申请/专利权人：中国矿业大学

申请日：2020-11-25

公开（公告）日：2024-04-05

公开（公告）号：CN112308032B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/40;G06V10/25;G06V10/762;G06N3/0464;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.02.23#实质审查的生效;2021.02.02#公开

摘要：本发明公开了一种视频检测的井下风门智能协同联动控制方法，属智能监控技术领域，利用智能视频监控技术对风门区域进行实时目标类型的识别和位置的检测，确认其目标属性与当前通行需求行人开小风门，车辆开大风门，进而实现两道风门的智能开闭和巷道的高效通行；同时设计两道风门开闭的逻辑闭锁，在软件功能上限制两道风门同时开闭的情况，从根本上消除人为因素造成的安全风险；除此之外，为了满足紧急情况下的人员疏散需求，设置手动风门闭锁解除按钮，最大化事故发生时的人员疏散效率。

主权项：1.一种视频检测的井下风门智能协同联动控制方法，其特征在于：包括如下步骤：1首先使用荧光带对风门的待通行区域进行标记；2基于YOLOv3目标检测算法对摄像头采集视频进行行人和车辆的检测，得到检测结果的类别、检测框坐标信息；基于色彩特征提取算法对待识别区域进行ROI初始化标定；3基于ROI信息和目标检测信息，从空间域和时间域两个维度对当前风门场景中的通行需求进行识别；4确定当前识别单元中的目标类型后，根据风门通行规则进行风门开启操作；5利用视频分析的方式对风门的开闭状态进行不间断监控：首先在风门上进行人工标记，随后基于色彩因子提取算法对彩色标记区域进行二值化，最后通过计算不同状态下二值化像素的分布距离进行风门状态的识别；其中，步骤2中，具体为：首先面向井下场景采集风门现场数据，针对通行人员和各类车辆进行数据采集及属性标定，利用标定数据对YOLOv3算法进行训练，最后将YOLOv3算法部署于边缘图像推理设备上，实现视频流的本地化推理；包括如下步骤：2.1基于K-means算法的先验信息建模：首先将数据集中所有目标的检测框坐标提取出来，并获取其宽高数据；初始化k个检测框的宽高数据，即通过在数据集所有检测框中随机选取k个值作为所求先验框的初始值；分别计算每个标定框与k个先验框的交并比IntersectionoverUnion，IoU，即两个矩形框重叠的部分除以两个矩形框的并集部分，并以d＝1-IoU表示两个矩形框之间的距离度量； 表示第n个标定框与第k个先验框之间的距离，以第i个标注框为例，通过比较其与每个先验框之间的距离将这个标注框分类给与其距离最近的那个先验框，随后循环对每个标注框进行分类，得到每个标注框的先验框属性；对于每个先验框中的那些标注框，计算这些标注框的宽高数据的平均值，将其更新为该先验框新的尺寸；重复步骤4到步骤5，直到在步骤4中发现对于全部标注框，其所属的先验框与之前所属的先验框尺寸一致，此时表明所有标注框的分类已经不再更新，得到当前k个先验框的尺寸大小，算法结束；2.2ROI初始化标定，在算法初始化时基于色彩因子提取算法对监控画面中的待通行区域进行像素标定，确定其图像像素空间坐标；由于摄像头部署位置相对固定，因此ROI区域在初始化标定后便不再改变，得到的ROI像素坐标将能够对现场荧光带区域实现稳定表示；最后对ROI进行尺寸重构送入目标检测算法中进行特征推理；2.3目标检测算法对输入图片进行行人和车辆的检测，获取其检测框后计算其与ROI之间的IoU，A区域为ROI与目标检测框之间的重叠区域面积，B和C分别为ROI与目标检测框除去A剩下的区域面积，其IoU计算方式为： 设置空间判别阈值σ0σ1，当IoUσ时判断当前帧图像中目标的通行需求有效；步骤3中具体为首先通过计算目标检测框与ROI区域的交并比来表示空间域通行需求；随后通过建立包含多帧图像的通行目标类型识别单元，并统计单个识别单元中两种目标类型所占比例，大于阈值的目标作为当前识别单元的目标类别属性。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种视频检测的井下风门智能协同联动控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD