一种基于视频图像特征的增氧机工作状态检测方法技术

本发明专利技术公开一种基于视频图像特征的增氧机工作状态检测方法，分为学习阶段和工作阶段，学习阶段提取采集到的增氧机视频中的前后两帧图像，利用角点检测方法检测前一帧图像的角点；根据前一帧图像的角点，利用光流法在后一帧中搜索出对应的角点；计算所提取前后两帧图像对应角点的平均位移量，统计视频中所有前后连续两帧图像对应角点的位移，画出位移直方图，获取增氧机停止/运行工作状态的判断阈值T；工作阶段，采用同样的方式获取前后两帧对应角点的平均位移量，当平均位移量大于T时，判断增氧机为运行状态，否则增氧机为停止状态。该方法可在无人监管的情况下，利用已有的摄像装置对增氧机的运行状态进行实时的监控，且安装和调试十分方便。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，更具体地，涉及一种基于视频图像特征的增氧机异常工作检测方法。
技术介绍
在水产养殖中，养殖塘水中溶氧含量偏低会妨害鱼类生长，引起浮头、甚至大量窒息死亡，给水产养殖业造成巨大损失。所以，人们利用增氧机来增加养殖水中的溶氧量，以改善水体中溶氧分布不均匀的问题。然而，增氧机的工作条件恶劣，鱼塘的水对增氧机有着较强的腐蚀性、叶轮上时常有缠绕物或附着物、浮体磨损降低浮力致使负荷增大、增氧机电动机与水接触、以及供电系统断电等原因均能造成增氧机电机烧毁或异常停止，而增氧机的异常停止会给水产养殖企业或养殖户带来巨大的损失。因此，实时检测增氧机的异常停止工作状态变得十分重要。目前，对增氧机的监控主要是依赖人工看守，但这一方式非常耗费人力，无法实现渔场管理的智能化；另外一种常用方法是利用电流或电压等传感器对增氧机的异常停止状态进行检测，该方法因其硬件系统和安装调试过程复杂，抗干扰能力差等缺点，无法得到广泛的应用。
技术实现思路
为了克服现有方法的不足，本专利技术提出，该方法通过已有的监控摄像头获取增氧机工作视频，利用智能视频分析技术对增氧机的启动、停止状态进行自动检测，实现在无人监管的情况下实时监控，提高了渔场管理的智能化水平。为了实现上述目的，本专利技术的技术方案为:，该方法分为学习阶段和工作阶段，学习阶段时，用摄像装置采集增氧机视频，在视频窗口选定增氧机的检测区域，将增氧机从停止到启动运行再由运行到停止重复数次，以采集增氧机停止/运行状态；具体步骤如下:(Ia)提取视频中的前后两帧图像，并利用角点检测方法检测前一帧图像在增氧机检测区域的角点；(Ib)根据前一帧图像的角点，利用光流法在后一帧中搜索出对应的角点；(Ic)计算所提取前后两帧图像对应角点的平均位移量S，统计学习阶段视频中所有前后连续两帧图像对应角点的平均位移量S，根据平均位移量S画出位移直方图，并利用OTSU算法自动获取增氧机停止/运行工作状态的判断阈值T ；工作阶段时，用摄像装置采集增氧机视频，在已选定增氧机的检测区域，采用上述学习阶段的(la)、( lb)，计算视频中前后两帧对应角点的平均位移量，当平均位移量大于T时，则判断增氧机为运行状态，反之，则增氧机为停止状态。上述在视频窗口选定增氧机的检测区域是通过人机交互方式人为在视频窗口选定增氧机的检测区域。通过在学习阶段学习训练，得到一个判断阈值T。在学习阶段计算所提取前后两帧图像对应角点的平均位移量S，其具体计算过程为:统计前后两帧所有角点的位置之和，除以前后两帧的角点数得到平均位移量S。进一步计算学习阶段视频中所有前后连续两帧图像对应角点的平均位移量S。光流法检测运动目标的基本原理是通过给图像中的每一个像素点赋予一个速度矢量，从而形成一个图像运动场。在运动的某一个特定时刻，通过投影关系，可以使图像上的点与三维物体上的点一一对应。根据各个像素点的速度矢量特征，可以对图像进行动态分析。本方法需要统计视频前后两帧增氧机检测区域水花角点的运动平均位移量，进而判断增氧机是否异常工作，所以应用光流法来计算角点的方向运动特征。一般情况下，光流法采用迭代的近似求解，计算复杂度高、时间开销大，但本专利技术中用光流法只对增氧机的检测区域的角点进行计算，计算量比较少，运算速度较快，因而实时性较好。更进一步的，所述增氧机的检测区域是根据增氧机具体工作位置设定的水花运动区域，因为在水花运动区域内进行检测可以减少渔场其它环境对检测判断的影响，也可以减少算法的运算量。更进一步的，所述角点检测方法检测到的角点是对应增氧机运动时激起的水花或水面上的水纹。更进一步的,所述角点检测方法采用Harris算法,Harris算法是目前比较流行的角点检测方法之一，与Sift特征点检测相比，该方法有更快的检测速度，更符合渔场增氧机实时检测的要求。更进一步的,所述光流法采用Lucas-Kanade光流法。与现有技术相比，本专利技术技术方案的有益效果是:该方法可以在无人监管的情况下，利用已有的摄像装置对增氧机的运作状态进行实时的监控，而且系统的安装和调试十分方便；本专利技术通过统计视频前后两帧增氧机检测区域水花角点的运动平均位移量，进而判断增氧机是否异常工作，应用光流法来计算角点的方向运动特征。一般情况下，光流法采用迭代的近似求解，计算复杂度高、时间开销大，但本专利技术中用光流法只对增氧机的检测区域的角点进行计算，计算量比较少，运算速度较快，因而具有较好的实时性。【附图说明】图1为本专利技术的流程图。图2为拍摄增氧机的停止/运行工作状态示意图。图3为自动阈值提取直方图。图4为实施例一拍摄增氧机的停止/运行工作状态示意图。图5为实施例一自动阈值提取直方图。图6为实施例二拍摄增氧机的停止/运行工作状态示意图。图7为实施例二自动阈值提取直方图。【具体实施方式】下面结合附图和实施例对本专利技术的技术方案做进一步的说明。本专利技术提供了，该方法在无人监管的情况下，利用摄像装置对增氧机的运作状态进行实时的监控，提高了渔场管理的智能化水平。如附图1所示，该方法分为学习阶段和工作阶段，学习阶段时，用摄像装置采集增氧机视频，视频的分辨率必须在Dl以上，通过人机交互人为在视频窗口选定增氧机的检测区域，必须保证检测区域的大小在100X 100像素以上，将增氧机从停止到启动运行再由运行到停止重复数次，以达到采集增氧机停止/运行状态目的。具体实现为:学习阶段，获取增氧机停止/运行的判断阈值。因为不同的增氧机运动时激起的水花数量和水花运动的速度不同，增氧机离摄像头的远近也不尽相同，这些因素都直接影响判断阈值的大小。因此，在要对增氧机运动状态判断前，需要自动学习摄像头在某一角度下拍摄该增氧机的阈值T。( I)首先，用摄像装置采集视频，通过人机交互方式选定增氧机检测区域，将增氧机从停止到启动运行再由启动到停止多次，如增氧机状态为:停止(2分钟)一启动运行(2分钟，第一个周期)——停止(2分钟)——启动运行(2分钟，第二个周期)……如此重复5个周期，以达到采集增氧机运行/停止状态的目的。(2)从视频中提取前后两帧图像，利用Harris算法检测前一帧图像的角点。Harris方法提取图像中角点的过程可以分为以下几步:21)计算图像像素点在水平和垂直方向上的梯度，以及两者的乘积，得到协方差矩阵M中4个元素的值:本文档来自技高网...

