[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

说明书

技术领域

本发明属于煤矿安全运输领域，涉及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。

背景技术

矿用电机车主要用于井下运输大巷和地面的长距离运输，完成对煤炭、矸石、材料、设备、人员的运送。由于煤矿井下环境复杂，电机车运行频繁，运行距离较长；巷道窄，既作为行人巷道，又作为运输巷道，因此时常出现行人不遵守交通规则或者机车司机疲劳、疏忽、误判断、麻痹等状况。而机车司机又是电机车安全行驶的关键，因此往往出现由于上述状况而造成人身伤害事故。鉴于此种情况，国内外尝试了各种方案如采用超声波、红外线和激光等对电机车前行道路上的行人进行识别报警，但由于井下的特殊使用环境，这些方案都存在一些局限性。如超声波监测设备在长距离的巷道中使用时，其反射波将过于微弱，使得灵敏度下降，精度很低，最佳距离为4-5米，然而为了使司机有足够的时间对报警信号做出反应，同时考虑到电机车的刹车距离，至少需要对在30米以外轨道上的行人进行精确的识别报警。若采用红外监测，虽然测量距离较超声波有所提高，但其定位精度较差，无法正确的判断前方的行人是位于轨道上，还是在轨道两侧的人行道正常行走。采用激光监测设备测量精度非常高，但其作为一种精密仪器对使用环境要求很高，安装在高速行驶并且不断振动的车体上难以保证其正常运行。提出一种新的解决方案来处理电机车运输过程中的这一重大安全隐患是非常必要。

我们在对国内相关科研院所和现代化矿井做了广泛调研的基础上，将新型的图像处理技术应用于电机车行人检测中，设计了基于图像处理的矿用电机车行人监测报警系统。电机车安装该系统后，该系统能进行复杂的背景下的运动目标识别，提取出目标距离估计算法和报警处理方案，对机车前方行人进行检测报警，提高了矿用电机车运输安全性能，改变了过去仅仅靠机车司机肉眼进行观察的局面，电机车撞人的现象得到了有效制止，大大提高了煤矿电机车运输环节的安全可靠性及自动化管理水平。本系统中红外摄像仪的采用使得无论井下的光线亮暗，都不影响该系统的使用。

发明内容

本发明的目的是提供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，以实现对电机车前进轨道上的行人进行监测报警。

为了达到上述目的，本发明所采用的技术方案为：

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。

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。

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。

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。

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。

所述的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)