CN109001210A - 一种人防门密封胶条老化龟裂检测系统及方法 - Google Patents

一种人防门密封胶条老化龟裂检测系统及方法 Download PDF

Info

Publication number
CN109001210A
CN109001210A CN201810542720.9A CN201810542720A CN109001210A CN 109001210 A CN109001210 A CN 109001210A CN 201810542720 A CN201810542720 A CN 201810542720A CN 109001210 A CN109001210 A CN 109001210A
Authority
CN
China
Prior art keywords
image
aging cracking
people
air defense
cracking
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.)
Granted
Application number
CN201810542720.9A
Other languages
English (en)
Other versions
CN109001210B (zh
Inventor
秦启平
王邦平
修应奎
龚柱
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.)
Chengdu Tianren Civil Defense Technology Co., Ltd
China Railway Eryuan Engineering Group Co Ltd CREEC
Original Assignee
Tian Ren Civil Defence Construction Engineering Design Co Ltd
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 Tian Ren Civil Defence Construction Engineering Design Co Ltd filed Critical Tian Ren Civil Defence Construction Engineering Design Co Ltd
Priority to CN201810542720.9A priority Critical patent/CN109001210B/zh
Publication of CN109001210A publication Critical patent/CN109001210A/zh
Application granted granted Critical
Publication of CN109001210B publication Critical patent/CN109001210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Burglar Alarm Systems (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种人防门密封胶条老化龟裂检测系统及方法，系统包括用于获得镶嵌在人防门门框上的密封胶条的视频图像的光路布局模块，用于接收光路布局模块获取的视频图像的数据采集模块，用于储存原始和实时视频图像信息的图像数据服务器，将原始和实时视频图像进行分析比对：定位到老化龟裂位置，并确定密封胶条老化龟裂状态异常情况的智能分析模块，用于对已确定人防门密封胶条老化龟裂状态异常情况进行显示的显示终端，电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。实现密封胶条老化龟裂状态自动监控，实时显示胶条老化龟裂状态，方便运维人员了解并及时维护，保证人防门战时的可靠性，提高了工作效率。

Description

一种人防门密封胶条老化龟裂检测系统及方法
技术领域
本发明属于人防门技术领域，尤其是涉及一种人防门密封胶条老化龟裂自动检测系统。
背景技术
人防门就是人民防护工程出入口的门，战时用来保护避难人群，阻隔毒气、爆破杀伤用的门。人防门的胶条的作用是为了加强人防在关闭状态下的密闭状态，防止有害毒气进入密闭的生存空间，对躲避人员造成伤害。
在和平时期人防门处于常开状态，由于常年暴露在外，胶条会出现老化龟裂现象。胶条的龟裂老化满足不了战备的需求，在真正的战争时期，起不到密闭作用。
当前人防门的胶条老化主要是靠巡检员巡视发现胶条老化问题。对于大多数人防工程来说，巡检员巡检周期很长，巡检点位太多也很难面面俱到。发现问题的及时性和全面性达不到要求。
如何设计一种能够及时且全面发现人防门密封胶条老化问题检测系统成为本领域技术人员急需解决的问题。
发明内容
有鉴于此，本发明旨在提供一种人防门密封胶条老化龟裂检测系统，以便实时全面地发现人防门的胶条老化情况，及时维护，提高人防门战时的安全性及维护的便捷性。
为达到上述目的，本发明的技术方案是这样实现的：
一种人防门密封胶条老化龟裂检测系统，包括
光路布局模块，包括有摄像机，用于获得镶嵌在人防门门框上的密封胶条的视频图像；
数据采集模块，用于接收所述光路布局模块获取的视频图像；
图像数据服务器，用于储存密封胶条的原始和实时视频图像信息；
智能分析模块，将所述图像数据服务器中存储的密封胶条的原始和实时视频图像进行分析比对：定位到老化龟裂位置，并确定密封胶条老化龟裂状态异常情况；
显示终端，用于对已确定人防门密封胶条老化龟裂状态异常情况进行显示；
电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。
还包括控制主机，所述控制主机和电气主控箱电连接，
所述控制主机通过电气主控箱：
开启关闭所述光路布局模块，或
启动所述智能分析模块进行图像分析比对，或，
获取所述图像数据服务器中已储存的人防门密封胶条视频图像信息、或，获取所述智能分析模块确认的人防门密封胶条的状态异常情况。
还包括远程控制中心，所述远程控制中心设置自动运维模块，所述控制主机和远程控制中心连接，所述远程控制中心通过控制主机获取、存储人防门密封胶条老化龟裂的状态异常情况，并将自动运维模块发送给控制主机。
一种人防门密封胶条老化龟裂状态的检测方法，包括如下步骤：
S1：光路布局模块的摄像机获取人防门门框上的密封胶条的图像；
S2：数据采集模块接收所述光路布局模块获取的视频图像,并传递给智能分析模块；
S3：智能分析模块调取图像数据服务器存储的密封胶条原始和实时视频图像；
S4：智能分析模块，将人密封胶条的原始和实时视频图像，进行图像分析比对，定位到密封胶条的老化龟裂位置并确定人防门的密封胶条的老化龟裂状态异常情况；
S5：电气主控箱将密封胶条的老化龟裂的异常状态在所述显示终端上显示出来。
步骤S4中原始和实时视频图像进行分析比对通过如下步骤得到：
S41：建立胶条老化龟裂图像样本库：收集胶条老化龟裂图像块制作成正样本库，收集没有老化龟裂的胶条图像块制作成负样本库；
S42:建立样本标签：将老化龟裂的图像的标签设为1，将没有老化龟裂的图像标签设为0；
S43：将S41建立的胶条老化龟裂图像样本库和S42建立的样本标签，进行对应，形成样本标签集合；
S44：样本图像特征提取：样本图像特征包括颜色特征和形态特征；颜色特征利用OpenCV函数cvtColor带参数CV_BGR2HSV将图像从rgb空间转换到HSV图像空间，利用OpenCV函数calcHist计算颜色直方图；形态特征采用Sobel算子计算图像的梯度信息；将图像的颜色直方图和图像的梯度信息形成一个一维矢量作为样本图像的特征；
S45：分类训练：采用OpenCV中的机器学习模块中SVM算法对S44得到的样本图像特征进行训练，训练完成后将得到训练文件，将该文件保存为xml文件格式；
S46：输入密封胶条实时图像和原始图像；
S47：图像配准：将实时图像配准到原始图像；
S48：图像比对与差异输出：将当前实时图像和原始图像采用SSIM算法，比较两幅图像的结构相似性，将实时图像中与原始图像差异度大的图像块，作为疑似胶条老化龟裂图像块输出；
S49:老化龟裂状态识别输出：对疑似老化龟裂图像块采用步骤S44的方法提取疑似老化龟裂图像块的图像特征,利用步骤S45形成的训练文件和KNN算法识别疑似老化龟裂图像块是否为老化龟裂图像；在识别过程，采用OpenCV中函数findNearest查找最近邻的20个以上的样本图像进行比较，当超过10个以上的图像都属于老化龟裂图像，可认为该图像块为老化龟裂图像。
所述步骤S47中图像配准的步骤如下：
S471：采用surf算法求解输入实时图像和原始图像的surf特征描述点；
S472：对特征描述点利用opencv中特征匹配点算法FlannBasedMatcher求解匹配点；
S473：在匹配点中统计出匹配最小距离min_dis，以min_dis为基准，凡是匹配距离小于5倍min_dis的匹配点筛选出来作为最佳匹配点集合；
