CN107729842A - 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统 - Google Patents

基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统 Download PDF

Info

Publication number
CN107729842A
CN107729842A CN201710968042.8A CN201710968042A CN107729842A CN 107729842 A CN107729842 A CN 107729842A CN 201710968042 A CN201710968042 A CN 201710968042A CN 107729842 A CN107729842 A CN 107729842A
Authority
CN
China
Prior art keywords
gas pipeline
image
party
oil
construction traffic
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
Application number
CN201710968042.8A
Other languages
English (en)
Inventor
胡瑾秋
张来斌
闫雨曦
张鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum Beijing
Original Assignee
China University of Petroleum Beijing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum Beijing filed Critical China University of Petroleum Beijing
Priority to CN201710968042.8A priority Critical patent/CN107729842A/zh
Publication of CN107729842A publication Critical patent/CN107729842A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例提供了一种基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统，该方法包括：获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。本申请实施例可以提高油气管道第三方破坏危险识别检测结果的可靠性。

Description

基于机器视觉的油气管道第三方破坏危险识别方法、装置及 系统
技术领域
本申请涉及机器视角智能识别技术领域，尤其是涉及一种基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统。
背景技术
国民经济和人民生活都离不开石油和天然气运输，油气管道输送具有安全、便捷、经济的特点。然而，油气管道一旦出现事故，可能会国家经济和人民生命安全造成危害。统计数据表明，我国油气管道事故率平均一年一千米有3次，比西方国家要高很多。第三方破坏、腐蚀、管材质量、施工质量及突发性自然灾害成为油气管道事故的主要原因，其中，第三方破坏带来的油气管道破坏达42％。因此，对油气管道第三方破坏进行有效监控识别，对于保障油气管道的安全运行具有重要意义。
目前，在石油石化领域，常用的异常目标监控方法主要有PIGPEN声学传感系统调用压电传感器在地下探测威胁；调用地下振动声波的Piper Guard地音探测系统，其振动声波会受到土质软硬的干扰。
综上所述，目前亟需新的油气管道检测技术方案，以提高检测结果的可靠性。
发明内容
本申请实施例的目的在于提供一种基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统，以提高油气管道第三方破坏危险识别检测结果的可靠性。
为达到上述目的，一方面，本申请实施例提供了一种基于机器视觉的油气管道第三方破坏危险识别方法，包括：
获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，还包括：
在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，还包括：
在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，所述提取所述实时视频数据的图像特征信息，包括：
将获取的实时视频数据以帧为单位截取并保存为RGB图像；
调用rgb2gray函数将所述RGB图像转换为灰度图像；
基于Roberts算法提取所述灰度图像中物体的边缘轮廓特征，获得二值图像；
对所述二值图像进行Hough变换，以去除噪声。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，所述提取所述实时视频数据的图像特征信息，包括：
将获取的实时视频数据以帧为单位截取并保存为RGB图像；
调用rgb2gray函数将所述RGB图像转换为灰度图像；
调用imhist函数获取所述为灰度图像的灰度直方图；
将所述灰度直方图中出现频率最高的灰度作为灰度级阈值，并调用所述灰度级阈值及im2bw函数将所述灰度图像转换为二值图像；
调用imclearborder函数去除所述二值图像的边界物体。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，所述根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆，包括：
确定所述二值图像中每个像素点的八邻域面积；
调用bwareaopen函数删除所述二值图像中八邻域面积小于指定值的像素点，获得前景图像；
对位于所述前景图像中的物体对象进行识别，以判断所述物体对象是否为施工车辆；
当确认所述物体对象为施工车辆时，从相应RGB图像中截取包含所述施工车辆及其车辆牌照信息的图像区域。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，所述提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆，包括：
从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符；
判断所述车牌标识符是否属于预设车牌标识符集合中的元素；
当所述车牌标识符不属于所述车牌标识符集合中的元素时，确认所述施工车辆属于第三方施工车辆。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，所述从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符，包括：
调用imerode函数对所述包含所述施工车辆及其车辆牌照信息的图像区域进行图像腐蚀；
调用闭运算imclose函数对腐蚀后的图像进行边界平滑处理；
调用bwareaopen函数从边界平滑处理后的图像中，移除所有少于指定数量个像素点的连接对象并确定指定颜色像素点的分布，以确定车牌区域；
调用im2bw函数将所述车牌区域转换成二值图像，并调用getword函数从该二值图像中提取车牌标识符。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别方法，在所述从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符之前，还包括：
对包含所述施工车辆及其车辆牌照信息的图像区域进行灰度变换及平滑滤波处理。
另一方面，本申请实施例还提供了一种基于机器视觉的油气管道第三方破坏危险识别装置，包括：
图像获取模块，用于获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
特征提取模块，用于提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
目标识别模块，用于在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别装置，还包括：
异常报警模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别装置，还包括：
目标追踪模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
另一方面，本申请实施例还提供了一种基于机器视觉的油气管道第三方破坏危险识别系统，包括移动视频采集装置及与所述移动视频采集装置耦合的基于机器视觉的油气管道第三方破坏危险识别装置，所述基于机器视觉的油气管道第三方破坏危险识别装置包括：
图像获取模块，用于获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
特征提取模块，用于提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
目标识别模块，用于在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别系统，所述基于机器视觉的油气管道第三方破坏危险识别装置还包括：
异常报警模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
本申请实施例的基于机器视觉的油气管道第三方破坏危险识别系统，所述基于机器视觉的油气管道第三方破坏危险识别装置还包括：
目标追踪模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
由以上本申请实施例提供的技术方案可见，本申请实施例通过频采集装置对目标油气管道周边现场采集的实时视频数据，然后提取实时视频数据的图像特征信息，并根据图像特征信息确认目标油气管道周边是否存在施工车辆；在确认目标油气管道周边存在施工车辆时，提取施工车辆的车牌标识，并根据车牌标识确认施工车辆是否为第三方施工车辆，从而实现了油气管道第三方破坏危险识别。由于相对于现有技术，本申请实施例可提取施工车辆的车牌标识，并根据车牌标识确认施工车辆是否为第三方施工车辆，而车牌标识可用于唯一标识施工车辆身份，因此，本申请实施例提高了油气管道第三方破坏危险识别检测结果的可靠性。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本申请一实施例中基于机器视觉的油气管道第三方破坏危险识别方法的流程图；
图2为本申请一实施例中由RGB图像转换换成的灰度图像；
图3为本申请一实施例中由灰度图像转换换成的二值图像；
图4为本申请一实施例中经Hough变换后的二值图像；
图5为图3所示灰度图像的灰度直方图；
图6为本申请一实施例中线性变换示意图；
图7a为本申请一实施例中某像素点(x,y)的八邻域示意图；
图7b为本申请一实施例中某像素点(x,y)的四邻域示意图；
图8为本申请一实施例中基于机器视觉的油气管道第三方破坏危险识别系统的系统框图；
图9为本申请一实施例中基于机器视觉的油气管道第三方破坏危险识别装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
参考图1所示，本申请实施例的一种基于机器视觉的油气管道第三方破坏危险识别方法，可以包括以下步骤：
S101、获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据。
在本申请一些实施方式中，所述移动视频采集装置为可远程控制的移动视频采集装置，以便于对对目标油气管道周边现场进行不同位置、不同方向和不同角度的实时视频数据采集。在本申请一些示例性实施方式中，所述移动视频采集装置例如可以为具有视频采集功能的地面移动机器人、无人机等。
S102、提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆。
在本申请一些实施方式中，所述提取所述实时视频数据的图像特征信息可以包括以下步骤：
1a)、将获取的实时视频数据以帧为单位截取并保存为RGB图像，即实时视频数据流保存为一幅幅RGB图像；在本申请一示例性实施方式中，例如调用varargout函数获取实时视频数据，然后调用videoinput函数在窗口播放视频，调用getsnapshot(vid)函数来截取视频帧，并调用ycbcr2rgb函数将视频帧变成RGB图像，最后调用imwrite函数将RGB图像进行后台储存。
2a)、可调用rgb2gray函数等将所述RGB图像转换为灰度图像，例如图2所示；
3a)、可基于Roberts算法提取所述灰度图像中物体的边缘轮廓特征，获得二值图像，例如图3所示；
4a)、可对所述二值图像进行Hough变换，以去除噪声，例如图4所示。
在本申请另一些实施方式中，所述提取所述实时视频数据的图像特征信息可以包括以下步骤：
1b)、可将获取的实时视频数据以帧为单位截取并保存为RGB图像；
2b)、可调用rgb2gray函数将所述RGB图像转换为灰度图像；
3b)、可调用imhist函数获取所述为灰度图像的灰度直方图，例如图5所示；
4b)、可将所述灰度直方图中出现频率最高的灰度作为灰度级阈值，并调用所述灰度级阈值及im2bw函数将所述灰度图像转换为二值图像；
5b)、调用imclearborder函数去除所述二值图像的边界物体，以去除噪声。
在本申请一些实施方式中，所述根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆可以包括以步骤：
首先，确定所述二值图像中每个像素点的八邻域面积；
其次，调用bwareaopen函数删除所述二值图像中八邻域面积小于指定值(例如少于50)的像素点，可获得前景图像；
然后，对位于所述前景图像中的物体对象进行识别，以判断所述物体对象是否为施工车辆；
最后，当确认所述物体对象为施工车辆时，从相应RGB图像中截取包含所述施工车辆及其车辆牌照信息的图像区域。
S103、在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
在本申请一些实施方式中，所述提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆，可以包括以下步骤：
1)、从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符；具体的，首先可调用imerode函数对所述包含所述施工车辆及其车辆牌照信息的图像区域进行图像腐蚀；其次可调用闭运算imclose函数对腐蚀后的图像进行边界平滑处理；然后可调用bwareaopen函数从边界平滑处理后的图像中，移除所有少于指定数量个像素点的连接对象并确定指定颜色像素点的分布，以确定车牌区域；最后调用im2bw函数将所述车牌区域转换成二值图像，并调用getword函数从该二值图像中提取车牌标识符。
2)、判断所述车牌标识符是否属于预设车牌标识符集合中的元素；其中，所述预设车牌标识符集合包括多个字符模板，每个字符模板为一个本方车辆或本方许可的车辆的车牌号码；而通过将所述车牌标识符与所述车牌标识符集合的各个字符模板进行比较(例如通过图像矩阵相减的方式来进行单字识别等)，可以确认所述车牌标识符所对应的车辆是否为第三方车辆。
3)、当所述车牌标识符不属于所述车牌标识符集合中的元素时，确认所述施工车辆属于第三方施工车辆。
在本申请一些实施方式中，在确认所述目标油气管道周边存在第三方施工车辆时，还可以进行异常报警，所述的异常报警可以是文字报警、声音报警或其结合等。例如异常时调用msgbox弹出弹窗并调用audioplayer播放报警提示音。
在本申请一些实施方式中，在确认所述目标油气管道周边存在第三方施工车辆时，还可以控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。例如可以设定起点与终点(起点为移动视频采集装置所在之处，终点为异常目标所在之处)。
在本申请一些实施方式中，在所述从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符之前，还可以包括对包含所述施工车辆及其车辆牌照信息的图像区域进行灰度变换及平滑滤波处理。具体的，
由于车牌牌照图像图像在拍摄时容易受到种种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理。这时就可以采用平滑滤波的方式来处理，以增强灰度的变化范围、丰富灰度层次，达到增强图像的对比度和分辨率的目的。研究表明，车辆牌照图像的灰度取值范围大多局限在r＝(50，200)之间，而且总体上灰度偏低，图像较暗。根据实际条件，可将灰度范围展开到s＝(0，255)之间，具体的，可对包含所述施工车辆及其车辆牌照信息的图像区域进行图像灰度化，然后对其灰度值进行变换，以改变图像的质量。在本申请一示例性实施方式中，可利用如图6所示的S＝T(r)函数(即r＝[rmin，rmax])进行变换，变换后使得S∈[Smin，Smax]，将灰度范围由大多数情况下原有的50～200变换至0～255之间。
接下来可对变换后的图像进行图像平滑处理，即在空域中求邻域的平均值，以此来减小噪声带来的影响，以便后续的处理。像素点邻域的表达形式有两个：八邻域和四邻域，其模板如图7a和图7b所示。
其中，所述在空域中求邻域的平均值可通过公式实现，其中，M为邻域中除去中心像素点f(i,j)以外的所有像素总数。但是，邻域平均值的平滑处理会使得图像灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图像模糊现象，可给中心点像素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图像模糊，得到平滑后的结果。
虽然上文描述的过程流程包括以特定顺序出现的多个操作，但是，应当清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
参考图8所示，本申请实施例一种基于机器视觉的油气管道第三方破坏危险识别系统可以包括移动视频采集装置及与所述移动视频采集装置耦合的一个或多个基于机器视觉的油气管道第三方破坏危险识别装置。结合图9所示，所述基于机器视觉的油气管道第三方破坏危险识别装置可以包括：
图像获取模块91，可以用于获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
特征提取模块92，可以用于提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
目标识别模块93，可以用于在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
在本申请一些实施方式中，上述基于机器视觉的油气管道第三方破坏危险识别装置还可以包括：
异常报警模块94，用于在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
在本申请一些实施方式中，上述基于机器视觉的油气管道第三方破坏危险识别装置还可以包括：
目标追踪模块95，可以用于在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
本申请实施例的装置与上述实施例的方法对应，因此，有关于本申请的装置细节，请参见上述实施例的方法，在此不再赘述。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (15)

1.一种基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，包括：
获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
2.如权利要求1所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，还包括：
在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
3.如权利要求1所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，还包括：
在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
4.如权利要求1所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，所述提取所述实时视频数据的图像特征信息，包括：
将获取的实时视频数据以帧为单位截取并保存为RGB图像；
调用rgb2gray函数将所述RGB图像转换为灰度图像；
基于Roberts算法提取所述灰度图像中物体的边缘轮廓特征，获得二值图像；
对所述二值图像进行Hough变换，以去除噪声。
5.如权利要求1所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，所述提取所述实时视频数据的图像特征信息，包括：
将获取的实时视频数据以帧为单位截取并保存为RGB图像；
调用rgb2gray函数将所述RGB图像转换为灰度图像；
调用imhist函数获取所述为灰度图像的灰度直方图；
将所述灰度直方图中出现频率最高的灰度作为灰度级阈值，并调用所述灰度级阈值及im2bw函数将所述灰度图像转换为二值图像；
调用imclearborder函数去除所述二值图像的边界物体。
6.如权利要求4或5所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，所述根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆，包括：
确定所述二值图像中每个像素点的八邻域面积；
调用bwareaopen函数删除所述二值图像中八邻域面积小于指定值的像素点，获得前景图像；
对位于所述前景图像中的物体对象进行识别，以判断所述物体对象是否为施工车辆；
当确认所述物体对象为施工车辆时，从相应RGB图像中截取包含所述施工车辆及其车辆牌照信息的图像区域。
7.如权利要求6所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，所述提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆，包括：
从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符；
判断所述车牌标识符是否属于预设车牌标识符集合中的元素；
当所述车牌标识符不属于所述车牌标识符集合中的元素时，确认所述施工车辆属于第三方施工车辆。
8.如权利要求7所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，所述从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符，包括：
调用imerode函数对所述包含所述施工车辆及其车辆牌照信息的图像区域进行图像腐蚀；
调用闭运算imclose函数对腐蚀后的图像进行边界平滑处理；
调用bwareaopen函数从边界平滑处理后的图像中，移除所有少于指定数量个像素点的连接对象并确定指定颜色像素点的分布，以确定车牌区域；
调用im2bw函数将所述车牌区域转换成二值图像，并调用getword函数从该二值图像中提取车牌标识符。
9.如权利要求7所述的基于机器视觉的油气管道第三方破坏危险识别方法，其特征在于，在所述从包含所述施工车辆及其车辆牌照信息的图像区域中，提取车牌标识符之前，还包括：
对包含所述施工车辆及其车辆牌照信息的图像区域进行灰度变换及平滑滤波处理。
10.一种基于机器视觉的油气管道第三方破坏危险识别装置，其特征在于，包括：
图像获取模块，用于获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
特征提取模块，用于提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
目标识别模块，用于在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
11.如权利要求10所述的基于机器视觉的油气管道第三方破坏危险识别装置，其特征在于，还包括：
异常报警模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
12.如权利要求10所述的基于机器视觉的油气管道第三方破坏危险识别装置，其特征在于，还包括：
目标追踪模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
13.一种基于机器视觉的油气管道第三方破坏危险识别系统，其特征在于，包括移动视频采集装置及与所述移动视频采集装置耦合的基于机器视觉的油气管道第三方破坏危险识别装置，所述基于机器视觉的油气管道第三方破坏危险识别装置包括：
图像获取模块，用于获取移动视频采集装置针对目标油气管道周边现场采集的实时视频数据；
特征提取模块，用于提取所述实时视频数据的图像特征信息，并根据所述图像特征信息确认所述目标油气管道周边是否存在施工车辆；
目标识别模块，用于在确认所述目标油气管道周边存在施工车辆时，提取所述施工车辆的车牌标识，并根据所述车牌标识确认所述施工车辆是否为第三方施工车辆。
14.如权利要求13所述的基于机器视觉的油气管道第三方破坏危险识别系统，其特征在于，所述基于机器视觉的油气管道第三方破坏危险识别装置还包括：
异常报警模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，进行异常报警。
15.如权利要求13所述的基于机器视觉的油气管道第三方破坏危险识别系统，其特征在于，所述基于机器视觉的油气管道第三方破坏危险识别装置还包括：
目标追踪模块，用于在确认所述目标油气管道周边存在第三方施工车辆时，控制所述移动视频采集装置对所述第三方施工车辆进行实时追踪。
CN201710968042.8A 2017-10-18 2017-10-18 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统 Pending CN107729842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710968042.8A CN107729842A (zh) 2017-10-18 2017-10-18 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710968042.8A CN107729842A (zh) 2017-10-18 2017-10-18 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统

