一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法
【專利摘要】本發(fā)明公開一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，分為學(xué)習(xí)階段和工作階段，學(xué)習(xí)階段提取采集到的增氧機(jī)視頻中的前后兩幀圖像，利用角點(diǎn)檢測方法檢測前一幀圖像的角點(diǎn)；根據(jù)前一幀圖像的角點(diǎn)，利用光流法在后一幀中搜索出對應(yīng)的角點(diǎn)；計(jì)算所提取前后兩幀圖像對應(yīng)角點(diǎn)的平均位移量，統(tǒng)計(jì)視頻中所有前后連續(xù)兩幀圖像對應(yīng)角點(diǎn)的位移，畫出位移直方圖，獲取增氧機(jī)停止/運(yùn)行工作狀態(tài)的判斷閾值T；工作階段，采用同樣的方式獲取前后兩幀對應(yīng)角點(diǎn)的平均位移量，當(dāng)平均位移量大于T時，判斷增氧機(jī)為運(yùn)行狀態(tài)，否則增氧機(jī)為停止?fàn)顟B(tài)。該方法可在無人監(jiān)管的情況下，利用已有的攝像裝置對增氧機(jī)的運(yùn)行狀態(tài)進(jìn)行實(shí)時的監(jiān)控，且安裝和調(diào)試十分方便。
【專利說明】一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)視覺【技術(shù)領(lǐng)域】，更具體地，涉及一種基于視頻圖像特征的增氧機(jī)異常工作檢測方法。
【背景技術(shù)】
[0002]在水產(chǎn)養(yǎng)殖中，養(yǎng)殖塘水中溶氧含量偏低會妨害魚類生長，引起浮頭、甚至大量窒息死亡，給水產(chǎn)養(yǎng)殖業(yè)造成巨大損失。所以，人們利用增氧機(jī)來增加養(yǎng)殖水中的溶氧量，以改善水體中溶氧分布不均勻的問題。然而，增氧機(jī)的工作條件惡劣，魚塘的水對增氧機(jī)有著較強(qiáng)的腐蝕性、葉輪上時常有纏繞物或附著物、浮體磨損降低浮力致使負(fù)荷增大、增氧機(jī)電動機(jī)與水接觸、以及供電系統(tǒng)斷電等原因均能造成增氧機(jī)電機(jī)燒毀或異常停止，而增氧機(jī)的異常停止會給水產(chǎn)養(yǎng)殖企業(yè)或養(yǎng)殖戶帶來巨大的損失。因此，實(shí)時檢測增氧機(jī)的異常停止工作狀態(tài)變得十分重要。
[0003]目前，對增氧機(jī)的監(jiān)控主要是依賴人工看守，但這一方式非常耗費(fèi)人力，無法實(shí)現(xiàn)漁場管理的智能化；另外一種常用方法是利用電流或電壓等傳感器對增氧機(jī)的異常停止?fàn)顟B(tài)進(jìn)行檢測，該方法因其硬件系統(tǒng)和安裝調(diào)試過程復(fù)雜，抗干擾能力差等缺點(diǎn)，無法得到廣泛的應(yīng)用。

【發(fā)明內(nèi)容】

[0004]為了克服現(xiàn)有方法的不足，本發(fā)明提出一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，該方法通過已有的監(jiān)控?cái)z像頭獲取增氧機(jī)工作視頻，利用智能視頻分析技術(shù)對增氧機(jī)的啟動、停止?fàn)顟B(tài)進(jìn)行自動檢測，實(shí)現(xiàn)在無人監(jiān)管的情況下實(shí)時監(jiān)控，提高了漁場管理的智能化水平。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為:
