基于机器视觉原理的栅栏状态检测方法及系统技术方案

本发明专利技术涉及一种基于机器视觉原理的栅栏状态检测方法及系统，所述的方法包括以下步骤：(1)分别提取栅栏正常摆放的图像和栅栏倒下的图像的纹理特征向量并保存；(2)统计当前监控图像中的栅栏特有的警示颜色块的数量，如果数量少于设定的阈值，则继续步骤(4)，否则提取当前图像的纹理特征向量；(3)将该当前的栅栏图像纹理向量与保存的纹理特征向量进行比较，如果比较结果为栅栏摆放不正常，则继续步骤(4)，否则，继续步骤(2)；(4)发出告警提示。采用该基于机器视觉原理的栅栏状态检测方法及系统，不仅能节省人力成本，而且让原来的视频监控系统具有智能识别功能，从而将值班人员从长期紧盯屏幕的紧张状态中解脱出来，运行速度快，能保障告警的及时性，能严格杜绝安全隐患，具有广泛的应用范围。

Fence State Detection Method and System Based on Machine Vision Principle

The invention relates to a fence state detection method and system based on machine vision principle. The method includes the following steps: (1) extracting and saving the texture feature vectors of the normal fence image and the fallen fence image respectively; (2) counting the number of fence-specific warning color blocks in the current monitoring image, and continuing steps (4) if the number is less than the set threshold value. Otherwise, extract the texture feature vectors of the current image; (3) Compare the texture vectors of the current fence image with the texture feature vectors saved. If the result of comparison is that the fence is not properly placed, proceed with step (4), otherwise, proceed with step (2); (4) issue an alarm. The fence state detection method and system based on machine vision principle can not only save manpower cost, but also make the original video surveillance system have intelligent recognition function, so that the on-duty personnel can be freed from the tension of long-term staring at the screen. It runs fast, guarantees the timeliness of the alarm, strictly eliminates the hidden dangers of safety, and has a wide range of applications.