Publications (1)

Publication Number Publication Date
CN107729842A true CN107729842A (zh) 2018-02-23

Family

ID=61211742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710968042.8A Pending CN107729842A (zh) 2017-10-18 2017-10-18 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统

Country Status (1)

Country Link
CN (1) CN107729842A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109348168A (zh) * 2018-08-03 2019-02-15 株洲新奥燃气有限公司 燃气输送管线的监控过程中的施工识别方法及系统
CN110321770A (zh) * 2019-03-25 2019-10-11 西安长城数字软件有限公司 管线监控方法、装置、设备和存储介质
CN112112685A (zh) * 2020-10-12 2020-12-22 图为信息科技(深圳)有限公司 一种煤矿安全远程预警报警的方法及装置
WO2022121186A1 (zh) * 2020-12-11 2022-06-16 平安科技（深圳）有限公司 基于目标匹配的油气管道巡检方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201945877U (zh) * 2011-01-17 2011-08-24 西安科兴测控技术有限责任公司 一种渣土车辆动态监控系统
CN103313041A (zh) * 2013-06-17 2013-09-18 广东新视野信息科技有限公司 一种工地智能监控管理方法
CN205281207U (zh) * 2015-12-29 2016-06-01 浙江特勤卫星导航科技有限公司 一种工地管理系统
CN105989682A (zh) * 2015-02-05 2016-10-05 国家电网公司 一种输电线路线下施工机械安全预警监控系统及监控方法
CN107145851A (zh) * 2017-04-28 2017-09-08 西南科技大学 建筑作业区危险源智能识别系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201945877U (zh) * 2011-01-17 2011-08-24 西安科兴测控技术有限责任公司 一种渣土车辆动态监控系统
CN103313041A (zh) * 2013-06-17 2013-09-18 广东新视野信息科技有限公司 一种工地智能监控管理方法
CN105989682A (zh) * 2015-02-05 2016-10-05 国家电网公司 一种输电线路线下施工机械安全预警监控系统及监控方法
CN205281207U (zh) * 2015-12-29 2016-06-01 浙江特勤卫星导航科技有限公司 一种工地管理系统
CN107145851A (zh) * 2017-04-28 2017-09-08 西南科技大学 建筑作业区危险源智能识别系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109348168A (zh) * 2018-08-03 2019-02-15 株洲新奥燃气有限公司 燃气输送管线的监控过程中的施工识别方法及系统
CN109348168B (zh) * 2018-08-03 2021-07-20 株洲新奥燃气有限公司 燃气输送管线的监控过程中的施工识别方法及系统
CN110321770A (zh) * 2019-03-25 2019-10-11 西安长城数字软件有限公司 管线监控方法、装置、设备和存储介质
CN110321770B (zh) * 2019-03-25 2022-05-31 西安长城数字软件有限公司 管线监控方法、装置、设备和存储介质
CN112112685A (zh) * 2020-10-12 2020-12-22 图为信息科技(深圳)有限公司 一种煤矿安全远程预警报警的方法及装置
WO2022121186A1 (zh) * 2020-12-11 2022-06-16 平安科技（深圳）有限公司 基于目标匹配的油气管道巡检方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN107729842A (zh) 基于机器视觉的油气管道第三方破坏危险识别方法、装置及系统
CN111160125B (zh) 基于铁路监控的铁路异物入侵检测方法
CN110650316A (zh) 智能巡逻及预警处理方法、装置、电子设备及存储介质
CN106484837A (zh) 相似视频文件的检测方法和装置
WO2021249351A1 (zh) 一种基于rgbd图像的目标检测方法、装置及计算机设备
US20150287168A1 (en) Duplicate check image resolution
CN111008961A (zh) 一种输电线路设备缺陷检测方法及其系统、设备、介质
Do et al. Automatic license plate recognition using mobile device
CN107103595A (zh) 检测图像变化的方法、装置、存储介质及设备
CN104574358A (zh) 从聚焦堆图像进行场景分割的方法和设备
CN112686595A (zh) 物流操作违规行为的检测方法、装置、设备和存储介质
CN109030499B (zh) 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN105046948A (zh) 一种黄色网格线区域内交通违章停车监测系统和方法
CN109460705A (zh) 基于机器视觉的输油管道监控方法
CN110969213A (zh) 一种基于Faster RCNN的船只检测方法、装置及电子设备
CN114170569A (zh) 一种路面异常情况监测方法、系统、存储介质及设备
WO2021027113A1 (zh) 图片验证方法、装置、计算机设备及存储介质
CN112001336A (zh) 行人越界报警方法、装置、设备及系统
CN111126248A (zh) 一种遮挡下的车辆识别方法及装置
CN113938673B (zh) 一种智慧城市监控管理方法
Chen et al. Detecting spliced image based on simplified statistical model
CN113033355B (zh) 一种基于密集输电通道的异常目标识别方法和装置
CN110363251B (zh) 一种sku图像分类方法、装置、电子设备及存储介质
CN111967335A (zh) 一种基于图像处理的输电线路上异物识别的方法
CN114913488A (zh) 抛洒物检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180223