CN103996050A - 一种基于极坐标下Fourier频谱的防护网检测方法 - Google Patents
一种基于极坐标下Fourier频谱的防护网检测方法 Download PDFInfo
- Publication number
- CN103996050A CN103996050A CN201410191701.8A CN201410191701A CN103996050A CN 103996050 A CN103996050 A CN 103996050A CN 201410191701 A CN201410191701 A CN 201410191701A CN 103996050 A CN103996050 A CN 103996050A
- Authority
- CN
- China
- Prior art keywords
- protection network
- detection method
- guard
- method based
- carry out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了一种基于极坐标下Fourier频谱的防护网检测方法;包括以下步骤:S1、建立防护网训练样本库;S2、对正样本图像库中的图像进行滑窗处理,并对滑窗处理后的每一小块图像做Fourier变换;S3、对经过Fourier变换的图像采用极坐标变换,作为防护网的纹理特征;S4、将提取的各个纹理特征送入分类器中,得到基于防护网训练样本库的智能分类器;S5、完成训练阶段后进行防护网检测;本发明提出了用防护网检测作为可能的违章建筑活动判别依据,利用计算机结合摄像头,对国有土地进行自动监控,实行自动识别防护网,来判断是否有违法违建行为,实时性、时效性更强,不会使得发现违建行为的时间滞后,且监控工作状态稳定,工作不间断,耗能耗材低,省时省力。
Description
技术领域
本发明涉及图像处理及图像识别技术领域,具体地讲,涉及一种用于国土监察管理的基于极坐标下Fourier频谱的防护网检测方法。
背景技术
众所周知,国土监察管理部门的工作重心就是严厉打击违法侵占国有土地的行为,切实保障国有储备土地的安全。现有技术中,其监察方法均是通过人工来周期性或不定时的进行巡查,以防止私有单位或个人对国有土地的非法占有及违建,如此,将会耗费巨大的人力、财力及物力,同时,对于处于边远山区等地的国有土地,因不能做到实时监管监控,也使得发现私有单位或个人非法侵占国有土地及在国有土地上违建的时间邂逅,且现有状况也存在着监察区域狭小等问题,使得监测不力,不能高效、实时的管理着国有土地资源。
且一般的非法占有及违建过程中,不可避免的涉及到防护网的搭建,故而,以此为出发点,设计出一套智能视频监控系统,利用计算机来对国土进行自动监控,使得自动识别监控区域的防护网等即可判断是否有违建行为,并对可疑违建区域在违建的初期就实行报警,以便于国土监察管理部门迅速处理相关事件,达到从真正意义上管理及保护国土资源,则是非常有必要的。
发明内容
本发明的目的在于克服上述现有技术之不足,提出了用防护网检测作为可能的违章建筑活动判别依据,并给出一种基于极坐标下Fourier频谱的防护网检测方法。
本发明解决现有技术问题所采用的技术方案是:一种基于极坐标下Fourier频谱的防护网检测方法,其特征在于,它包括以下步骤:
S1、建立防护网训练样本库,该训练样本库包括有防护网的正样本图像库及没有防护网的副样本图像库;
S2、对正样本图像库中的图像进行滑窗处理,并对滑窗处理后的每一小块图像做Fourier变换;
S3、对经过Fourier变换的图像采用极坐标变换,统计出尖峰值,作为防护网的纹理特征;
S4、将提取的各个纹理特征送入分类器中,利用Adaboost算法进行分类训练,得到基于防护网训练样本库的智能分类器;
S5、完成训练阶段后进行防护网检测;
S51、对需要监控的区域布防摄像头,构建监控系统;
S52、对从摄像头处输出的视频文件通过滑窗处理,进行图片的采集;
S53、通过已经训练好的智能分类器对每一个采集到的图片进行扫描,提取相关特征,进行权重匹配,并进行判决,当判断出的图片有防护网时,随即实行报警备案。
下面对以上技术方案作进一步阐述:
优选地,步骤S3之后还包括:统计每一小块图像的色度信息及平坦度信息,并将每一小块图像的色度信息及平坦度信息与纹理特征信息相融合,形成混合特征,送入分类器中训练。
优选地,步骤S2中,所述滑窗的大小为100cm*100cm。
优选地,步骤S51中,所述摄像头为可旋转式高清摄像头。
本发明的有益效果是:
其一、本发明提出了用防护网检测作为可能的违章建筑活动判别依据,该依据特征明显,为所有建筑活动初期必须实施的步骤之一,对违建检测有很好的指示作用。
其二、本发明所提供的一种基于极坐标下Fourier频谱的防护网检测方法,通过利用计算机结合摄像头,来搭建一套智能视频监控系统,利用计算机对国有土地进行自动监控,实行自动识别违建过程中所使用的防护网,来判断是否有违法违建行为,并使得私有单位或个人在违建的初期就实行报警,可在很大程度上,以便于国土监察管理部门迅速处理相关事件,达到从真正意义上管理及保护国土资源。
其三、本发明通过计算机来监控国有土地,实时性、时效性更强,不会使得发现违建行为的时间滞后,且监控工作状态稳定,工作不间断,耗能耗材低,省时省力,从而,本发明具有很好的推广意义,会非常的受欢迎,能得到有效普及,对制止非法侵占国有土地的行为有着重要的意义。
附图说明
图1是本发明一种基于极坐标下Fourier频谱的防护网检测方法的步骤流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
以下将结合附图及具体实施例详细说明本发明的技术方案,以便更清楚、直观地理解本发明的发明实质。
因防护网特征明显,为所有建筑活动初期必须实施的步骤之一,对违建检测有很好的指示作用,因此,本发明提出了用防护网检测作为可能的违章建筑活动判别依据。
因此,在具体实施时,本发明所提供的一种基于极坐标下Fourier频谱的防护网检测方法,其主要包括以下步骤:
S1、建立防护网训练样本库,该训练样本库包括有防护网的正样本图像库及没有防护网的副样本图像库;
S2、对正样本图像库中的图像进行滑窗处理,并对滑窗处理后的每一小块图像做Fourier变换;
S3、对经过Fourier变换的图像采用极坐标变换,统计出尖峰值,作为防护网的纹理特征;
S4、将提取的各个纹理特征送入分类器中,利用Adaboost算法进行分类训练,得到基于防护网训练样本库的智能分类器;
S5、完成训练阶段后进行防护网检测;
S51、对需要监控的区域布防摄像头,构建监控系统;
S52、对从摄像头处输出的视频文件通过滑窗处理,进行图片的采集;
S53、通过已经训练好的智能分类器对每一个采集到的图片进行扫描,提取相关特征,进行权重匹配,并进行判决,当判断出的图片有防护网时,随即实行报警备案。
需要说明的是,步骤S3之后还包括:统计每一小块图像的色度信息及平坦度信息,并将每一小块图像的色度信息及平坦度信息与纹理特征信息相融合,形成混合特征,送入分类器中训练。
且步骤S2中,所述滑窗的大小为100cm*100cm。
需要强调的是,为使得扩大监控范围,保障能监控到一片布防区域的所有范围,步骤S51中,所述摄像头为可旋转式高清摄像头。
为了更加详细的了解本发明的具体实施方式,以下将结合附图1作详细说明;
图1是本发明一种基于极坐标下Fourier频谱的防护网检测方法的步骤流程示意图;
本发明在具体实施时,首先,构建含有防护网的正样本图像库,以备后续的防护网纹理特征的提取。
进而,对正样本图像库中的图像进行滑窗处理,以使裁剪成一小块一小块的图像,并对其分别进行Fourier变换。且本实施例中,所述滑窗的大小为100cm*100cm。
再次,通过对经过Fourier变换的图像采用极坐标变换,使得能够稳定的描述图片变化的快慢与方向,并使得检测防护网的横纵斜线效果更好,进而,能够提取稳定的纹理特征,以备后续的通过分类器进行训练。
与此同时,统计每一小块图像的色度信息及平坦度信息,并将每一小块图像的色度信息及平坦度信息作为辅助特征融合所述纹理特征一起送入分类器中。
进一步的,利用Adaboost算法对送入分类器中的正样本图像的纹理等相关特征进行分类训练,得到基于防护网训练样本库的智能分类器;
上述步骤实施完后即可进行防护网检测,即进入主要的工作阶段;
首先,对需要监控的区域布防摄像头,构建监控系统;需要强调的是,为使得扩大监控范围,保障能监控到一片布防区域的所有范围,所述摄像头采用可旋转式高清摄像头。
进而,对从摄像头处输出的视频文件也通过滑窗处理,进行图片的采集;
然后,将通过前期已经训练好的智能分类器对每一个采集到的图片进行扫描,提取相关特征,进行权重匹配,并进行判决,当判断出的图片有防护网时,会将相应的信息反馈给后台主机,后台主机随即控制与其相连接的报警装置实行报警备案。
如此,即能做到实时监控,实时采集可疑的防护网信息来实现报警,相较于传统的国土监测管理,时效性更好,监控更稳定,省时省力。
综上所述,本发明所提供的一种基于极坐标下Fourier频谱的防护网检测方法,通过利用计算机结合摄像头,来搭建一套智能视频监控系统,并且利用计算机对国有土地进行自动监控,实行自动识别违建过程中所使用的防护网,来判断是否有违法违建行为,并使得私有单位或个人在违建的初期就实行报警,可在很大程度上,以便于国土监察管理部门迅速处理相关事件,达到从真正意义上管理及保护国土资源。
且本发明通过计算机来监控国有土地,实时性、时效性更强,不会使得发现违建行为的时间滞后,且监控工作状态稳定,工作不间断,耗能耗材低,省时省力,从而,本发明具有很好的推广意义,会非常的受欢迎,能得到有效普及,对制止非法侵占国有土地的行为有着重要的意义。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于极坐标下Fourier频谱的防护网检测方法,其特征在于,它包括以下步骤:
