CN106022309B - 一种基于视频的自动检测lvdt拉杆状态的监视方法及*** - Google Patents
一种基于视频的自动检测lvdt拉杆状态的监视方法及*** Download PDFInfo
- Publication number
- CN106022309B CN106022309B CN201610420248.2A CN201610420248A CN106022309B CN 106022309 B CN106022309 B CN 106022309B CN 201610420248 A CN201610420248 A CN 201610420248A CN 106022309 B CN106022309 B CN 106022309B
- Authority
- CN
- China
- Prior art keywords
- pull rod
- lvdt
- video
- characteristic point
- drawhead
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于视频的自动检测LVDT拉杆状态的监视方法及***,该方法包括:获取对LVDT进行实时监控的视频图像;通过所述视频图像检测预设待检测区域内的特征点;对所述特征点的运动变化进行跟踪;通过拉杆头检测区域与拉杆固定件区域之间的相对位移值,确定LVDT拉杆的移动距离。本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法及***,通过视频监控LVDT拉杆,能够直接对LVDT的工作状态进行跟踪和分析,进一步在发现异常情况时能够自动报警,从而减少了设备异常引起的损失以及人力在监控视频中的投入。
Description
技术领域
本发明涉及数字图像中的目标跟踪技术领域,特别是涉及一种基于视频的自动检测LVDT拉杆状态的监视方法及***。
背景技术
随着多媒体信息技术的发展,各种高科技产物应接不暇。其中信息社会中,监控视频技术得到快速发展,监控设备已经遍及生活中的各大场所,例如:银行、学校、商店、小区、厂房、学校等等。监控的利用给我们的生活治安、险情的预防和案件举证带来了极大的帮助。其中,在厂房中的视频监控尤为重要,通过视频监控来及时了解厂房中的设备工作情况,一旦发现异常,可通知人们迅速地进行维护,将损失降低到最小。
传统的厂房视频监控***主要靠人工的干预。首先,通过监控***把摄像头采集来的视频传送到监控中心;然后工作人员实时注视视频墙上的视频,根据经验判断是否存在异常事件。但是传统监控***已经不能够满足实时监控场所的要求,具体不足体现在以下几个方面:一、人无法24小时对大量的视频进行实时监控,无法实时监测设备的状态;二、由于人自身的生理弱点,长时间的注视监控视频会引起视觉疲劳,从而无法察觉安全威胁;三、异常情况发生后,如果无法及时知道发生时间,将会造成大量损失。由此可见,查询和浏览监控视频耗时又耗力,效率十分低下。鉴于此,针对LVDT拉杆异常出现的问题,如何采用视频分析技术直接对LVDT工作状态进行跟踪和分析,发现异常并自动报警是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种基于视频的自动检测LVDT拉杆状态的监视方法及***,目的在于通过利用图像分析技术自动完成对LVDT工作状态的监控,以减少设备异常引起的损失以及人力在监控视频中的投入。
为解决上述技术问题,本发明提供一种基于视频的自动检测LVDT拉杆状态的监视方法,包括:
获取对LVDT进行实时监控的视频图像;
通过所述视频图像检测预设待检测区域内的特征点;
对所述特征点的运动变化进行跟踪;
通过拉杆头检测区域与拉杆固定件区域之间的相对位移值,确定LVDT拉杆的移动距离。
可选地,还包括:
通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;
将所述当前方向与预设方向进行比较,判断拉杆是否脱落。
可选地,所述将所述当前方向与预设方向进行比较,判断拉杆是否脱落包括:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;
将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
可选地,在所述获取对LVDT进行实时监控的视频图像之后还包括:
对获取到的视频图像进行等比例缩放,缩放因子为图像长或宽与显示区域对应边的比值;
对缩放后的图像进行灰度化处理,并对图像利用颜色直方图进行增强处理。
可选地,所述特征点为角点。
可选地,所述对所述特征点的运动变化进行跟踪包括:
计算前一帧图像中拉杆头检测区域内的特征点的位置;
在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
本发明还提供了一种基于视频的自动检测LVDT拉杆状态的监视***,包括:
视频图像获取模块,用于获取对LVDT进行实时监控的视频图像;
特征点检测模块,用于通过所述视频图像检测预设待检测区域内的特征点;
跟踪模块,用于对所述特征点的运动变化进行跟踪;
确定模块,用于通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定LVDT拉杆的移动距离。
可选地,还包括:
脱落检测模块,用于通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;将所述当前方向与预设方向进行比较,判断拉杆是否脱落。
可选地,所述脱落检测模块具体用于:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
可选地,所述跟踪模块包括:
计算单元,用于计算前一帧图像中拉杆头检测区域内的特征点的位置;
搜索单元,用于在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
更新单元,用于当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法及***,通过获取对LVDT进行实时监控的视频图像;通过视频图像检测预设待检测区域内的特征点;对特征点的运动变化进行跟踪;通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定LVDT拉杆的移动距离。可见,本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法及***,通过视频监控LVDT拉杆,能够直接对LVDT的工作状态进行跟踪和分析,进一步在发现异常情况时能够自动报警,从而减少了设备异常引起的损失以及人力在监控视频中的投入。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的一种具体实施方式的流程图;
图2为本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的另一种具体实施方式的流程图;
图3为本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的又一种具体实施方式的流程图;
图4为LVDT检测***设定示意图;
图5为LVDT检测中目标区域特征点检测效果图;
图6为LVDT检测中拉杆检测结果示意图一;
图7为LVDT检测中拉杆检测结果示意图二;
图8为本发明实施例提供的基于视频的自动检测LVDT拉杆状态的监视***的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的一种具体实施方式的流程图如图1所示,该方法包括:
步骤S101:获取对LVDT进行实时监控的视频图像;
获取到的视频图像可以是各种视频获取设备按照固定频率对LVDT监控的视频,例如:通过监控摄像头获取的视频,通过移动手机获取的视频等等。
步骤S102:通过所述视频图像检测预设待检测区域内的特征点;
步骤S103:对所述特征点的运动变化进行跟踪;
步骤S104:通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定所述LVDT拉杆的移动距离。
其中,拉杆头检测区域为包含拉杆头的预设区域,拉杆固定件为包含拉杆固定件的预设区域,上述两个区域可以提前由用户进行设定,或者通过图像检测确定,这均不影响本发明的实现。
在通过特征点跟踪确定了拉杆头检测区域与拉杆固定件区域之间的相对位移值,即当前拉杆头的位置与拉杆固件的位置后,可以通过简单的欧式距离计算得到拉杆的位移。虽然摄像头存在抖动,但是摄像头的抖动都影响拉杆头和拉杆固件的位置。所以通过两者位置的距离仍然可以准确得到拉杆的测量值。该测量值与实际值进行等比换算就可以得到LVDT的值。
本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法,通过获取对LVDT进行实时监控的视频图像;通过视频图像检测预设待检测区域内的特征点;对特征点的运动变化进行跟踪;通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定LVDT拉杆的移动距离。可见,本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法,通过视频监控LVDT拉杆,能够直接对LVDT的工作状态进行跟踪和分析,进一步在发现异常情况时能够自动报警,从而减少了设备异常引起的损失以及人力在监控视频中的投入。
在上述实施例的基础上,本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法还可以进一步包括:对拉杆方向进行检测,以判断其是否脱落的过程。具体过程为:通过设定拉杆起始的方向,然后通过比对该方向是否发生变化来确定拉杆是否脱落。在实现时,通过检测拉杆头和拉杆固定件之间区域中的直线,获得拉杆当前的方向,并通过该方向与设定方向之间的差值来确定是否脱落。请参照图2本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的另一种具体实施方式的流程图,该实施例包括:
步骤S201:获取对LVDT进行实时监控的视频图像;
步骤S202:通过所述视频图像检测预设待检测区域内的特征点;
步骤S203:对所述特征点的运动变化进行跟踪;
步骤S204:通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定所述LVDT拉杆的移动距离;
步骤S205:通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;