【技术保护点】
一种基于视频图像特征的增氧机工作状态检测方法，其特征在于，该方法分为学习阶段和工作阶段，学习阶段时，用摄像装置采集增氧机视频，在视频窗口选定增氧机的检测区域，将增氧机从停止到启动运行再由运行到停止重复数次，以采集增氧机停止/运行状态；具体步骤如下：（1a）提取视频中的前后两帧图像，并利用角点检测方法检测前一帧图像在增氧机检测区域的角点；（1b）根据前一帧图像的角点，利用光流法在后一帧中搜索出对应的角点；（1c）计算所提取前后两帧图像对应角点的平均位移量s，统计学习阶段视频中所有前后连续两帧图像对应角点的平均位移量S，根据平均位移量S画出位移直方图，并利用OTSU算法自动获取增氧机停止/运行工作状态的判断阈值T；工作阶段时，用摄像装置采集增氧机视频，在已选定增氧机的检测区域，采用上述学习阶段的（1a）、（1b），计算视频中前后两帧对应角点的平均位移量，当平均位移量大于T时，则判断增氧机为运行状态，反之，则增氧机为停止状态。

【技术特征摘要】
1.一种基于视频图像特征的增氧机工作状态检测方法，其特征在于，该方法分为学习阶段和工作阶段， 学习阶段时，用摄像装置采集增氧机视频，在视频窗口选定增氧机的检测区域，将增氧机从停止到启动运行再由运行到停止重复数次，以采集增氧机停止/运行状态；具体步骤如下: (Ia)提取视频中的前后两帧图像，并利用角点检测方法检测前一帧图像在增氧机检测区域的角点； (Ib)根据前一帧图像的角点，利用光流法在后一帧中搜索出对应的角点； (Ic)计算所提取前后两帧图像对应角点的平均位移量S，统计学习阶段视频中所有前后连续两帧图像对应角点的平均位移量S，根据平均位移量S画出位移直方图，并利用OTSU算法自动获取增氧机停止/运行工作状态的判断阈值T ； 工作阶段时，用摄像装置采集增氧机视频，在已选定增氧机的检测区...

【专利技术属性】
技术研发人员：薛月菊，毛亮，何金辉，李鸿生，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：