[0006]一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，該方法分為學(xué)習(xí)階段和工作階段，
[0007]學(xué)習(xí)階段時，用攝像裝置采集增氧機(jī)視頻，在視頻窗口選定增氧機(jī)的檢測區(qū)域，將增氧機(jī)從停止到啟動運(yùn)行再由運(yùn)行到停止重復(fù)數(shù)次，以采集增氧機(jī)停止/運(yùn)行狀態(tài)；具體步驟如下:
[0008](Ia)提取視頻中的前后兩幀圖像，并利用角點(diǎn)檢測方法檢測前一幀圖像在增氧機(jī)檢測區(qū)域的角點(diǎn)；
[0009](Ib)根據(jù)前一幀圖像的角點(diǎn)，利用光流法在后一幀中搜索出對應(yīng)的角點(diǎn)；
[0010](Ic)計(jì)算所提取前后兩幀圖像對應(yīng)角點(diǎn)的平均位移量S，統(tǒng)計(jì)學(xué)習(xí)階段視頻中所有前后連續(xù)兩幀圖像對應(yīng)角點(diǎn)的平均位移量S，根據(jù)平均位移量S畫出位移直方圖，并利用OTSU算法自動獲取增氧機(jī)停止/運(yùn)行工作狀態(tài)的判斷閾值T ；
[0011]工作階段時，用攝像裝置采集增氧機(jī)視頻，在已選定增氧機(jī)的檢測區(qū)域，采用上述學(xué)習(xí)階段的(la)、( lb)，計(jì)算視頻中前后兩幀對應(yīng)角點(diǎn)的平均位移量，當(dāng)平均位移量大于T時，則判斷增氧機(jī)為運(yùn)行狀態(tài)，反之，則增氧機(jī)為停止?fàn)顟B(tài)。
[0012]上述在視頻窗口選定增氧機(jī)的檢測區(qū)域是通過人機(jī)交互方式人為在視頻窗口選定增氧機(jī)的檢測區(qū)域。通過在學(xué)習(xí)階段學(xué)習(xí)訓(xùn)練，得到一個判斷閾值T。在學(xué)習(xí)階段計(jì)算所提取前后兩幀圖像對應(yīng)角點(diǎn)的平均位移量S，其具體計(jì)算過程為:統(tǒng)計(jì)前后兩幀所有角點(diǎn)的位置之和，除以前后兩幀的角點(diǎn)數(shù)得到平均位移量S。進(jìn)一步計(jì)算學(xué)習(xí)階段視頻中所有前后連續(xù)兩幀圖像對應(yīng)角點(diǎn)的平均位移量S。
[0013]光流法檢測運(yùn)動目標(biāo)的基本原理是通過給圖像中的每一個像素點(diǎn)賦予一個速度矢量，從而形成一個圖像運(yùn)動場。在運(yùn)動的某一個特定時刻，通過投影關(guān)系，可以使圖像上的點(diǎn)與三維物體上的點(diǎn)一一對應(yīng)。根據(jù)各個像素點(diǎn)的速度矢量特征，可以對圖像進(jìn)行動態(tài)分析。
[0014]本方法需要統(tǒng)計(jì)視頻前后兩幀增氧機(jī)檢測區(qū)域水花角點(diǎn)的運(yùn)動平均位移量，進(jìn)而判斷增氧機(jī)是否異常工作，所以應(yīng)用光流法來計(jì)算角點(diǎn)的方向運(yùn)動特征。一般情況下，光流法采用迭代的近似求解，計(jì)算復(fù)雜度高、時間開銷大，但本發(fā)明中用光流法只對增氧機(jī)的檢測區(qū)域的角點(diǎn)進(jìn)行計(jì)算，計(jì)算量比較少，運(yùn)算速度較快，因而實(shí)時性較好。
[0015]更進(jìn)一步的，所述增氧機(jī)的檢測區(qū)域是根據(jù)增氧機(jī)具體工作位置設(shè)定的水花運(yùn)動區(qū)域，因?yàn)樵谒ㄟ\(yùn)動區(qū)域內(nèi)進(jìn)行檢測可以減少漁場其它環(huán)境對檢測判斷的影響，也可以減少算法的運(yùn)算量。
[0016]更進(jìn)一步的，所述角點(diǎn)檢測方法檢測到的角點(diǎn)是對應(yīng)增氧機(jī)運(yùn)動時激起的水花或水面上的水紋。
[0017]更進(jìn)一步的,所述角點(diǎn)檢測方法采用Harris算法,Harris算法是目前比較流行的角點(diǎn)檢測方法之一，與Sift特征點(diǎn)檢測相比，該方法有更快的檢測速度，更符合漁場增氧機(jī)實(shí)時檢測的要求。
[0018]更進(jìn)一步的,所述光流法采用Lucas-Kanade光流法。
[0019]與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是:該方法可以在無人監(jiān)管的情況下，利用已有的攝像裝置對增氧機(jī)的運(yùn)作狀態(tài)進(jìn)行實(shí)時的監(jiān)控，而且系統(tǒng)的安裝和調(diào)試十分方便；本發(fā)明通過統(tǒng)計(jì)視頻前后兩幀增氧機(jī)檢測區(qū)域水花角點(diǎn)的運(yùn)動平均位移量，進(jìn)而判斷增氧機(jī)是否異常工作，應(yīng)用光流法來計(jì)算角點(diǎn)的方向運(yùn)動特征。一般情況下，光流法采用迭代的近似求解，計(jì)算復(fù)雜度高、時間開銷大，但本發(fā)明中用光流法只對增氧機(jī)的檢測區(qū)域的角點(diǎn)進(jìn)行計(jì)算，計(jì)算量比較少，運(yùn)算速度較快，因而具有較好的實(shí)時性。
【專利附圖】

【附圖說明】
[0020]圖1為本發(fā)明的流程圖。
[0021]圖2為拍攝增氧機(jī)的停止/運(yùn)行工作狀態(tài)示意圖。
[0022]圖3為自動閾值提取直方圖。
[0023]圖4為實(shí)施例一拍攝增氧機(jī)的停止/運(yùn)行工作狀態(tài)示意圖。
[0024]圖5為實(shí)施例一自動閾值提取直方圖。
[0025]圖6為實(shí)施例二拍攝增氧機(jī)的停止/運(yùn)行工作狀態(tài)示意圖。
[0026]圖7為實(shí)施例二自動閾值提取直方圖?！揪唧w實(shí)施方式】
[0027]下面結(jié)合附圖和實(shí)施例對本發(fā)明的技術(shù)方案做進(jìn)一步的說明。
[0028]本發(fā)明提供了一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，該方法在無人監(jiān)管的情況下，利用攝像裝置對增氧機(jī)的運(yùn)作狀態(tài)進(jìn)行實(shí)時的監(jiān)控，提高了漁場管理的智能化水平。
[0029]如附圖1所示，該方法分為學(xué)習(xí)階段和工作階段，學(xué)習(xí)階段時，用攝像裝置采集增氧機(jī)視頻，視頻的分辨率必須在Dl以上，通過人機(jī)交互人為在視頻窗口選定增氧機(jī)的檢測區(qū)域，必須保證檢測區(qū)域的大小在100X 100像素以上，將增氧機(jī)從停止到啟動運(yùn)行再由運(yùn)行到停止重復(fù)數(shù)次，以達(dá)到采集增氧機(jī)停止/運(yùn)行狀態(tài)目的。
[0030]具體實(shí)現(xiàn)為:
[0031]學(xué)習(xí)階段，獲取增氧機(jī)停止/運(yùn)行的判斷閾值。
[0032]因?yàn)椴煌脑鲅鯔C(jī)運(yùn)動時激起的水花數(shù)量和水花運(yùn)動的速度不同，增氧機(jī)離攝像頭的遠(yuǎn)近也不盡相同，這些因素都直接影響判斷閾值的大小。因此，在要對增氧機(jī)運(yùn)動狀態(tài)判斷前，需要自動學(xué)習(xí)攝像頭在某一角度下拍攝該增氧機(jī)的閾值T。