步骤S206:将所述当前方向与预设方向进行比较,判断拉杆是否脱落。
上述判断的过程可以具体为:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
本实施例通过计算拉杆头左右部分是否发生扭转,如果扭转超过一定阈值T则认为发生断裂的可能。
在上述任一实施例的基础上,本实施例在获取对LVDT进行实时监控的视频图像之后还可以包括:对视频图像进行预处理的过程。该过程可以具体包括:
对获取到的视频图像进行等比例缩放,缩放因子为图像长或宽与显示区域对应边的比值。
读取每一帧的图像,并对其进行等比例缩放,使其能够在***显示区域进行正常显示,缩放因子为图像长或宽与显示区域对应边的比值。如果长边的比值大于宽边的比值,则采取长边的缩放因子;反之,采取宽边的缩放因子。
确定好缩放因子之后,对缩放后的图像进行灰度化处理,并对图像利用颜色直方图进行增强处理。
作为一种具体实施方式,本实施例中特征点可以具体为角点。这样,仅需要对选择的检测目标区域进行角点检测即可,不需要对整个视频帧进行检测,大大减少了检测的复杂度,提高了检测效率。
以角点为例,请参照图3,下面对本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法的又一种具体实施方式的工作过程进行进一步详细描述。
步骤S301:进行***的设置。
由于LVDT安装灵活,位置多变。为了更好的部署***,摄像头的角度和位置可根据实际的场景进行变化。具体地,可根据摄像头的角度和位置来针对性的设置***,提高***的灵活性。本***通过设置一些主要检测区域来提高***的实用性。
在本实施例中主要设置待检测区域、拉杆头检测区域、拉杆固定件区域三个区域,进一步还可以设置拉杆的方向的设定。待检测区域为感兴趣区域,用于确定方法检测的范围,提高对各种噪声的鲁棒性,减少外界的干扰,并且减少计算复杂度。拉杆头检测区域和拉杆固定件区域用于设置方法开始检测的目标。根据该设置的目标区域,方法会跟踪该区域的运动,从而实现方法自动检测拉杆位移的功能。
如图4LVDT检测***设定示意图所示,为了方便工作人员进行***设置,本实施可直接通过在图像界面上进行操作。其操作流程为:先获取视频,然后点击暂停,并根据视频中的对象位置和方向分别设定待检测区域、拉杆头检测区域、拉杆固定件区域以及拉杆的预设方向,最后点击恢复实现实时检测。这些设定会被***保存,从而进行目标的跟踪、位移的检测、拉杆脱落的检测。
步骤S302:目标检测和跟踪;
基于LVDT具有较多的明显的特征点的特性,本实施例主要采用特征点跟踪的方法来实现拉杆头和拉杆固定件的跟踪,并根据其相对距离来确定拉杆的位移。特征点跟踪算法主要包括两个基本步骤:步骤S3021特征点的检测以及步骤S3022特征点的近邻搜索。
步骤S3021:特征点的检测;
本实施例采用角点作为目标区域的特征点,角点提取使用的算法可具体采用OpenCV中提供的角点检测函数cvGoodFeaturesToTrack,函数库版本为2.3.1。函数为:
void cvGoodFeaturesToTrack(const CvArr*image,CvArr*eig_image,CvArr*temp_image,CvPoint2D32f*corners,int*corner_count,double quality_level,doublemin_distance,const CvArr*mask=NULL,int blockSize);
其中,image为输入8-位或浮点32-比特单通道图像;eig_image临时浮点32-位图像,尺寸与输入图像一致;temp_image为另外一个临时图像,格式与尺寸与eig_image一致;corners为输出参数,是检测到的角点;corner_count输出参数,是检测到的角点数目;quality_level为大小特征值的乘法因子,本发明实施例中quality_level=0.1;min_distance为得到的角点的小距离的限制因子,本发明min_distance=5;mask,本发明实施例mask=NULL,代表整个区域;blockSize是搜索块的大小,本发明blockSize=3。
步骤S3022:特征点的近邻搜索;
本方法主要采用特征点跟踪的方法来实现拉杆头和拉杆固定件的跟踪,并根据其移动的相对距离来确定拉杆的位移。拉杆头的跟踪主要是跟踪拉杆头的位移,拉杆固定件的跟踪主要是防止摄像头的抖动引起误差而采取的措施,其目标跟踪算法是一样的。
目前主要的目标检测算法有光流法、帧差法和背景减法。光流法通过将图像中的每个像素与速度关联起来,利用视频内的先验知识,来估计目标的运动方向,该算法比较计算复杂度高,对多光源引起的噪声敏感。帧差法通过检测两帧相减,再对差分结果进行二值化,如果变化不大,则认为背景,反之则为目标,不足之处在于算法对背景较为敏感。背景相减法,背景减法通过建立背景模型,将当前帧与背景相减,得到差分图像,然后,计算差异大小,如果差异比较大则认为是运动的图像,但是该算法要求一个比较准确的实时背景建模算法。
本发明实施例采用光流法进行跟踪,具体跟踪算法如下:
计算前一帧图像中拉杆头检测区域内的特征点的位置;
在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
