CN104202560A - 一种基于图像识别的视频监控系统及方法 - Google Patents

Abstract

本发明实施例公开了一种基于图像识别的视频监控系统及方法，其中，该系统包括：多台网络摄像机，用于对水产养殖场中的增氧机进行图像采集；图像处理服务器，用于接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。在本发明实施例中，通过自动采集使用部署在水产养殖场的网络摄像机的实时图像，分析图像中增氧机的工作状况，判断增氧机是否出现故障停机，可以代替传统的人工巡视，能够监测增氧机的工作状况，降低系统的部署成本和水产养殖场的运行成本，便于系统维护。

Description

一种基于图像识别的视频监控系统及方法

技术领域

本发明涉及水产养殖场监控技术领域，尤其涉一种基于图像识别的视频监控系统及方法。

背景技术

与其它动物一样，水中的鱼类、虾蟹等水产品的生存也需要氧气。与陆生的家禽家畜不同，由于水产品是在鱼塘或者养殖池中进行养殖，是处于相对独立密闭的水体，水中的含氧量需要使用设备进行调节。水产品只有在水中的含氧量达到一定数值才能生存，并且在一定的含氧量范围内，水产品的生长速度和饲料利用率是随着水中含氧量的增加而增加。如果鱼塘水体中的含氧量过低，就会出现水产品大面积死亡的现象。因此在高密度的水产品养殖中，保证水体中的含氧量处于适合水产品生存生长的范围之内，就成了水产品养殖中至关重要的因素。

增氧机是在水产品养殖中控制水体含氧量的设备。增氧机是利用电动机作为驱动，将空气中的氧气转移到鱼塘水体中的设备。如果增氧机出现故障长时间停机，那么整个鱼塘里的水产品就会因为缺氧而死。虽然增氧机的正常工作与否在水产品养殖中极其重要，但是人工24小时轮班看守增氧机的话，就会大大增加养殖成本。

现有的系统主要是使用溶解氧传感器采集鱼塘水体中的含氧量，使用自制的采集器采集增氧机的运行状况，使用无线传感器网络或者现场总线传输并汇聚数据，然后通过单片机或者PLC等控制器控制增氧机的工作状况。

现有技术存在以下缺点：

1、平均每个鱼塘的成本太高。现有系统都是利用溶解氧传感器采集鱼塘水体的含氧量，而溶解氧传感器价格较高。加上水温传感器、pH值传感器、采集节点、控制器等设备，系统部署成本相对较高。

2、维护较繁琐。在水中的溶解氧传感器和pH值传感器等传感器的探头由于会有绿藻及其它污垢残留，因此需要每隔3-6个月清洗一次。而使用无线传感器网络作为数据传输手段的系统，其节点使用电池供电，也需要在电量低的时候及时更换电池。

3、缺少对增氧机工作状况的判断。大部分系统都是根据采集的环境数据控制增氧机的启动和停止，不能够监测增氧机的工作状况。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于图像识别的视频监控系统及方法，可以代替传统的人工巡视，能够监测增氧机的工作状况，降低系统的部署成本和水产养殖场的运行成本，便于系统维护。

