[发明专利]施工场景中挖掘机的监测方法和系统

权利要求书

1.一种施工场景中挖掘机的监测方法，其特征在于，包括：

提取训练图像集的HOG特征和Gabor特征并进行训练得到基于HOG特征和Gabor特征相结合的挖掘机检测模型，其中，所述训练图像集包括多张挖掘机图片组成的挖掘机正样本和多张不包括挖掘机的施工场景图组成的挖掘机负样本；

获取待检测施工场景图，并获取所述待检测施工场景图中的HOG特征和Gabor特征；

将所述待检测施工场景图的HOG特征和Gabor特征输入挖掘机检测模型，当挖掘机检测模型输出值大于预设值时，显示所述待检测施工场景图中存在挖掘机；

所述获取待检测施工场景图，并获取所述待检测施工场景图中的HOG特征和Gabor特征；将所述待检测施工场景图的HOG特征和Gabor特征输入挖掘机检测模型，当挖掘机检测模型输出值大于预设值时，显示所述待检测施工场景图中存在挖掘机步骤，包括：

对所述待检测施工场景图按照预设比例进行尺度缩放，并通过固定窗口遍历缩放后的图片；

获取固定窗口内图像的HOG特征和Gabor特征；

将所述固定窗口内图像的HOG特征和Gabor特征输入挖掘机检测模型，当挖掘机检测模型输出值大于预设值时，显示所述待检测施工场景图中存在挖掘机；

还包括：

将所述固定窗口内图像的HOG特征和Gabor特征输入挖掘机检测模型，当挖掘机检测模型输出值小于或等于预设值时，判断缩放后的图片是否遍历完成，若是则判断图片缩放是否达到金字塔的层数，否则继续通过固定窗口遍历缩放后的图片；

所述判断图片缩放是否达到金字塔的层数的步骤之后还包括：根据所述判断结果，若是则结束检测，否则继续对所述待检测施工场景图按照预设比例进行尺度缩放，并通过固定窗口遍历缩放后的图片；

所述提取训练图像集的HOG特征和Gabor特征并进行训练得到基于HOG特征和Gabor特征相结合的挖掘机检测模型的步骤包括：利用Libsvm的库函数编写训练程序，进行SVM训练，得到基于HOG特征和Gabor特征相结合的挖掘机检测模型；

所述利用Libsvm的库函数编写训练程序，进行SVM训练，得到基于HOG特征和Gabor特征相结合的挖掘机检测模型之后，还包括步骤：采用Libsvm库函数编写程序进行测试样本的检测，测试精度和误报率；

所述显示待检测施工场景图中存在挖掘机步骤之后，还包括步骤：

存储待检测施工场景图中挖掘机的位置，并报警提示存在挖掘机。

2.根据权利要求1所述的施工场景中挖掘机的监测方法，其特征在于，所述提取训练图像集的HOG特征和Gabor特征并进行训练得到基于HOG特征和Gabor特征相结合的挖掘机检测模型步骤，包括：

获取多个挖掘机不同面不同角度的挖掘机图片，创建挖掘机正样本，采集多张不包括挖掘机的施工场景图，创建挖掘机负样本；

分别获取所述挖掘机正样本和挖掘机负样本的HOG特征和Gabor特征；

通过支持向量机对所述挖掘机正样本的HOG特征和Gabor特征、挖掘机负样本的HOG特征和Gabor特征按照正样本中挖掘机图片的各个面进行分类训练，各个面分别建立挖掘机检测模型。

3.根据权利要求2所述的施工场景中挖掘机的监测方法，其特征在于，创建挖掘机正样本和挖掘机负样本后，还包括：

将所述挖掘机正样本和挖掘机负样本归一化成相同大小的图片。