计算前一帧的目标区域内的特征点的位置,然后在当前帧中利用光流算法,针对前一帧特征点位置的附近进行搜索,当在当前帧搜索到前一帧对应的特征点之后,将目标区域更新当前帧的特征点区域。所采用的算法,可具体为OpenCV中提供的光流跟踪函数cvCalcOpticalFlowPyrLK,函数库版本为2.3.1。函数为:
void cvCalcOpticalFlowPyrLK(const CvArr*prev,const CvArr*curr,CvArr*prev_pyr,CvArr*curr_pyr,const CvPoint2D32f*prev_features,CvPoint2D32f*curr_features,int count,CvSize win_size,int level,char*status,float*track_error,CvTerm Criteriacriteria,int flags);
其中,prev是在时间t的第一帧;curr是在时间t+dt的第二帧;prev_pyr是第一帧的金字塔缓存;curr_pyr与prev_pyr类似用于第二帧;prev_features是需要发现光流的点集;curr_feature是包含新计算出来的位置的点集;features是第二幅图像中count特征点的数目;win_size是每个金字塔层的搜索窗口尺寸,本发明实施例取10*10;level最大的金字塔层数,本发明实施例level=10;status是数组。如果对应特征的光流被发现,数组中的每一个元素都被设置为1,否则设置为0;error是双精度数组,包含原始图像碎片与移动点之间的差。为可选参数,可以是NULL;criteria是准则,指定在每个金字塔层,为某点寻找光流的迭代过程的终止条件,本发明criteria=new MCvTermCriteria(20,0.3);flags是其它选项:
CV_LKFLOW_PYR_A_READY,在调用之前,先计算第一帧的金字塔
CV_LKFLOW_PYR_B_READY,在调用之前,先计算第二帧的金字塔
CV_LKFLOW_INITIAL_GUESSES,在调用之前,数组B包含特征的初始坐标。
本发明flags=CV_LKFLOW_INITIAL_GUESSES。
步骤S303:拉杆位移测量。通过实时计算拉杆头和拉杆固件之间的相对距离确定拉杆的位移测量。
拉杆位移测量主要是通过上述拉杆头的跟踪和拉杆固定区域的跟踪的相对位移来计算拉杆的位移刻度。在拉杆头检测区域,通过计算特征点在当前帧相对前一帧的平均移动位置,更新拉杆头检测区域为当前位位置;同理,拉杆固定区域的跟踪也是通过计算当前帧内特征点与前一帧特征点的平均移动距离得到当前帧拉杆固定检测区域,其特征点检测结果示意图如图5所示。然后利用欧式距离,计算拉杆头检测区域与拉杆固定检测区域的相对位移,最后通过测量值与实际值记性等比例换算就可以得到LVDT的值,测试视频的检测结果如图6、图7所示,其中,图6对应检测结果为拉杆正常的情况,图7对应检测结果为拉杆断裂的情况。
在当前帧内,计算标杆头检测区域的中心位置约束条件,重新计算的特征点应该在检测目标区域内。
curPoints[i].X>objectRect.Left and curPoints[i].X<objectRect.Right
curPoints[i].Y>objectRect.Top and curPoints[i].Y<objectRect.Bottom
其中curPoints是当前帧检测目标区域内的特征点,ObjectRect是上一帧所确定的检测目标位置。
其中,a(x1,y1),b(x2,y2)分别是拉杆头检测区域和拉杆固定区域的中心位置。d12是拉杆两个检测的相对位移。
步骤S304:拉杆脱落检测。通过设定拉杆起始的方向,然后通过比对该方向是否发生变化来确定拉杆是否脱落。在实现时,通过检测拉杆头和拉杆固定件之间区域中的直线,获得拉杆当前的方向,并通过该方向与设定方向之间的差值来确定是否脱落。
拉杆头由于是有两个拉杆连接着,如果拉杆出现断裂或脱落时候,拉杆头的左右部分就会失去平衡发生扭转,因此可根据这个特性,通过将拉杆头分为对称的两部分,分别进行跟踪检测,然后计算两部分的相对位移。如果两部分大于某一阈值T时则发生认为发生断裂的可能。
dlr=|Object_left-Object_right|
其中,dlr代表当前帧拉杆头的左右两部分的位移的绝对值,Object_left表示当前帧拉杆头的左部分的高度,Object_right表示当前帧的拉杆头的右半部分的高度。
其中,State表示拉杆是否脱落的状态,normal表示拉杆处于正常状态,broked表示拉杆已经脱落。
进一步地,在检测出拉杆故障后,还可以包括:发送报警信息,以对相关工作人员进行提示。
下面对本发明实施例提供的基于视频的自动检测LVDT拉杆状态的监视***进行介绍,下文描述的基于视频的自动检测LVDT拉杆状态的监视***与上文描述的基于视频的自动检测LVDT拉杆状态的监视方法可相互对应参照。
图8为本发明实施例提供的基于视频的自动检测LVDT拉杆状态的监视***的结构框图,参照图8基于视频的自动检测LVDT拉杆状态的监视***可以包括:
视频图像获取模块100,用于获取对LVDT进行实时监控的视频图像;
特征点检测模块200,用于通过所述视频图像检测预设待检测区域内的特征点;
跟踪模块300,用于对所述特征点的运动变化进行跟踪;