为了解决上述问题，本发明提出了一种基于图像识别的视频监控系统，所述系统包括：

多台网络摄像机，用于对水产养殖场中的增氧机进行图像采集；

图像处理服务器，用于接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。

优选地，所述图像处理服务器包括：

图像采集模块，用于通过局域网连接网络摄像机，控制网络摄像机进行实时图像的采集，并从网络摄像机获取实时图像；

数据录入模块，用于录入网络摄像机数据、增氧机数据、基本信息；

状态识别模块，用于查询增氧机数据，确定增氧机编号，并根据截取出来的增氧机图像进行图像识别，分析增氧机的工作状态。

优选地，所述图像采集模块包括：

摄像机信息查询单元，用于查询数据库，取出数据库内所有网络摄像机和增氧机的信息；

自动连接单元，用于根据查询到的网络摄像机数据，自动逐个连接网络摄像机；

图像截取单元，用于控制网络摄像机采集实时图像，并接收网络摄像机发送的实时图像。

优选地，所述状态识别模块包括：

增氧机数据查询单元，用于根据实时图像中的网络摄像机的编号确定增氧机的编号，并查询增氧机的图像边界坐标、主机中点坐标和设定的工作状态；

图像识别单元，用于对截取出来的增氧机图像进行图像识别处理；

状态整合分析单元，用于根据图像识别单元所作出的识别处理结果分析出增氧机的工作状态。

优选地，所述图像识别单元用于对增氧机图像依次进行水花像素统计判断、增氧机中点判断、增氧机边界判断。

优选地，所述状态整合分析单元根据图像识别单元进行的水花像素统计判断、增氧机中点判断、增氧机边界判断三种判断结果综合分析出增氧机的工作状态。

优选地，所述图像识别单元还用于将增氧机图像从彩色的RGB矩阵转换为灰度Gray矩阵；除增氧机图像上下20％的区域；统计各个灰度值上像素点的数量占图像总像素点数量的百分比；计算灰度值在220以上的像素点占图像总像素点的比例。

优选地，所述图像识别单元还用于提取出数据库中手工录入的增氧机主机中点位置坐标；根据增氧机图像尺寸调整中点采集尺寸；截取出增氧机主机中点正方形区域图像；根据正方形图像的RGB矩阵进行逐个像素点的判断统计，计算主机像素和水花像素占中点区域的比例。

优选地，所述状态整合分析单元还用于当水花总量统计判断为运行状态、增氧机中点判断为模糊状态、增氧机边界判断为模糊状态时，判定为增氧机正常运行；当水花总量统计判断为未运行，增氧机中点判断为清晰状态，增氧机边界判断为清晰状态时，判定为增氧机停止工作；当水花总量判断为低功率，增氧机中点判断和边界判断中至少有一项判断为清晰状态时，判定增氧机处于低功率工作状态。

另外，本发明还提出一种基于图像识别的视频监控方法，所述方法包括：

对水产养殖场中的增氧机进行图像采集；

接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。

在本发明实施例中，本发明实施例公开了一种基于图像识别的远程视频监控系统及方法，该系统可应用于种植业、养殖业等多个方面，本说明书中以水产养殖中的增氧机作为监控对象，通过自动采集使用部署在水产养殖场的网络摄像机的实时图像，分析图像中增氧机的工作状况，判断增氧机是否出现故障停机，可以代替传统的人工巡视，能够监测增氧机的工作状况，降低系统的部署成本和水产养殖场的运行成本，便于系统维护。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例的基于图像识别的视频监控系统的组成示意图；

图2是本发明实施例的监控系统的工作流程示意图；

图3是本发明实施例中数据录入模块的功能示意图；

图4是本发明实施例中数据录入模块的工作流程示意图；

图5是本发明实施例中图像采集模块的功能示意图；

图6是本发明实施例中图像采集模块的工作流程示意图；

图7是本发明实施例中状态识别模块的功能示意示意图；

图8是本发明实施例中状态识别模块的工作流程示意图；

图9是本发明实施例的基于图像识别的视频监控方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在水产养殖业中，增氧机的正常运行与否关系着鱼塘中水产品的生存。当增氧机因为故障而停机的时候，如果养殖人员没有及时发现，那么很有可能会出现该鱼塘中的水产品大批量死亡的情况。已有的系统大多是使用溶解氧传感器进行水体中溶解氧含量的在线检测，虽然能够准确了解鱼塘的水体中是否有足够的溶解氧，但是由于溶解氧传感器价格较高，因此已有方案的系统的总体成本偏高，不适用于对溶解氧含量要求不高、经济价值较低的水产品，也不利于大范围的推广应用。

本发明通过在水产养殖场部署远程视频网络(多台网络摄像机)，以此来代替传统的人工巡视；通过对图像进行识别分析，以此来代替传统的由养殖人员目测后进行的判断。

本发明根据水产养殖场的实地情况，网络摄像机将被部署在既能观察到尽可能多的增氧机以减少所需网络摄像机的数量，又能保证画面内每台增氧机所占的像素数量足够多以进行图像识别，还要能保证整个远程视频网络能够覆盖水产养殖场内所有的增氧机。

图1是本发明实施例的基于图像识别的视频监控系统的组成示意图，如图1所示，该系统包括：多台网络摄像机，用于对水产养殖场中的增氧机进行图像采集；图像处理服务器，用于接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。

