[发明专利]一种有效的煤矿智能监测系统

权利要求书

1.一种有效的煤矿智能监测系统，其特征是，包括图像获取模块、图像预处理模块、目标检测模块和图像分析模块，所述图像获取模块包括图像采集单元和数据通信单元，所述图像采集单元用于采集井下的视频图像，并将采集得到的视频图像通过数据通信单元传输到图像预处理模块，所述图像预处理模块用于去除所述视频图像中的噪声和雾尘干扰，并对所述视频图像进行增强处理，所述目标检测模块用于对所述视频图像中的运动目标进行自动检测，所述图像分析模块用于对检测到的运动目标进行持续跟踪和分析，从而获得目标的特征信息以及运动轨迹。

2.根据权利要求1所述的一种有效的煤矿智能监测系统，其特征是，所述图像预处理模块包括图像去噪单元、图像去雾单元和图像增强单元，所述图像去噪单元用于去除所述视频图像中的噪声干扰，所述图像去雾单元用于去除雾尘等因素对所述视频图像的干扰，所述图像增强单元用于对所述视频图像进行增强处理，改善图像的质量和视觉效果。

3.根据权利要求2所述的一种有效的煤矿智能监测系统，其特征是，所述目标检测模块包括背景建模单元和前景检测单元，所述背景建模单元用于建立所述视频图像的背景模型，所述前景检测单元采用背景差分处理获得所述视频图像的前景目标。

4.根据权利要求3所述的一种有效的煤矿智能监测系统，其特征是，所述背景建模单元用于建立所述视频图像中的背景模型，具体为：

(1)采用FCM聚类技术进行背景建模，其采用一种改进的有效性指标V_N来确定最佳聚类个数，定义样本x_j属于第i类的隶属度为u_ij，第i个聚类的中心值为c_i，为聚类中心的平均值，则有效性指标V_N为：

VN=Σi=1kΣj=1n(uij-1k)m||xj-ci||2+1nΣj=1n||xj-c‾||21kΣi=1kΣj=1n(uij-1k)m||ci-c‾||2+1k]]>

式中，k为聚类的个数，m为模糊权重指数，n为数据集合中样本的总数；

(2)当背景建模完成之后对背景模型进行自适应更新，具体为：

L(I_t,c_i)＝d_min(I_t(x,y),c_i(x,y))

式中，I_t(x,y)是像素(x,y)在第t帧的灰度值，c_i(x,y)为第i个聚类的中心值，L(I_t,c_i)为灰度值I_t(x,y)和聚类中心c_i(x,y)的距离；

a.定义聚类阈值τ，当L(I_t,c_i)≤τ时，将该像素值归入对应类c_i(x,y)中，且更新参数：

ci(x,y)=It(x,y)+ci(x,y)×gi(x,y)gi(x,y)+1]]>

g_i(x,y)＝g_i(x,y)+1

ρi=e(1+gi(x,y)-ΔTiΣi=1kgi(x,y))]]>

式中，I_t(x,y)是像素(x,y)在第t帧的灰度值，c_i(x,y)代表第i个聚类的中心值，g_i(x,y)为第i个聚类中包含的元素个数，k为该像素的聚类个数，ΔT_i为第i聚类中心的更新时间差，ρ_i为第i聚类的权重；

b.当L(I_t,c_i)>τ时，重新创建新的分类c_k+1(x,y)，并设置相关参数为：

c_k+1(x,y)＝I_t(x,y)

g_k+1(x,y)＝1

ρi=e(1+1Σi=1k+1gi(x,y))]]>

k＝k+1

式中，I_t(x,y)是像素(x,y)在第t帧的灰度值，c_k+1(x,y)是第k+1个聚类的中心值，g_k+1(x,y)第k+1个聚类中的元素个数，ρ_i为第i个聚类的权重。

5.根据权利要求4所述的一种有效的煤矿智能监测系统，其特征是，所述前景检测单元采用背景差分处理获得所述视频图像中的前景目标，其采用一种改进的阈值选取方法，具体为：

定义视频图像中各像素的灰度取值范围是[1,M]，按灰度值c将像素分为两类，即背景部分B₀＝{1,…,c}和前景部分B₁＝{c+1,…,M},则最公式为：

q0(c)=Σi=1cpi,q1(c)=Σi=c+1Mpi]]>

E0(c)=Σi=1cipiq0(c),E1(c)=Σi=c+1Mipiq1(c)]]>

S02(c)=Σi=1c(i-E0(c))2piq0(c),S12(c)=Σi=c+1M(i-E1(c))2piq1(c)]]>

Q(c)=q0(c)q1(c)[E1(c)-E0(c)]2q0(c)S02(c)+q1(c)S12(c)]]>

T=argmax1≤c≤MQ(c)]]>

式中，p_i为灰度值为i的像素出现的概率，q₀(c)和q₁(c分别为背景部分和前景部分的像素出现的概率，E₀(c)和E₁(c)分别为背景部分和前景部分像素的均值，和分别为背景部分和前景部分的像素的方差。