S474：对实时图像和原始图像之间的最佳匹配点集合，利用opencv函数findHomography求解当前实时图像到原始图像之间的仿射变换矩阵H，利用opencv函数warpPerspective对仿射变换矩阵H进行计算将当前图像配准到原始图像。
还包括老化龟裂状态分级预警步骤：
S491：将KNN算法中用findNearest找出的20个最近邻样本图像中预警值进行统计，对每一级报警的样本数进行统计，最多样本数报警级别作为老化龟裂状态预警级别；当多个报警级别的样本数相同时，采用最高的预警级别进行预警。
还包括老化龟裂状态报警步骤：
S492：假设老化龟裂状态识别出的第i个老化龟裂图像块沿门框方向的中心线像素长度为Li，预警系数为Xi，i＝1，2，…n，n为检测到的老化龟裂图像块个数，门框胶条中心线像素周长为L，Lb为检测到的各个老化龟裂图像块采用沿门框方向的直线连接后得到的中心线像素总长度；在下列情况下产生老化龟裂报警：
(1)、(L1*X1+L2*X2+…….+Ln*Xn)÷10÷L≥0.1
(2)、Lb÷L≥0.5。
还包括智能运维步骤：
S6：将基于运维专家知识经验总结的运维方案录入到远程数据中心的数据库；
S7：基于步骤S5的人防门的锈蚀状态异常状态检测的结果，调用S6存储的对应的运维方案模块。
所述自动运维方案模块中包括：异常状态人防门地点信息、备用产品查询、维修队伍的通知及去异常地点的最佳路线及维护措施。
相对于现有技术，本发明所述的一种人防门密封胶条老化龟裂检测系统具有以下优势：
由于采用上述技术方案：
(1)本发明的系统，集成收集了电气主控箱和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端等，通过电气主控箱控制摄像机、图像采集分析、智能分析模块等，将人防门的密封胶条老化龟裂状态实时监控、采集和分析处理，给予显示，自动实现了人防门的密封胶条老化龟裂状态监控，实时显示密封胶条老化龟裂状态，方便运维人员了解人防门状态及时对其进行维护，保证人防门战时的可靠性，提高了工作效率。
(2)同时，设置远程数据中心，将海量的门扇图片信息实时保存，达到数据备份作用，且通过电子监控和大数据分析方式，有助于实时得到密封胶条老化龟裂情况。
(3)图像数据服务器具有储存多次视频图像的功能，为智能分析模块多次调用提供支持，且为密封胶条老化龟裂状态提供原始图像，为后期故障分析服务。
(4)智能分析模块具有自处理功能，首先将所述数据采集模块采集到的密封胶条视频图像，与原始视频图像进行比较；定位老化龟裂位置并确定老化龟裂情况，自动分析功能能够实现人防门密封胶条老化龟裂状态分级报警功能；这个过程海量数据实时传递、处理过程快捷高效。
(5)还设置有老化龟裂状态分级预警，有助于分级解决对应问题，提高了适应性；同时预设了老化龟裂状态报警，避免了重大安全事故。
(6)和远程控制中心联网，远程控制中心设置有基于人防门运维专家知识经验的运维系统，实现了自动提供人防门运维方案功能，具有一定的维护工作自动化功能、提高效率；同时远程数据中心具有远程操控发布指令、一对多的集成处理，提高了监控效率和远程指令能力，有助于系统性发现问题和解决相关安全问题。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明的人防门成像光路示意图。
图2本发明检测系统的结构示意图。
图3是密封胶条老化龟裂检测流程图。
图4是原始和实时视频图像进行分析比对的流程图。
图5是图像配准的流程图。
附图标记说明：
1：人防门胶条，2：摄像机，3：第一补光灯，4：第二补光灯。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
人防门密闭胶条老化龟裂是一个缓慢的变化过程，在出现老化龟裂现象时，及时采取维修措施，才能满足人防门的在战时密闭要求。本申请发明了一种在人防门胶条可视情况下，利用摄像头加补光设备实现利用视频图像可人工实时观测密闭胶条状态，并利用图像智能识别技术实现自动检测人防门的胶条老化龟裂情况，最终实现对人防门密闭胶条智能运维的目的。
如图2所示，一种人防门密封胶条老化龟裂检测系统，包括光路布局模块，包括有摄像机，用于获得镶嵌在人防门门框上的密封胶条的视频图像；如图1所示，胶条主要镶嵌在门框上，在光路布局中，需要对门的门框进行监控，采用一个成像单元进行监控，包括一个摄像机和两个补光单元(第一补光灯和第二补光灯)，摄像机的镜头将根据实际的安装位置进行选配。
数据采集模块，用于接收所述光路布局模块获取的视频图像；
图像数据服务器，用于储存密封胶条的原始和实时视频图像信息；