【技术实现步骤摘要】
基于机器视觉原理的栅栏状态检测方法及系统
本专利技术涉及计算机软件
，尤其涉及机器视觉
，具体是指一种基于机器视觉原理的栅栏状态检测方法及系统。
技术介绍
在许多施工场合，比如电力设施维修、燃气管道维修、自来水管道维修、道路桥梁维修等过程中，必须放置安全警示栅栏将施工场地隔离开来，以警示非相关人员远离施工场地，从而避免引起安全事故。如何检测安全警示栅栏处于正常的放置状态，尤其是不能缺失或倒地，这个是各个施工单位都必须要解决的问题。目前施工单位采取的最简单的检测方法就是定期进行人工巡逻施工现场，再进一步高效的方法就是通过远程视频监控，在视频监控屏幕上观看施工区域。对安全警示栅栏状态的检测，人工巡逻检测方法需要投入大量的人力成本，而且不能及时发现状态改变，这种方法存在安全隐患；远程视频监控方法，也需要投入人力成本，而且监控人员长期盯注屏幕观看会产生视觉疲劳，在时效上也存在一定的安全隐患。
技术实现思路
本专利技术的目的是克服了上述现有技术的缺点，提供了一种能够基于机器视觉原理实现栅栏状态检测的方法及系统。为了实现上述目的，本专利技术具有如下构成：该基于机器视觉原理的栅栏状态检测方法，包括以下步骤：(1)分别提取栅栏正常摆放的图像和栅栏倒下的图像的纹理特征向量并保存；(2)统计当前监控图像中的栅栏特有的警示颜色块的数量，如果数量少于设定的阈值，则继续步骤(4)，否则提取当前图像的纹理特征向量；(3)将该当前的栅栏图像纹理向量与保存的纹理特征向量进行比较，如果比较结果为栅栏摆放不正常，则继续步骤(4)，否则，继续步骤(2)；(4)发出告警提示。较佳地，所述的步骤(1)具体包括以下步骤：(1-1)从监控场景中选取一幅典型栅栏正常摆放的图像和一幅典型的栅栏倒下的图像；(1-2)提取所述的栅栏正常摆放的图像的纹理特征向量并保存为V_nor，并提取所述的栅栏倒下的图像的纹理特征向量并保存为V_abn。更佳地，所述的步骤(1-2)具体包括以下步骤：(1-2-1)求出警示颜色特征灰度图像中每个连通区域的中心点，计算中心点数量并记为N；(1-2-2)分别以N个中心点为中心，画出针对HOG特征的N个正方形统计区域；(1-2-3)分别求出所述的N个正方形统计区域的HOG特征向量；(1-2-4)根据K-Mean算法将所述的HOG特征向量归为三个类别，并去除一个区域数量最少的类别。更佳地，所述的步骤(2)具体包括以下步骤：(2-1)从视频监控系统中实时输入一帧监控图像；(2-2)检测所述的监控图像中是否含有足够量的警示颜色块，如果是，则继续步骤(2-3)，否则，继续步骤(4)；(2-3)提取所述的监控图像的纹理特征向量，记为V_rel。更进一步地，所述的检测所述的监控图像中是否含有足够量的警示颜色块，具体包括以下步骤：(2-2-1)从所述的监控图像中提取警示特征图像；(2-2-2)将所述的警示特征图像转换为警示灰度图像(2-2-3)对所述的特征灰度图像进行连通域分析，消除孤立的和含极少警示颜色的小区域点(2-2-4)计算含警示颜色区域的数量n，并判断n是否大于一预设阈值。更进一步地，所述的步骤(3)具体包括以下步骤：(3-1)计算V_nor与V_rel的差别，记为E_nor，并计算V_abn与V_rel的差别，记为E_abn；(3-2)判断E_nor是否大于Th1并且E_abn小于Th2，如果是，则栅栏为倒下状态，继续步骤(4)，否则，栅栏为正常状态，继续步骤(2)，其中，Th1为正常状态门限值，Th2为倒下状态门限值。更进一步地，所述的步骤(3-1)具体包括以下步骤：(3-1-1)分别计算两幅图像的HOG特征向量的均方误差，并即为E(i)，i＝1、2；(3-1-2)对所述的均方误差取平均值。还包括一种基于机器视觉原理的栅栏状态检测系统，包括：摄像头，用于拍摄栅栏监控图像；栅栏状态检测程序，所述的栅栏状态检测程序在运行时对从所述的摄像头拍摄的栅栏监控图像进行如下步骤处理：(1)分别提取栅栏正常摆放的图像和栅栏倒下的图像的纹理特征向量并保存；(2)统计当前监控图像中的栅栏特有的警示颜色块的数量，如果数量少于设定的阈值，则继续步骤(4)，否则提取当前图像的纹理特征向量；(3)将该当前的栅栏图像纹理向量与保存的纹理特征向量进行比较，如果比较结果为栅栏摆放不正常，则继续步骤(4)，否则，继续步骤(2)；(4)发出告警提示。较佳地，所述的步骤(1)具体包括以下步骤：(1-1)从监控场景中选取一幅典型栅栏正常摆放的图像和一幅典型的栅栏倒下的图像；(1-2)提取所述的栅栏正常摆放的图像的纹理特征向量并保存为V_nor，并提取所述的栅栏倒下的图像的纹理特征向量并保存为V_abn。更佳地，所述的步骤(1-2)具体包括以下步骤：(1-2-1)求出警示颜色特征灰度图像中每个连通区域的中心点，计算中心点数量并记为N；(1-2-2)分别以N个中心点为中心，画出针对HOG特征的N个正方形统计区域；(1-2-3)分别求出所述的N个正方形统计区域的HOG特征向量；(1-2-4)根据K-Mean算法将所述的HOG特征向量归为三个类别，并去除一个区域数量最少的类别。更佳地，步骤(2)具体包括以下步骤：(2-1)从视频监控系统中实时输入一帧监控图像；(2-2)检测所述的监控图像中是否含有足够量的警示颜色块，如果是，则继续步骤(2-3)，否则，继续步骤(4)；(2-3)提取所述的监控图像的纹理特征向量，记为V_rel。更进一步地，所述的检测所述的监控图像中是否含有足够量的警示颜色块，具体包括以下步骤：(2-2-1)从所述的监控图像中提取警示特征图像；(2-2-2)将所述的警示特征图像转换为警示灰度图像(2-2-3)对所述的特征灰度图像进行连通域分析，消除孤立的和含极少警示颜色的小区域点(2-2-4)计算含警示颜色区域的数量n，并判断n是否大于一预设阈值。更进一步地，步骤(3)具体包括以下步骤：(3-1)计算V_nor与V_rel的差别，记为E_nor，并计算V_abn与V_rel的差别，记为E_abn；(3-2)判断E_nor是否大于Th1并且E_abn小于Th2，如果是，则栅栏为倒下状态，继续步骤(4)，否则，栅栏为正常状态，继续步骤(2)，其中，Th1为正常状态门限值，Th2为倒下状态门限值。更进一步地，所述的步骤(3-1)具体包括以下步骤：(3-1-1)分别计算两幅图像的HOG特征向量的均方误差，并即为E(i)，i＝1、2；(3-1-2)对所述的均方误差取平均值。采用了该专利技术中的基于机器视觉原理的栅栏状态检测方法及系统，基于先进的机器视觉技术，不仅能节省人力成本，而且让原来的视频监控系统具有智能识别功能，从而将值班人员从长期紧盯屏幕的紧张状态中解脱出来，智能图像识别算法在保证精度的情况下运行速度快，能保障告警的及时性，能严格杜绝安全隐患；还能应用于电力设施维修、燃气管道维修、自来水管道维修、道路桥梁施工维修等场合，具有广泛的应用范围。附图说明图1为本专利技术的基于机器视觉原理的栅栏状态检测方法的流程示意图。图2为本专利技术的基于机器视觉原理的栅栏状态检测方法及系统的正常栅栏的示例图像。图3为本专利技术的基于机器视觉原理的栅栏状态检测方法及系统的提取栅栏警示颜色的示例本文档来自技高网...