S1、建立防护网训练样本库,该训练样本库包括有防护网的正样本图像库及没有防护网的副样本图像库;
S2、对正样本图像库中的图像进行滑窗处理,并对滑窗处理后的每一小块图像做Fourier变换;
S3、对经过Fourier变换的图像采用极坐标变换,统计出尖峰值,作为防护网的纹理特征;
S4、将提取的各个纹理特征送入分类器中,利用Adaboost算法进行分类训练,得到基于防护网训练样本库的智能分类器;
S5、完成训练阶段后进行防护网检测;
S51、对需要监控的区域布防摄像头,构建监控系统;
S52、对从摄像头处输出的视频文件通过滑窗处理,进行图片的采集;
S53、通过已经训练好的智能分类器对每一个采集到的图片进行扫描,提取相关特征,进行权重匹配,并进行判决,当判断出的图片有防护网时,随即实行报警备案。
2.根据权利要求1所述的一种基于极坐标下Fourier频谱的防护网检测方法,其特征在于,步骤S3之后还包括:统计每一小块图像的色度信息及平坦度信息,并将每一小块图像的色度信息及平坦度信息与纹理特征信息相融合,形成混合特征,送入分类器中训练。
3.根据权利要求1所述的一种基于极坐标下Fourier频谱的防护网检测方法,其特征在于,步骤S2中,所述滑窗的大小为100cm*100cm。
4.根据权利要求1所述的一种基于极坐标下Fourier频谱的防护网检测方法,其特征在于,步骤S51中,所述摄像头为可旋转式高清摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410191701.8A CN103996050A (zh) | 2014-05-08 | 2014-05-08 | 一种基于极坐标下Fourier频谱的防护网检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410191701.8A CN103996050A (zh) | 2014-05-08 | 2014-05-08 | 一种基于极坐标下Fourier频谱的防护网检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103996050A true CN103996050A (zh) | 2014-08-20 |
Family
ID=51310211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410191701.8A Pending CN103996050A (zh) | 2014-05-08 | 2014-05-08 | 一种基于极坐标下Fourier频谱的防护网检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103996050A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884720A (zh) * | 2021-02-01 | 2021-06-01 | 广东电网有限责任公司广州供电局 | 一种配电线路污闪绝缘子检测方法及系统 |
CN113537410A (zh) * | 2021-09-14 | 2021-10-22 | 征图新视(江苏)科技股份有限公司 | 一种通用的深度学习正样本自动均衡方法 |
CN117036255A (zh) * | 2023-07-21 | 2023-11-10 | 北京北排建设有限公司 | 一种基于深度学习的管道缺陷检测与评价方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100290668A1 (en) * | 2006-09-15 | 2010-11-18 | Friedman Marc D | Long distance multimodal biometric system and method |
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN102214305A (zh) * | 2011-04-08 | 2011-10-12 | 大连理工大学 | 一种利用纹理特征进行打印纸张来源取证的方法 |
CN102446390A (zh) * | 2011-03-16 | 2012-05-09 | 上海市电力公司 | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 |
-
2014
- 2014-05-08 CN CN201410191701.8A patent/CN103996050A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100290668A1 (en) * | 2006-09-15 | 2010-11-18 | Friedman Marc D | Long distance multimodal biometric system and method |
