[发明专利]基于图像处理的矿用电机车行人监测方法及报警系统

权利要求书

1.一种基于图像处理的矿用电机车行人监测方法及报警系统，其特征在于：所述系统包括视频采集模块、图像处理模块和声光报警模块；所述视频采集模块用红外摄像仪对电机车前方的图像进行采集；所述图像处理模块包括图像预处理、铁轨的识别和拟合、行人的识别；所述声光报警模块包括声光报警器和控制电路；所述图像预处理采用基于遗传算法和归一化非完全Beta函数结合的图像自适应校正和基于脉冲耦合神经网络的图像的二值化方法；所述铁轨的识别和拟合采用基于遗传算法阈值改进的模糊边缘检测快速算法对铁轨进行识别和启发式连接法对铁轨进行拟合；所述行人的识别采用基于FPGA实现的脉冲耦合神经网络图像二值化方法检测轨道上运动的行人。

2.根据权利要求1所述的基于图像处理的矿用电机车行人监测方法及报警系统，其特征在于：所述视频采集模块采用WAT-902H2的红外摄像仪。

3.根据权利要求1所述的基于图像处理的矿用电机车行人监测方法及报警系统，其特征在于：所述图像预处理采用基于遗传算法和归一化非完全Beta函数结合的图像自适应校正和采用基于脉冲耦合神经网络的图像的二值化算法。

4.根据权利要求1所述的基于图像处理的矿用电机车行人监测方法及报警系统，其特征在于：所述铁轨的识别和拟合采用基于遗传算法阈值改进的模糊边缘检测快速算法对铁轨进行识别和启发式连接法对铁轨进行拟合。

5.根据权利要求1所述的基于图像处理的矿用电机车行人监测方法及报警系统，其特征在于：所述行人的识别采用基于FPGA实现的脉冲耦合神经网络图像二值化方法检测轨道上运动的行人。

6.根据权利要求3所述采用基于遗传算法和归一化非完全Beta函数结合的图像自适应校正，其特征在于：利用遗传算法针对每幅图像自动地找出非线性变换函数最优的α，β值，具体处理步骤如下：

第一步：设f(x，y)表示坐标为(x，y)的原始图像灰度值，f′(x，y)为其处理后的灰度值，在处理前先进行归一化处理：

g(x，y)＝[f(x，y)-L_min]/[L_max-L_min]    (1)

第二步：利用遗传算法编码并产生初始群体，每条染色体包含两个基因段，分别为α、β，每个个体都对应一个非线性变换函数F(u)，0≤u≤1，用非线性变换函数对图像灰度进行处理：

g′(x，y)＝F[g(x，y)]    (2)

第三步：根据g′(x，y)的值可得到输出图像f′(x，y)；

第四步：利用图像质量评价函数作为遗传算法的适应度函数：

Fitness(i)=1nΣx=1MΣy=1nf2(x,y)-[1nΣx=1MΣy=1Nf(x,y)]2]]>

其中M，N分别为图像的宽和高，n＝M×N，i表示某染色体，Fitness(i)的值越大，则图像灰度分布越均匀，图像对比度越高，图像质量越好；

第五步：选择适应值最大的个体作为当前代的最优个体，对其他个体进行更新，得到新的群体，重复上述步骤直到最终得到较优的非线性变换函数参数α和β。