调范围的最大值，H_red(avg)为红色调范围的平均值；上述公式为图像二值化算法，即通过HSV图像各通道的阈值将图像的前景与背景分离；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P(x,y)为图像的像素值，H_T(min)、H_T(max)为H通道的最小阈值以及最大阈值，S_T(min)、S_T(max)为S通道的最小阈值以及最大阈值，V_T(min)、V_T(max)为V通道的最小阈值以及最大阈值；根据室外图像监测系统提供的原始图像，对拦网图像进行分析处理，识别出拦网浮筒的位置以及个数，为后续拦网状态的评估以及预警提供依据；具体的识别方案如下：(1.1)在识别前对图像进行模糊降噪处理，即对视频采集设备所获取的图像进行模糊，通过上述公式(1)，遍历整幅图像的所有像素，重新计算每个像素值，将图像中水面杂物、水面波纹以及水面反光的奇异颜色值过滤出去，减少噪点对识别的干扰；(1.2)将经过模糊算法过滤后的RGB颜色空间模型图像映射到HSV空间颜色模型图像；根据拦网主绳两端的固定位置信息，对拦网图像进行分割，并提取关键区域，该关键区域为包含整条拦网的所有拦网浮筒；关键区域的提取，使得处理的图像从大图像变为一个小图像；根据拦网浮筒颜色以及HSV空间颜色模型特点，制定相应的像素量化算法，以便使拦网浮筒更加突出，利于后续识别以及定位；通过上述公式(2)，对提取的关键区域图像的明度V通道进行重新量化，用于提高整幅图像的亮度程度；通过上述公式(3)，对提取的关键区域图像的饱和度S通道进行重新量化，用于提高整幅图像的鲜艳程度；经过上述两步处理后图像变得更加的清晰明亮，并且图像不会出现不失真现象，即图像的色相调与源图色调一致；接下来对图像的色调进行处理，通过上述公式(4)，对提取的关键区域图像的色调H通道进行重新量化，即对图像中拦网浮筒的颜色进行修改，提高橘红色纯度，使拦网浮筒颜色更加突出；经过上述像素的重新量化后，得到一幅鲜艳明亮并且拦网浮筒颜色纯度较高、颜色范围较小的拦网图像；(1.3)对现有图像进行二值化操作，指定与拦网浮筒颜色相匹配的阈值范围，通过上述公式(5)，将图像中的拦网浮筒与其他物体分离，即将拦网浮筒区域的像素置为黑色，其他区域置为白色，得到一幅二值化图像；(1.4)最后对二值化后的图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为浮筒的位置；(2)夜间拦网图像识别针对夜间的拦网状态监测：在拦网浮筒上架设红外光源，通过红外光源采集设备捕捉红外光源，通过对图像的二值化操作，将红外光源与其他干扰信息进行分离，再对二值化图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为拦网浮筒的位置；在正常初始条件下，通过图像识别拦网浮筒的位置和数量，记录拦网浮筒位置数量信息；在之后的图像识别过程中，将所得到的拦网浮筒位置信息与初始时位置信息进行对比，计算同一拦网浮筒不同时刻之间的距离，当所得到的距离达到警戒值即反映出拦网工作异常，触发报警；同时在后续识别中，如识别出拦网浮筒数量与初始帧拦网浮筒数量不匹配，亦表示拦网工作异常，随即触发报警。