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN102446390A (zh) * | 2011-03-16 | 2012-05-09 | 上海市电力公司 | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 |
CN102214305A (zh) * | 2011-04-08 | 2011-10-12 | 大连理工大学 | 一种利用纹理特征进行打印纸张来源取证的方法 |
Non-Patent Citations (1)
Title |
---|
周鹏: "印鉴纹理识别系统分析", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884720A (zh) * | 2021-02-01 | 2021-06-01 | 广东电网有限责任公司广州供电局 | 一种配电线路污闪绝缘子检测方法及系统 |
CN113537410A (zh) * | 2021-09-14 | 2021-10-22 | 征图新视(江苏)科技股份有限公司 | 一种通用的深度学习正样本自动均衡方法 |
CN113537410B (zh) * | 2021-09-14 | 2021-12-07 | 征图新视(江苏)科技股份有限公司 | 一种通用的深度学习正样本自动均衡方法 |
CN117036255A (zh) * | 2023-07-21 | 2023-11-10 | 北京北排建设有限公司 | 一种基于深度学习的管道缺陷检测与评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103366374B (zh) | 基于图像匹配的消防通道障碍物检测方法 | |
US9412027B2 (en) | Detecting anamolous sea-surface oil based on a synthetic discriminant signal and learned patterns of behavior | |
CN103108159B (zh) | 一种电力智能视频分析监控系统和方法 | |
CN102509075B (zh) | 一种遗留物检测方法及装置 | |
CN102521565A (zh) | 低分辨率视频的服装识别方法及系统 | |
CN106980827A (zh) | 一种基于航拍图像的识别输电线路中鸟巢的方法 | |
CN102193918B (zh) | 视频检索方法和装置 | |
CN105005089A (zh) | 基于计算机视觉的机场道面异物探测系统与方法 | |
CN102867386A (zh) | 一种基于智能视频分析的森林烟火探测方法及其专用装置 | |
CN112149522A (zh) | 电缆通道智能可视化防外破监测系统及方法 | |
CN101803928A (zh) | 基于视频的驾驶员疲劳检测装置 | |
CN113705372A (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
CN105574468A (zh) | 视频火焰检测方法、装置及系统 | |
CN103996050A (zh) | 一种基于极坐标下Fourier频谱的防护网检测方法 | |
CN101582163B (zh) | 视频监控图像中最清晰人脸的捕捉方法 | |
CN110310448A (zh) | 一种集烟雾和红外识别联动的输电线路山火监测方法 | |
CN103530918B (zh) | 一种基于物联网的银行款箱安全出入管理系统 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
CN103577804A (zh) | 基于sift流和隐条件随机场的人群异常行为识别方法 | |
CN104168462A (zh) | 基于图像角点集特征的摄像头场景变换检测方法 | |
CN104166836A (zh) | 一种基于多特征建模的分块多尺度工程车识别方法及系统 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
CN109272535B (zh) | 一种基于图像识别的配电房安全区预警方法 | |
CN108022000A (zh) | 一种地铁客流预测预警系统及方法 | |
CN102740059A (zh) | 一种采用图形分析与跟踪算法监督值班人员的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140820 |
|
RJ01 | Rejection of invention patent application after publication |