其中，图像处理服务器包括：

图像采集模块，用于通过局域网连接网络摄像机，控制网络摄像机进行实时图像的采集，并从网络摄像机获取实时图像；

数据录入模块，用于录入网络摄像机数据、增氧机数据、基本信息；

状态识别模块，用于查询增氧机数据，确定增氧机编号，并根据截取出来的增氧机图像进行图像识别，分析增氧机的工作状态。

通过这些硬件采集到的数据将被存储在包含有图像坐标数据、基础管理数据和历史记录数据的数据库。服务器的数据录入模块、图像采集模块和状态识别模块可以调用数据库和图像文件夹实现数据和图像的管理。

如图2所示，服务器启动后，养殖人员可以随时通过操作窗体程序来进行信息录入或修改删除。根据养殖人员设定好的采集周期，服务器定时启动图像采集功能。完成所有网络摄像机的图像采集后，服务器开始取出采集到的图像进行图像识别，判断增氧机的工作状态并根据工作状态进行相应的处理。完成所有图像的识别后服务器重新进入等待状态，等待下一个采集周期。

在具体实施中，数据录入模块主要是为养殖人员提供手动录入相关数据并对数据进行管理的功能。模块主要包括了摄像机数据录入、增氧机数据录入和基本信息录入功能。其中摄像机数据录入包括摄像机编号、IP地址、连接账户密码、画面内增氧机编号、画面内鱼塘编号、部署位置、部署时间和运行情况。增氧机数据录入包括增氧机编号、所属摄像机编号、增氧机主机中点像素坐标、增氧机图像范围像素坐标区域和部署时间。基本信息录入包括采集周期、鱼塘数量及编号、养殖人员数量及编号、公司名称、养殖场地址、主要养殖品种等。如图3所示。

数据录入模块的大部分数据是通过常规的文本框进行信息录入，完成录入后服务器将文本框中的内容存入数据库。只有摄像机数据录入功能中的连接信息录入和增氧机数据录入功能中的增氧机图像和中点坐标选取功能较为特殊。

摄像机连接信息录入是养殖人员通过文本框录入连接信息，完成输入后服务器会自动根据输入的信息尝试连接网络摄像机，如果成功连接网络摄像机并且接收到来自网络摄像机的连接正常反馈信息，则服务器判断录入的信息正确并进入下一步；如果无法连接网络摄像机，或者网络摄像机反馈错误信息，则服务器判断信息不正确，自动返回连接信息录入界面。

增氧机坐标选取是在养殖人员选择增氧机所属网络摄像机，服务器连接对应网络摄像机并采集一张实时图像后，养殖人员通过在图像上的鼠标操作来选取相应坐标。养殖人员首先通过鼠标框选的方式，选择增氧机在图像上的范围，服务器根据框体的位置获取边界像素点坐标。之后养殖人员在增氧机主机中间点处双击鼠标，服务器判断鼠标位置并记录鼠标双击时所在点的像素坐标值。完成后进入下一步。

数据模块模块的工作流程如图4所示：

进入服务器，并且在服务器的程序窗体中选择进入数据录入模块后，可以通过按键选择进入三种录入功能。

点击进入摄像机数据录入功能可选择新增、修改和删除网络摄像机信息。如果要新增网络摄像机，在文本框中录入连接摄像机所需的IP地址和账户密码，确认后系统开始尝试连接摄像机，如果连接失败则提示错误并退出回到首页；如果成功连接，系统将自动将唯一的编号赋予此网络摄像机。接着在文本框中输入其余摄像机相关信息，点击保存后完成新增摄像机的操作。

点击进入增氧机数据录入功能可以选择新增、修改和删除增氧机信息。如果要新增增氧机，通过列表选择增氧机所属的网络摄像机，系统将自动开始连接网络摄像机、采集一张实时图像并在窗体上显示此图像。在图像上框选增氧机的图像范围，然后点击选择增氧机的主机中间点。完成坐标选择后系统将自动给增氧机分配唯一的编号，养殖人员确认数据后完成新增增氧机的操作。

点击进入基本信息录入功能可以选择新增、修改和删除基本信息。如果要新增基本信息，需要在文本框中输入相应的信息，点击保存完成基本信息的录入。

进一步地，图像采集模块包括：

摄像机信息查询单元，用于查询数据库，取出数据库内所有网络摄像机和增氧机的信息；

自动连接单元，用于根据查询到的网络摄像机数据，自动逐个连接网络摄像机；

图像截取单元，用于控制网络摄像机采集实时图像，并接收网络摄像机发送的实时图像。

具体实施中，如图5所示，图像采集模块包括了摄像机信息查询功能、摄像机连接功能、图像截取功能和图像存储功能。网络摄像机使用RJ45接口接入局域网，并且其自身有独立的IP地址，可以通过局域网网络进行远程访问。服务器的图像采集模块的主要工作就是通过局域网连接网络摄像机，控制摄像机采集实时图像，并且将图像传输到服务器内。

摄像机信息查询功能是服务器自动查询数据库，取出数据库内所有网络摄像机和增氧机的信息，包括网络摄像机编号、IP地址、连接账户及密码、网络摄像机视频范围内可见的增氧机编号、增氧机的图像范围像素坐标及增氧机主机中点像素坐标。

自动连接功能是根据查询到的网络摄像机数据，自动开始逐个连接网络摄像机。

图像截取功能是在服务器成功连接网络摄像机后，控制网络摄像机采集实时图像并且将图像传输到本模块中。

图像存储功能是根据采集到的图像所属的网络摄像机编号、图像包含的增氧机编号和采集时间对图像进行命名，并存入固定的缓存文件夹中。

图像采集模块的工作流程如图6所示，系统到达人工设定的采集时间后，图像采集模块开始运作。模块首先查询数据库中所有正在运行的网络摄像机的编号、图像中的增氧机的编号、网络摄像机的IP地址、远程连接的账户密码。模块开始逐个连接正在运行的网络摄像机。如果确认成功连接，图像识别模块就控制网络摄像机采集实时图像，等待网络摄像机完成采集并且将图像传输进模块后，将图像按照网络摄像机编号、采集时间作为图像文件名保存在指定的文件夹内；如果模块无法成功连接网络摄像机，模块将会发出报警信息并将故障反馈信息保存进数据库。完成图像采集后，模块自动判断是否还有未进行图像采集的网络摄像机，如果有就连接下一个网络摄像机，如果完成所有网络摄像机的图像采集，则通知状态识别模块准备开始状态识别。

进一步地，状态识别模块包括：

增氧机数据查询单元，用于根据实时图像中的网络摄像机的编号确定增氧机的编号，并查询增氧机的图像边界坐标、主机中点坐标和设定的工作状态；

图像识别单元，用于对截取出来的增氧机图像进行图像识别处理；

状态整合分析单元，用于根据图像识别单元所作出的识别处理结果分析出增氧机的工作状态。

如图7所示，状态识别模块包括增氧机数据查询功能、三种算法的图像识别功能和状态整合分析功能。增氧机数据查询功能是根据图像的网络摄像机编号确定增氧机编号，并且查询增氧机的图像边界坐标、主机中点坐标和设定的工作状态。图像识别功能是对截取出来的增氧机图像，依次进行水花像素统计、增氧机中点判断和增氧机边界判断这三种图像识别处理。状态整合分析功能是根据图像识别功能做出的三种判断结果，综合分析出增氧机的工作状态。

状态识别模块的总体工作流程如图8所示：

(1)增氧机数据查询

状态识别模块启动后，取出一张采集到的图像，确定其中包含的增氧机编号后，对其中的增氧机逐一查询该增氧机的图像范围坐标、主机中点坐标和设定的工作状态。

(2)图像自动识别截取

此功能是用于截取增氧机图像。模块提取未进行识别的网络摄像机实时图像后，根据网络摄像机编号和数据库中手工录入的增氧机的图像坐标范围，将图像中的增氧机图像单独截取出来，准备用于图像识别。

(3)水花像素统计判断

此功能是计算图像中水花像素点的数量，根据增氧机图像范围内水花像素点占总像素点的比例，判断增氧机的工作状态。具体计算步骤为：

步骤1，模块将增氧机图像从彩色的RGB矩阵转换为灰度Gray矩阵；

步骤2，去除增氧机图像上下20％的区域；

步骤3，统计各个灰度值上像素点的数量占图像总像素点数量的百分比；

步骤4，计算灰度值在220以上的像素点占图像总像素点的比例。

如果是水花像素点占总像素点的50％以上，则向模块发出正常运行的状态标识；如果是30％以下，则项模块发出未运行的状态标识；如果在30％至50％之间，则去除原来图像的左右各10％的区域，下方20％的区域以及增氧机中点以上的区域，然后判断RGB矩阵中蓝、绿、红色数值都大于200的像素点占截取后的图像像素点总数量的比例，如果大于50％，则向模块发出运行功率低的状态标识；如果小于50％，则向模块发出未运行的状态标识。

(4)增氧机中点判断

根据图像中增氧机中点的颜色，判断增氧机运行时溅起的水花是否达到遮挡增氧机主机的高度。具体步骤为：

步骤1，提取出数据库中手工录入的增氧机主机中点位置坐标；

步骤2，根据增氧机图像尺寸调整中点采集尺寸，截取出增氧机主机中点正方形区域图像；

步骤3，根据正方形图像的RGB矩阵进行逐个像素点的判断统计，计算主机像素和水花像素占中点区域的比例。

如果蓝色数值大于红色和绿色，并且蓝色数值小于120，则判断为主机像素点；否则判断为非主机像素点。如果主机像素点占总的正方形区域的80％以上，则向系统发出主机中点清晰的状态标识，否则发出主机中点模糊的标识。

(5)增氧机边界判断

根据图像中增氧机主机的左右上三条边界线来判断增氧机是否能够被正常识别。具体步骤为：

步骤1，使用cvCvtColor函数，把增氧机图像从彩色的RGB矩阵转换成灰度Gray矩阵；

步骤2，然后系统使用算子内核设定为3的cvLaplace函数进行拉普拉斯检测边缘，将灰度图像转换为边缘图像；

步骤3，由于进行拉普拉斯算子处理后的边缘图像在边缘部分依旧是阶梯递增，使用以100为阈值的cvThreshold函数，对边缘图像进行二值化转换；

步骤4，使用cvCreateStructuringElementEx函数构建出3×3像素、锚点在正中间的矩形结构元素，之后使用这个矩形结构元素对二值化后的边缘图像进行先膨胀3次然后腐蚀3次的处理，将那些只有很短的断裂口的边缘连接起来；

步骤5，取出录入的增氧机中点坐标，从中点坐标向左逐个像素点扫描直至扫描到边界像素点，从接触点左右延伸各两个像素点，以横排5个像素点向上扫描，直至扫描不到边界，记录下最高的坐标；

步骤6，从中点坐标向右逐个像素点扫描直至扫描到边界点，延伸成横排5个像素点向上扫描，记录下最高的坐标；

步骤7，从中点坐标向上逐个像素点扫描直至扫描到边界点，上下各延伸两个像素点形成竖排5个像素点，分别向左右扫描直至扫描不到边界，记录最左和最右的像素点。

如果左、右、上边界有交集，则向系统发出边界线清晰的状态标识，否则发出边界线模糊的状态标识。

(6)状态整合分析

完成三种识别方法的状态分析后，系统整合三种状态标识并进行自动判断。

当水花总量统计判断为运行状态、增氧机中点判断为模糊状态、增氧机边界判断为模糊状态时，判定为增氧机正常运行；当水花总量统计判断为未运行，增氧机中点判断为清晰状态，增氧机边界判断为清晰状态时，判定为增氧机停止工作；当水花总量判断为低功率，增氧机中点判断和边界判断中至少有一项判断为清晰状态时，判定增氧机处于低功率工作状态。

其余情况下，系统取出同一个网络摄像机的其余两张图像进行判断。如果仍旧不符合以上三种状态，则向用户发出未知状态提示，并保存3张实时图像。

在本发明实施例中，通过自动采集使用部署在水产养殖场的网络摄像机的实时图像，分析图像中增氧机的工作状况，判断增氧机是否出现故障停机，可以代替传统的人工巡视，能够监测增氧机的工作状况，降低系统的部署成本和水产养殖场的运行成本，便于系统维护。本发明实施例公开了一种基于图像识别的远程视频监控系统及方法，该系统可应用于种植业、养殖业等多个方面，本说明书中以水产养殖中的增氧机作为监控对象。