【技术保护点】
1.一种基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的方法包括以下步骤：(1)分别提取栅栏正常摆放的图像和栅栏倒下的图像的纹理特征向量并保存；(2)统计当前监控图像中的栅栏特有的警示颜色块的数量，如果数量少于设定的阈值，则继续步骤(4)，否则提取当前图像的纹理特征向量；(3)将该当前的栅栏图像纹理向量与保存的纹理特征向量进行比较，如果比较结果为栅栏摆放不正常，则继续步骤(4)，否则，继续步骤(2)；(4)发出告警提示。

【技术特征摘要】
1.一种基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的方法包括以下步骤：(1)分别提取栅栏正常摆放的图像和栅栏倒下的图像的纹理特征向量并保存；(2)统计当前监控图像中的栅栏特有的警示颜色块的数量，如果数量少于设定的阈值，则继续步骤(4)，否则提取当前图像的纹理特征向量；(3)将该当前的栅栏图像纹理向量与保存的纹理特征向量进行比较，如果比较结果为栅栏摆放不正常，则继续步骤(4)，否则，继续步骤(2)；(4)发出告警提示。2.根据权利要求1所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的步骤(1)具体包括以下步骤：(1-1)从监控场景中选取一幅典型栅栏正常摆放的图像和一幅典型的栅栏倒下的图像；(1-2)提取所述的栅栏正常摆放的图像的纹理特征向量并保存为V_nor，并提取所述的栅栏倒下的图像的纹理特征向量并保存为V_abn。3.根据权利要求2所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的步骤(1-2)具体包括以下步骤：(1-2-1)求出警示颜色特征灰度图像中每个连通区域的中心点，计算中心点数量并记为N；(1-2-2)分别以N个中心点为中心，画出针对HOG特征的N个正方形统计区域；(1-2-3)分别求出所述的N个正方形统计区域的HOG特征向量；(1-2-4)根据K-Mean算法将所述的HOG特征向量归为三个类别，并去除一个区域数量最少的类别。4.根据权利要求2所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的步骤(2)具体包括以下步骤：(2-1)从视频监控系统中实时输入一帧监控图像；(2-2)检测所述的监控图像中是否含有足够量的警示颜色块，如果是，则继续步骤(2-3)，否则，继续步骤(4)；(2-3)提取所述的监控图像的纹理特征向量，记为V_rel。5.根据权利要求4所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的检测所述的监控图像中是否含有足够量的警示颜色块，具体包括以下步骤：(2-2-1)从所述的监控图像中提取警示特征图像；(2-2-2)将所述的警示特征图像转换为警示灰度图像(2-2-3)对所述的特征灰度图像进行连通域分析，消除孤立的和含极少警示颜色的小区域点(2-2-4)计算含警示颜色区域的数量n，并判断n是否大于一预设阈值。6.根据权利要求4所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的步骤(3)具体包括以下步骤：(3-1)计算V_nor与V_rel的差别，记为E_nor，并计算V_abn与V_rel的差别，记为E_abn；(3-2)判断E_nor是否大于Th1并且E_abn小于Th2，如果是，则栅栏为倒下状态，继续步骤(4)，否则，栅栏为正常状态，继续步骤(2)，其中，Th1为正常状态门限值，Th2为倒下状态门限值。7.根据权利要求6所述的基于机器视觉原理的栅栏状态检测方法，其特征在于，所述的步骤(3-1)具体包括以下步骤：(3-1-1)分别计算两幅图像的HOG特征向量的均方误差，并记为E(i)，i＝1、2；(3-1-2)对所述的均方误差取平均值。8.一种基于机器视觉原理的栅栏状态检测系统，其特征在于，所述的...

【专利技术属性】
技术研发人员：季昆玉，贾俊，陆杰，侯卫东，
申请(专利权)人：国网江苏省电力公司泰州供电公司，赛特斯信息科技股份有限公司，
类型：发明
国别省市：江苏,32