[发明专利]用于识别卷扬乱绳的方法和装置及工程机械

权利要求书

1.一种用于识别卷扬乱绳的方法，其特征在于，该方法包括：

获取卷扬机卷扬钢丝绳的实时图像；

提取所述实时图像的图像特征；所述图像特征至少包括Gabor特征、HOG特征，所述图像特征还包括SIFT特征、SURF特征、ORB特征、LBP特征和HAAR特征中的一个或者多个；

基于所述图像特征和预设高斯混合模型确定所述实时图像对应的卷扬乱绳概率值；以及

基于所述卷扬乱绳概率值和预设概率阈值判断是否出现卷扬乱绳；

所述提取所述实时图像的图像特征包括：

对所述实时图像做自适应阈值二值化处理，以得到所述实时图像的第一二值化图像；

利用Gabor滤波器获取所述第一二值化图像的Gabor特征图像；

计算所述Gabor特征图像的OTSU阈值；

基于所述OTSU阈值对所述Gabor特征图像进行全局阈值二值化处理，以得到第二二值化图像；

获取所述第二二值化图像的最大连通域；以及

计算所述最大连通域的HOG特征，其中所述HOG特征为所述图像特征；

所述预设高斯混合模型和所述预设概率阈值通过以下内容被确定：

获取所述卷扬机运转正常的正常图像集和卷扬乱绳的异常图像集；

提取所述正常图像集中的每一图像的图像特征及所述异常图像集中的每一图像的图像特征；

基于所述正常图像集中的每一图像的图像特征确定均值和协方差矩阵，以确定所述预设高斯混合模型；以及

基于所述正常图像集中的每一图像的图像特征、所述异常图像集中的每一图像的图像特征和所述预设高斯混合模型确定概率阈值范围内的每一概率阈值的评价指标，其中，所述概率阈值范围基于所述预设高斯混合模型的概率分布而被设定，所确定的评价指标中最好的评价指标对应的概率阈值即为所述预设概率阈值。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

基于PCA对所述HOG特征进行降维处理，其中，降维后的所述HOG特征为所述图像特征。

3.根据权利要求1-2中任一项所述的方法，其特征在于，所述预设高斯混合模型基于以下公式确定：

其中，x表示所述图像特征，μ表示所述图像特征的均值，∑表示所述图像特征的协方差矩阵，T为矩阵转置，p为所述预设高斯混合模型的输出概率值，1-p为所述卷扬乱绳概率值。