[0033]( I)首先，用攝像裝置采集視頻，通過人機(jī)交互方式選定增氧機(jī)檢測區(qū)域，將增氧機(jī)從停止到啟動運(yùn)行再由啟動到停止多次，如增氧機(jī)狀態(tài)為:停止(2分鐘)一啟動運(yùn)行(2分鐘，第一個周期)——停止(2分鐘)——啟動運(yùn)行(2分鐘，第二個周期)……如此重復(fù)5個周期，以達(dá)到采集增氧機(jī)運(yùn)行/停止?fàn)顟B(tài)的目的。
[0034](2)從視頻中提取前后兩幀圖像，利用Harris算法檢測前一幀圖像的角點(diǎn)。Harris方法提取圖像中角點(diǎn)的過程可以分為以下幾步:
[0035]21)計(jì)算圖像像素點(diǎn)在水平和垂直方向上的梯度，以及兩者的乘積，得到協(xié)方差矩陣M中4個元素的值:
【權(quán)利要求】
1.一種基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，其特征在于，該方法分為學(xué)習(xí)階段和工作階段， 學(xué)習(xí)階段時，用攝像裝置采集增氧機(jī)視頻，在視頻窗口選定增氧機(jī)的檢測區(qū)域，將增氧機(jī)從停止到啟動運(yùn)行再由運(yùn)行到停止重復(fù)數(shù)次，以采集增氧機(jī)停止/運(yùn)行狀態(tài)；具體步驟如下: (Ia)提取視頻中的前后兩幀圖像，并利用角點(diǎn)檢測方法檢測前一幀圖像在增氧機(jī)檢測區(qū)域的角點(diǎn)； (Ib)根據(jù)前一幀圖像的角點(diǎn)，利用光流法在后一幀中搜索出對應(yīng)的角點(diǎn)； (Ic)計(jì)算所提取前后兩幀圖像對應(yīng)角點(diǎn)的平均位移量S，統(tǒng)計(jì)學(xué)習(xí)階段視頻中所有前后連續(xù)兩幀圖像對應(yīng)角點(diǎn)的平均位移量S，根據(jù)平均位移量S畫出位移直方圖，并利用OTSU算法自動獲取增氧機(jī)停止/運(yùn)行工作狀態(tài)的判斷閾值T ； 工作階段時，用攝像裝置采集增氧機(jī)視頻，在已選定增氧機(jī)的檢測區(qū)域，采用上述學(xué)習(xí)階段的(la)、(lb)，計(jì)算視頻中前后兩幀對應(yīng)角點(diǎn)的平均位移量，當(dāng)平均位移量大于T時，則判斷增氧機(jī)為運(yùn)行狀態(tài)，反之，則增氧機(jī)為停止?fàn)顟B(tài)。
2.根據(jù)權(quán)利要求1所述的基于視頻圖像特征的增氧機(jī)工作狀態(tài)檢測方法，其特征在于，所述增氧機(jī)的檢測區(qū)域是根據(jù)增氧機(jī)具體工作位置設(shè)定的水花運(yùn)動區(qū)域。
3.根據(jù)權(quán)利要求1所述的基于視頻圖像特征的增氧機(jī)異常工作檢測方法，其特征在于，所述角點(diǎn)檢測方法檢測到的角點(diǎn)對應(yīng)增氧機(jī)運(yùn)動時激起的水花或水面上的水紋。
4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的基于視頻圖像特征的增氧機(jī)異常工作檢測方法，其特征在于，所述角點(diǎn)檢測方法采用Harris算法。
5.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的基于視頻圖像特征的增氧機(jī)異常工作檢測方法，其特征在于，所述光流法采用Lucas-Kanade光流法。
【文檔編號】G06T7/00GK103578112SQ201310567932
【公開日】2014年2月12日 申請日期:2013年11月14日 優(yōu)先權(quán)日:2013年11月14日
【發(fā)明者】薛月菊, 毛亮, 何金輝, 李鴻生 申請人:華南農(nóng)業(yè)大學(xué)