智能分析模块，将所述图像数据服务器中存储的密封胶条的原始和实时视频图像进行分析比对：定位到老化龟裂位置，并确定密封胶条老化龟裂状态异常情况；
显示终端，用于对已确定人防门密封胶条老化龟裂状态异常情况进行显示；
电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。
还包括控制主机，所述控制主机和电气主控箱电连接，
所述控制主机通过电气主控箱：
开启关闭所述光路布局模块，或
启动所述智能分析模块进行图像分析比对，或，
获取所述图像数据服务器中已储存的人防门密封胶条视频图像信息、或，获取所述智能分析模块确认的人防门密封胶条的状态异常情况。
还包括远程控制中心，所述远程控制中心设置自动运维模块，所述控制主机和远程控制中心连接，所述远程控制中心通过控制主机获取、存储人防门密封胶条老化龟裂的状态异常情况，并将自动运维模块发送给控制主机。
一种人防门密封胶条老化龟裂状态的检测方法，包括如下步骤：
S1：光路布局模块的摄像机获取人防门门框上的密封胶条的图像；
S2：数据采集模块接收所述光路布局模块获取的视频图像,并传递给智能分析模块；
S3：智能分析模块调取图像数据服务器存储的密封胶条原始和实时视频图像；
S4：智能分析模块，将人密封胶条的原始和实时视频图像，进行图像分析比对，定位到密封胶条的老化龟裂位置并确定人防门的密封胶条的老化龟裂状态异常情况；
S5：电气主控箱将密封胶条的老化龟裂的异常状态在所述显示终端上显示出来。
图3为人防门胶条老化龟裂检测流程图，分为两部分：训练部分和检测部分。训练部分主要是根据既有胶条老化龟裂图像样本进行特征检测后进行训练，训练产生的训练文件供检测时使用。检测部分实现胶条老化龟裂状态的检测，并定位到老化龟裂位置；根据老化龟裂情况进行分级预警和报警；最后根据专家经验建立的运维预案库提供运维人员使用的运维方案。
训练部分是基于各种渠道收集到的胶条老化龟裂图像块制作成的正例样本库和无老化龟裂图像块的反例样本库，利用机器学习算法得到训练文件供检测部分使用。训练部分只需要在收集到样本后运行训练软件得到训练文件即可。
步骤S4中原始和实时视频图像进行分析比对通过如下步骤得到：
S41：建立胶条老化龟裂图像样本库：收集胶条老化龟裂图像块制作成正样本库，收集没有老化龟裂的胶条图像块制作成负样本库；龟裂图像的正样本是从人防门或者其它具有胶条的门框图像中扣取出包括老化龟裂部分的图像块；负样本是从人防门或者钢铁制造门图像中扣取出没有老化龟裂的图像块。图像块的分辨率大小不低于20*20。在系统的运行过程中，可以不断的收集正负样本图像，重新训练得到训练文件来纠正错误识别。
S42:建立样本标签：将老化龟裂的图像的标签设为1，将没有老化龟裂的图像标签设为0；样本图像标签指的是样本图像是否属于老化龟裂图像，是老化龟裂为1，不是老化龟裂图像置为0，为了在下一步实现老化龟裂程度报警，对老化龟裂样本图像设置0～10级老化龟裂预警系数。将所有的样本图像和对应标签形成一个集合提供给下一模块进行处理。
S43：将S41建立的胶条老化龟裂图像样本库和S42建立的样本标签，进行对应，形成样本标签集合；
S44：样本图像特征提取：样本图像特征包括颜色特征和形态特征；颜色特征利用OpenCV函数cvtColor带参数CV_BGR2HSV将图像从rgb空间转换到HSV图像空间，利用OpenCV函数calcHist计算颜色直方图；形态特征采用Sobel算子计算图像的梯度信息；将图像的颜色直方图和图像的梯度信息形成一个一维矢量作为样本图像的特征；
S45：分类训练：采用OpenCV中的机器学习模块中SVM算法对S44得到的样本图像特征进行训练，训练完成后将得到训练文件，将该文件保存为xml文件格式；
S46：输入密封胶条实时图像和原始图像；
S47：图像配准：将实时图像配准到原始图像；
S48：图像比对与差异输出：将当前实时图像和原始图像采用SSIM算法，比较两幅图像的结构相似性，将实时图像中与原始图像差异度大的图像块，作为疑似胶条老化龟裂图像块输出；
S49:老化龟裂状态识别输出：对疑似老化龟裂图像块采用步骤S44的方法提取疑似老化龟裂图像块的图像特征,利用步骤S45形成的训练文件和KNN算法识别疑似老化龟裂图像块是否为老化龟裂图像；在识别过程，采用OpenCV中函数findNearest查找最近邻的20个以上的样本图像进行比较，当超过10个以上的图像都属于老化龟裂图像，可认为该图像块为老化龟裂图像。
所述步骤S47中图像配准的步骤如下：
S471：采用surf算法求解输入实时图像和原始图像的surf特征描述点；