确定模块400,用于通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定LVDT拉杆的移动距离。
作为一种具体实施方式,本发明所提供的基于视频的自动检测LVDT拉杆状态的监视***还可以进一步包括:
脱落检测模块,用于通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;将所述当前方向与预设方向进行比较,判断拉杆是否脱落。
其中,上述脱落检测模块具体用于:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;
将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
在上述任一实施例的基础上,上述跟踪模块可以具体包括:
计算单元,用于计算前一帧图像中拉杆头检测区域内的特征点的位置;
搜索单元,用于在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
更新单元,用于当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
综上,本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法及***,通过摄像头获取LVDT的视频图像,对视频图像进行一系列的预处理。然后选取视频图像中的要检测区域,并检测该区域内的特征点。之后,检测LVDT上的特征点的变化运动方向,从而实现LVDT拉杆的跟踪。再然后,通过设定的参考区域和目标区域的位移变化确定拉杆的位移量。最后,拉杆脱落检测,根据目标区域的部分的特征点剧烈变化来完成。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于视频的自动检测LVDT拉杆状态的监视方法及***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种基于视频的自动检测LVDT拉杆状态的监视方法,其特征在于,包括:
获取对LVDT进行实时监控的视频图像;
通过所述视频图像检测预设待检测区域内的特征点;
对所述特征点的运动变化进行跟踪;
通过拉杆头检测区域与拉杆固定件区域之间的相对位移值,确定LVDT拉杆的移动距离;
还包括:
通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;
将所述当前方向与预设方向进行比较,判断拉杆是否脱落;
所述将所述当前方向与预设方向进行比较,判断拉杆是否脱落包括:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;
将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
2.如权利要求1所述的基于视频的自动检测LVDT拉杆状态的监视方法,其特征在于,在所述获取对LVDT进行实时监控的视频图像之后还包括:
对获取到的视频图像进行等比例缩放,缩放因子为图像长或宽与显示区域对应边的比值;
对缩放后的图像进行灰度化处理,并对图像利用颜色直方图进行增强处理。
3.如权利要求2所述的基于视频的自动检测LVDT拉杆状态的监视方法,其特征在于,所述特征点为角点。
4.如权利要求3所述的基于视频的自动检测LVDT拉杆状态的监视方法,其特征在于,所述对所述特征点的运动变化进行跟踪包括:
计算前一帧图像中拉杆头检测区域内的特征点的位置;
在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
5.一种基于视频的自动检测LVDT拉杆状态的监视***,其特征在于,包括:
视频图像获取模块,用于获取对LVDT进行实时监控的视频图像;
特征点检测模块,用于通过所述视频图像检测预设待检测区域内的特征点;
跟踪模块,用于对所述特征点的运动变化进行跟踪;
确定模块,用于通过拉杆头检测区域与拉杆固定件区域之间的相对位移值确定LVDT拉杆的移动距离;还包括:
脱落检测模块,用于通过所述视频图像,检测LVDT拉杆头与拉杆固定件之间的直线,确定拉杆的当前方向;将所述当前方向与预设方向进行比较,判断拉杆是否脱落;
所述脱落检测模块具体用于:
通过当前帧图像拉杆头的左部分高度与右部分高度,确定当前帧图像中拉杆头的左右两部分位移的绝对值;将所述绝对值与预设阈值进行比较;当所述绝对值大于所述预设阈值时,判定拉杆已脱落。
6.如权利要求5所述的基于视频的自动检测LVDT拉杆状态的监视***,其特征在于,所述跟踪模块包括:
计算单元,用于计算前一帧图像中拉杆头检测区域内的特征点的位置;
搜索单元,用于在当前帧图像中利用光流算法在所述前一帧图像的特征点位置周围预设区域内进行搜索;
更新单元,用于当在所述当前帧图像搜索到对应的特征点后,将拉杆头检测区域更新为当前帧的特征点区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420248.2A CN106022309B (zh) | 2016-06-13 | 2016-06-13 | 一种基于视频的自动检测lvdt拉杆状态的监视方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420248.2A CN106022309B (zh) | 2016-06-13 | 2016-06-13 | 一种基于视频的自动检测lvdt拉杆状态的监视方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106022309A CN106022309A (zh) | 2016-10-12 |