另外，本发明实施例还提供一种基于图像识别的视频监控方法，如图9所示，该方法包括：

S901，对水产养殖场中的增氧机进行图像采集；

S902，接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。

本发明实施例中的基于图像识别的视频监控方法的实现过程及原理可参见本发明的基于图像识别的视频监控系统的实施例中关于的各模块功能的工作原理及实施过程的描述，这里不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的基于图像识别的视频监控系统及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于图像识别的视频监控系统，其特征在于，所述系统包括：

多台网络摄像机，用于对水产养殖场中的增氧机进行图像采集；

图像处理服务器，用于接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。

2.如权利要求1所述的基于图像识别的视频监控系统，其特征在于，所述图像处理服务器包括：

图像采集模块，用于通过局域网连接网络摄像机，控制网络摄像机进行实时图像的采集，并从网络摄像机获取实时图像；

数据录入模块，用于录入网络摄像机数据、增氧机数据、基本信息；

状态识别模块，用于查询增氧机数据，确定增氧机在图像中的区域坐标，并根据截取出来的增氧机图像进行图像识别，分析增氧机的工作状态。

3.如权利要求2所述的基于图像识别的视频监控系统，其特征在于，所述图像采集模块包括：

摄像机信息查询单元，用于查询数据库，取出数据库内所有网络摄像机和增氧机的信息；

自动连接单元，用于根据查询到的网络摄像机数据，自动逐个连接网络摄像机；

图像截取单元，用于控制网络摄像机采集实时图像，并接收网络摄像机发送的实时图像。

4.如权利要求2所述的基于图像识别的视频监控系统，其特征在于，所述状态识别模块包括：

增氧机数据查询单元，用于根据实时图像中的网络摄像机的编号确定增氧机的编号，并查询增氧机的图像边界坐标、主机中点坐标和设定的工作状态；

图像识别单元，用于对截取出来的增氧机图像进行图像识别处理；

状态整合分析单元，用于根据图像识别单元所作出的识别处理结果分析出增氧机的工作状态。

5.如权利要求4所述的基于图像识别的视频监控系统，其特征在于，所述图像识别单元用于对增氧机图像依次进行水花像素统计判断、增氧机中点判断、增氧机边界判断。

6.如权利要求5所述的基于图像识别的视频监控系统，其特征在于，所述状态整合分析单元根据图像识别单元进行的水花像素统计判断、增氧机中点判断、增氧机边界判断三种判断结果综合分析出增氧机的工作状态。

7.如权利要求5所述的基于图像识别的视频监控系统，其特征在于，所述图像识别单元还用于将增氧机图像从彩色的RGB矩阵转换为灰度Gray矩阵；去除增氧机图像上下20％的区域；统计各个灰度值上像素点的数量占图像总像素点数量的百分比；计算灰度值在220以上的像素点占图像总像素点的比例。

8.如权利要求5所述的基于图像识别的视频监控系统，其特征在于，所述图像识别单元还用于提取出数据库中手工录入的增氧机主机中点位置坐标；根据增氧机图像尺寸调整中点采集尺寸；截取出增氧机主机中点正方形区域图像；根据正方形图像的RGB矩阵进行逐个像素点的判断统计，计算主机像素和水花像素占中点区域的比例。

9.如权利要求5所述的基于图像识别的视频监控系统，其特征在于，所述状态整合分析单元还用于当水花总量统计判断为运行状态、增氧机中点判断为模糊状态、增氧机边界判断为模糊状态时，判定为增氧机正常运行；当水花总量统计判断为未运行，增氧机中点判断为清晰状态，增氧机边界判断为清晰状态时，判定为增氧机停止工作；当水花总量判断为低功率，增氧机中点判断和边界判断中至少有一项判断为清晰状态时，判定增氧机处于低功率工作状态。

10.一种基于图像识别的视频监控方法，其特征在于，所述方法包括：

对水产养殖场中的增氧机进行图像采集；

接收网络摄像机所采集的增氧机的图像，并进行图像识别，判断增氧机的工作状态，并根据增氧机的工作状态进行相应处理。