基于圖像處理的鐵路沿線(xiàn)視頻監控算法設計
從監控結果來(lái)看,得到的是一幅幅危險情況存在時(shí)的圖像,圖像自動(dòng)保存的部分結果如圖4所示。這些圖像是從10 min的視頻數據中自動(dòng)抽取出來(lái)的,從這些圖像中可以分析整個(gè)設計的識別率,識別率的高低影響著(zhù)算法設計和程序編寫(xiě)的好壞。本文引用地址:http://dyxdggzs.com/article/152096.htm

通過(guò)鐵軌的人總數為114人左右,計算機成功識別出的越軌行為有99人、計算機沒(méi)有識別出的越軌行為有15人,本身無(wú)越軌行為但被計算機識別出的有9人。監控結果的成功率=(99÷114)×100%=86.8%;監控結果的漏報率=(15÷114)×100%=13.2%;監控結果的誤報率=(9÷114)×100%=7.9%。
4 一種目標識別算法
鐵路上運動(dòng)目標主要分為:行人、車(chē)輛、小動(dòng)物和其他。
在對目標進(jìn)行識別前先要對危險情況存在時(shí)灰度圖圖像自動(dòng)保存的結果進(jìn)行必要的圖像處理,目的是為后續的目標識別奠定基礎,使經(jīng)過(guò)處理后的圖像更加方便地應用于目標識別。在這里圖像預處理主要包括增強圖像對比度、中值濾波和平滑處理等。目標識別算法的流程圖如圖5所示。

根據運動(dòng)目標的分類(lèi)可知,車(chē)輛的周長(cháng)是最長(cháng)的,所以首先直接判斷圖像中運動(dòng)目標的周長(cháng),如果大于某一設定好的閾值,則可輕易判斷出視場(chǎng)中目標屬于車(chē)輛。余下的目標中,行人比小動(dòng)物的縱橫軸比值大,設定縱橫軸比閾值,據此可以判斷出目標屬于行人。最后將設定一個(gè)面積閾值,面積大于此閾值則可判斷目標屬于小動(dòng)物,否則目標屬于其他一些環(huán)境的干擾。
5 結 語(yǔ)
本文首先對拍攝到的視頻進(jìn)行背景提取,根據提取到的背景經(jīng)過(guò)一系列的圖像處理最終對視場(chǎng)中危險區域進(jìn)行劃定。然后系統自動(dòng)監測視頻數據,自動(dòng)以灰度圖的形式保存危險情況存在時(shí)的圖像,目的是為了后續的目標識別。最后根據鐵路沿線(xiàn)上可能出現的運動(dòng)目標,提出了一種運動(dòng)目標識別算法。從監控結果可以看出,整個(gè)算法設計具有一定的可行性,可以作為基于圖像處理的鐵路沿線(xiàn)視頻監控的一種算法,有一定的參考價(jià)值。
評論