CN106022309B true CN106022309B (zh) | 2019-07-26 |
Family
ID=57087902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610420248.2A Active CN106022309B (zh) | 2016-06-13 | 2016-06-13 | 一种基于视频的自动检测lvdt拉杆状态的监视方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022309B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316307B (zh) * | 2011-08-22 | 2013-09-25 | 安科智慧城市技术(中国)有限公司 | 一种道路交通视频检测方法及装置 |
CN104182718B (zh) * | 2013-05-21 | 2019-02-12 | 深圳市腾讯计算机***有限公司 | 一种人脸特征点定位方法及装置 |
-
2016
- 2016-06-13 CN CN201610420248.2A patent/CN106022309B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106022309A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101978351B1 (ko) | Cctv 영상 기반의 실시간 자동 유량계측 시스템 및 방법 | |
CN105915846B (zh) | 一种单双目复用的入侵物监测方法及*** | |
CN105651377B (zh) | 一种基于视频数据挖掘的非接触式物体振动频率测量方法 | |
CN106851049B (zh) | 一种基于视频分析的场景变更检测方法及装置 | |
US7982774B2 (en) | Image processing apparatus and image processing method | |
CN109816794B (zh) | 一种基于管网属性数据的三维可视化***及方法 | |
EA018349B1 (ru) | Способ видеоанализа | |
Liu et al. | On directional k-coverage analysis of randomly deployed camera sensor networks | |
CN110636281B (zh) | 一种基于背景模型的监控摄像头遮挡实时检测方法 | |
Kang et al. | The change detection of building models using epochs of terrestrial point clouds | |
CN112233179A (zh) | 一种视觉里程计测量方法 | |
CN109905670A (zh) | 一种多级平台监控*** | |
KR20110023468A (ko) | 적응적 배경 기반의 객체 검출 및 추적 장치 및 방법 | |
CN106611165B (zh) | 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置 | |
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN111767826A (zh) | 一种定时定点场景异常检测方法 | |
KR101813244B1 (ko) | 열영상을 이용한 실시간 표면영상유속계 및 그의 측정 방법 | |
CN112687211B (zh) | 一种显示面板的拖影测量方法及装置、存储介质 | |
CN106022309B (zh) | 一种基于视频的自动检测lvdt拉杆状态的监视方法及*** | |
JP2005149035A (ja) | 浸水監視装置 | |
CN112233139A (zh) | 用于在3d数据重建过程中检测运动的***和方法 | |
CN107341818A (zh) | 用于触摸屏响应性能测试的图像分析算法 | |
CN114143440A (zh) | 一种流速检测装置、方法及计算机可读存储介质 | |
Yuan et al. | River video flow measurement algorithm with space-time image fusion of object tracking and statistical characteristics | |
CN113192363A (zh) | 一种基于人工智能算法的视频数据边缘计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |