一种具有目标识别功能的推土装置制造方法及图纸

本发明专利技术公开了一种具有目标识别功能的推土装置，包括推土机和安装在推土机上的监控装置，监控装置具体包括预处理模块、检测跟踪模块、识别输出模块，其中预处理模块包含图像转化、图像滤波、图像增强三个子模块，检测跟踪模块包含构建、丢失判别、更新三个子模块。本推土机将视频图像技术运用在推土机上，能有效监控记录恶意破坏行为，具有实时性好、定位准确、自适应能力强、图像细节保留完整和鲁棒性强等优点。

【技术实现步骤摘要】

本专利技术涉及推土装置领域，具体涉及一种具有目标识别功能的推土装置。
技术介绍
推土机是一种工程车辆，前方装有大型的金属推土刀，使用时放下推土刀，向前铲削并推送泥、沙及石块等，推土刀位置和角度可以调整。推土机能单独完成挖土、运土和卸土工作，具有操作灵活、转动方便、所需工作面小、行驶速度快等特点。其主要适用于一至三类土的浅挖短运，如场地清理或平整，开挖深度不大的基坑以及回填，推筑高度不大的路基等。推土机作为一种重要的昂贵设备，推土机的安全性尤为重要，必须能防止和监视恶意破坏行为。
技术实现思路
针对上述问题，本专利技术提供一种具有目标识别功能的推土装置。本专利技术的目的采用以下技术方案来实现：一种具有目标识别功能的推土装置，包括推土机和安装在推土机上的监测装置，监测装置用于对推土机附近的活动进行视频图像监测，监测装置包括预处理模块、检测跟踪模块、识别输出模块；(1)预处理模块,用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：图像转化子模块,用于将彩色图像转化为灰度图像: H ( x , y ) = max ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) + min ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) 2 + 2 ( max ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) - min ( R ( x , y ) , G ( x , y ) , B (本文档来自技高网...

【技术保护点】
一种具有目标识别功能的推土装置，包括推土机和安装在推土机上的监测装置，监测装置用于对推土机附近的活动进行视频图像监测，其特征是，监测装置包括预处理模块、检测跟踪模块、识别输出模块；(1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：图像转化子模块，用于将彩色图像转化为灰度图像：H(x,y)=max(R(x,y),G(x,y),B(x,y))+min(R(x,y),G(x,y),B(x,y))2+2(max(R(x,y),G(x,y),B(x,y))-min(R(x,y),G(x,y),B(x,y)))]]>其中，R(x，y)、G(x，y)、B(x，y)分别代表像素(x，y)处的红绿蓝强度值，H(x，y)代表坐标(x，y)处的像素灰度值；图像大小为m×n；图像滤波子模块，用于对灰度图像进行滤波：采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvlm(x，y)，具体定义公式为：Msvlm(x，y)＝a1J1(x，y)+a2J2(x，y)+a3J3(x，y)+a4J4(x，y)，其中a1、a2、a3、a4为可变权值，i＝1，2，3，4；J(x，y)为经滤波后的图像；图像增强子模块：当|128-m|>|ω-50|3]]>时，L(x,y)=255×(H(x,y)255)ψ(x,y),]]>其中，L(x，y)为增强后的灰度值；ψ(x，y)是包含有局部信息的伽马校正系数，此时α是范围为0到1的可变参数，ω为模板尺度大小参量，尺度越大则模板中包含的邻域像素信息就越多，输入图像经过不同尺度ωi的模板，得到的图像Ji将会包含不同范围的邻域信息；当|128-m|≤|ω-50|3]]>且ω＞50时，L(x,y)=255×(H(x,y)255)ψ(x,y)×(1-ω-50ω2),]]>其中ψ(x,y)=ψα(Msvlm(x,y)),α=1-|128-min(mL,mH)128|,]]>mH是图像中灰度值高于128的所有像素的均值，mL是灰度值低于128的所有像素的均值，且此时m＝min(mH，mL)，在α值已知的情况下，计算出256个ψ校正系数作为查找表，记为其中i为索引值，利用Msvlm(x，y)的灰度值作为索引，根据ψ(x，y)＝ψα(Msvlm(x，y))快速获得图像中每个像素的伽马校正系数ψ(x，y)；为模板修正系数；(2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：构建子模块，用于视觉字典的构建：在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟踪结果作为训练集X＝{x1，x2，......xN}T；并对训练集中的每幅目标图像提取128维的SIFT特征其中St表示训练集中第t幅目标图像中SIFT特征的个数；跟踪N帧以后，通过聚类算法将这些特征划分为K个簇，每个簇的中心构成特征单词，记为能够提取到的特征总量其中K＜＜FN，且视觉字典构建好以后，每幅训练图像表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图h(xt)表示，h(xt)通过以下方式获取：将一幅训练图像Xt中的每一个特征向视觉字典投影，用投影距离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并归一化得到训练图像Xt的特征直方图h(xt)；丢失判别子模块，用于判别目标的丢失与否：当新一帧图像到来时，从K个直方图柱中随机选取Z＜K个直方图柱，且Z＝4，形成新的大小为Z的子直方图h(z)(xt)，子直方图的个数最多为个；计算候选目标区域和训练集中某个目标区域对应子直方图的相似性Φt_z，其中t＝1，2，...，N，z＝1，2，...，Ns，然后计算总体相似性Φt＝1‑Πz(1‑Φt_z)；候选目标区域与目标的相似性用Φ＝max{Φt，t}表示，则目标丢失判断式为：u=sign(Φ)=1Φ≥gs0Φ<gs,]]>其中gs为人为设定的判失阀值；当u＝1时目标被稳定跟踪，当u＝0时，目标丢失；当目标丢失时，定义仿射变换模型：xtyt=s.cos(μ1×θ)s.sin(μ1×θ)-s.sin(μ1×θ)s.cos(μ1×θ)xt-1yt-1+μ2ef,]]>其中(xt，yt)和(xt‑1，yt‑1)分别为当前帧目标中某个SITF特征点的位置坐标和前一个帧目标中对应匹配特征点的位置坐标，两者均为已知量；s为尺度系数，θ为旋转系数，e...

【技术特征摘要】
1.一种具有目标识别功能的推土装置，包括推土机和安装在推土机上的监测装置，监
测装置用于对推土机附近的活动进行视频图像监测，其特征是，监测装置包括预处理模块、
检测跟踪模块、识别输出模块；
(1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤
波子模块和图像增强子模块：
图像转化子模块，用于将彩色图像转化为灰度图像：
H ( x , y ) = max ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) + m i n ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) 2 + 2 ( max ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) - m i n ( R ( x , y ) , G ( x , y ) , B ( x , y ) ) ...

【专利技术属性】
技术研发人员：张健敏，
申请(专利权)人：张健敏，
类型：发明
国别省市：浙江;33