S472：对特征描述点利用opencv中特征匹配点算法FlannBasedMatcher求解匹配点；
S473：在匹配点中统计出匹配最小距离min_dis，以min_dis为基准，凡是匹配距离小于5倍min_dis的匹配点筛选出来作为最佳匹配点集合；
S474：对实时图像和原始图像之间的最佳匹配点集合，利用opencv函数findHomography求解当前实时图像到原始图像之间的仿射变换矩阵H，利用opencv函数warpPerspective对仿射变换矩阵H进行计算将当前图像配准到原始图像。
经过图像配准，实现了将当前实时图像配准到了历史图像，将当前实时图像和历史图像进行图像比对。对于历史图像，采用交互式方式框出门扇区域，为后续在比对中只对门扇区域进行比对。在历史图像中框出门扇区域只需在软件部署配置时，完成一次即可。比对中采用SSIM算法(全称为structural similarity index，即为结构相似性)，比较两幅图像的结构相似性，将当前图像中差异度大的图像块输出，作为疑似胶条老化龟裂图像块输出。
还包括老化龟裂状态分级预警步骤：
S491：将KNN算法中用findNearest找出的20个最近邻样本图像中预警值进行统计，对每一级报警的样本数进行统计，最多样本数报警级别作为老化龟裂状态预警级别；当多个报警级别的样本数相同时，采用最高的预警级别进行预警。
还包括老化龟裂状态报警步骤：
S492：假设老化龟裂状态识别出的第i个老化龟裂图像块沿门框方向的中心线像素长度为Li，预警系数为Xi，i＝1，2，…n，n为检测到的老化龟裂图像块个数，门框胶条中心线像素周长为L，Lb为检测到的各个老化龟裂图像块采用沿门框方向的直线连接后得到的中心线像素总长度；在下列情况下产生老化龟裂报警：
(1)、(L1*X1+L2*X2+…….+Ln*Xn)÷10÷L≥0.1
(2)、Lb÷L≥0.5。
还包括智能运维步骤：
S6：将基于运维专家知识经验总结的运维方案录入到远程数据中心的数据库；
S7：基于步骤S5的人防门的锈蚀状态异常状态检测的结果，调用S6存储的对应的运维方案模块。
所述自动运维方案模块中包括：异常状态人防门地点信息、备用产品查询、维修队伍的通知及去异常地点的最佳路线及维护措施。
6发明的效果
(1)与人工定期巡检观察相比，本专利提出的方法可以实现根据需要随时查看人防门胶条的老化龟裂情况。
(2)本专利利用计算机视觉技术，完全实现了自动化监测人防门胶条老化龟裂状态。
(3)本专利提出一种人防门胶条老化龟裂状态分级预警和报警及自动生成运维方案，为人方门胶条的智能运维提供有益的解决方案。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人防门密封胶条老化龟裂检测系统，其特征在于：包括
光路布局模块，包括有摄像机，用于获得镶嵌在人防门门框上的密封胶条的视频图像；
数据采集模块，用于接收所述光路布局模块获取的视频图像；
图像数据服务器，用于储存密封胶条的原始和实时视频图像信息；
智能分析模块，将所述图像数据服务器中存储的密封胶条的原始和实时视频图像进行分析比对：定位到老化龟裂位置，并确定密封胶条老化龟裂状态异常情况；
显示终端，用于对已确定人防门密封胶条老化龟裂状态异常情况进行显示；
电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。
2.根据权利要求1所述的人防门密封胶条老化龟裂检测系统，其特征在于：
还包括控制主机，所述控制主机和电气主控箱电连接，
所述控制主机通过电气主控箱：
开启关闭所述光路布局模块，或
启动所述智能分析模块进行图像分析比对，或，
获取所述图像数据服务器中已储存的人防门密封胶条视频图像信息、或，获取所述智能分析模块确认的人防门密封胶条的状态异常情况。
3.根据权利要求2所述的人防门密封胶条老化龟裂检测系统，其特征在于：还包括远程控制中心，所述远程控制中心设置自动运维模块，所述控制主机和远程控制中心连接，所述远程控制中心通过控制主机获取、存储人防门密封胶条老化龟裂的状态异常情况，并将自动运维模块发送给控制主机。
4.一种人防门密封胶条老化龟裂状态的检测方法，其特征在于：包括如下步骤：
S1：光路布局模块的摄像机获取人防门门框上的密封胶条的图像；
S2：数据采集模块接收所述光路布局模块获取的视频图像,并传递给智能分析模块；
S3：智能分析模块调取图像数据服务器存储的密封胶条原始和实时视频图像；
S4：智能分析模块，将人密封胶条的原始和实时视频图像，进行图像分析比对，定位到密封胶条的老化龟裂位置并确定人防门的密封胶条的老化龟裂状态异常情况；
S5：电气主控箱将密封胶条的老化龟裂的异常状态在所述显示终端上显示出来。
5.根据权利要求4所述的密封胶条老化龟裂状态的检测方法，其特征在于：
步骤S4中原始和实时视频图像进行分析比对通过如下步骤得到：
S41：建立胶条老化龟裂图像样本库：收集胶条老化龟裂图像块制作成正样本库，收集没有老化龟裂的胶条图像块制作成负样本库；
S42:建立样本标签：将老化龟裂的图像的标签设为1，将没有老化龟裂的图像标签设为0；
S43：将S41建立的胶条老化龟裂图像样本库和S42建立的样本标签，进行对应，形成样本标签集合；
S44：样本图像特征提取：样本图像特征包括颜色特征和形态特征；颜色特征利用OpenCV函数cvtColor带参数CV_BGR2HSV将图像从rgb空间转换到HSV图像空间，利用OpenCV函数calcHist计算颜色直方图；形态特征采用Sobel算子计算图像的梯度信息；将图像的颜色直方图和图像的梯度信息形成一个一维矢量作为样本图像的特征；
S45：分类训练：采用OpenCV中的机器学习模块中SVM算法对S44得到的样本图像特征进行训练，训练完成后将得到训练文件，将该文件保存为xml文件格式；
S46：输入密封胶条实时图像和原始图像；
S47：图像配准：将实时图像配准到原始图像；
S48：图像比对与差异输出：将当前实时图像和原始图像采用SSIM算法，比较两幅图像的结构相似性，将实时图像中与原始图像差异度大的图像块，作为疑似胶条老化龟裂图像块输出；
S49:老化龟裂状态识别输出：对疑似老化龟裂图像块采用步骤S44的方法提取疑似老化龟裂图像块的图像特征,利用步骤S45形成的训练文件和KNN算法识别疑似老化龟裂图像块是否为老化龟裂图像；在识别过程，采用OpenCV中函数findNearest查找最近邻的20个以上的样本图像进行比较，当超过10个以上的图像都属于老化龟裂图像，可认为该图像块为老化龟裂图像。
6.根据权利要求5所述的人防门密封胶条老化龟裂状态的检测方法，其特征在于：所述步骤S47中图像配准的步骤如下：
S471：采用surf算法求解输入实时图像和原始图像的surf特征描述点；
S472：对特征描述点利用opencv中特征匹配点算法FlannBasedMatcher求解匹配点；
S473：在匹配点中统计出匹配最小距离min_dis，以min_dis为基准，凡是匹配距离小于5倍min_dis的匹配点筛选出来作为最佳匹配点集合；
S474：对实时图像和原始图像之间的最佳匹配点集合，利用opencv函数findHomography求解当前实时图像到原始图像之间的仿射变换矩阵H，利用opencv函数warpPerspective对仿射变换矩阵H进行计算将当前图像配准到原始图像。
7.根据权利要求6所述的人防门密封胶条老化龟裂状态的检测方法，其特征在于：还包括老化龟裂状态分级预警步骤：
S491：将KNN算法中用findNearest找出的20个最近邻样本图像中预警值进行统计，对每一级报警的样本数进行统计，最多样本数报警级别作为老化龟裂状态预警级别；当多个报警级别的样本数相同时，采用最高的预警级别进行预警。
8.根据权利要求7中所述的人防门密封胶条老化龟裂状态的检测方法，其特征在于：还包括老化龟裂状态报警步骤：
S492：假设老化龟裂状态识别出的第i个老化龟裂图像块沿门框方向的中心线像素长度为Li，预警系数为Xi，i＝1，2，…n，n为检测到的老化龟裂图像块个数，门框胶条中心线像素周长为L，Lb为检测到的各个老化龟裂图像块采用沿门框方向的直线连接后得到的中心线像素总长度；在下列情况下产生老化龟裂报警：
(1)、(L1*X1+L2*X2+…….+Ln*Xn)÷10÷L≥0.1
(2)、Lb÷L≥0.5。
9.根据权利要求7或8中所述的人防门密封胶条老化龟裂状态的检测方法，其特征在于：还包括智能运维步骤：
S6：将基于运维专家知识经验总结的运维方案录入到远程数据中心的数据库；
S7：基于步骤S5的人防门的锈蚀状态异常状态检测的结果，调用S6存储的对应的运维方案模块。
10.根据权利要求9中所述的人防门密封胶条老化龟裂状态的检测方法，其特征在于：所述自动运维方案模块中包括：异常状态人防门地点信息、备用产品查询、维修队伍的通知及去异常地点的最佳路线及维护措施。
CN201810542720.9A 2018-05-30 2018-05-30 一种人防门密封胶条老化龟裂检测系统及方法 Active CN109001210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810542720.9A CN109001210B (zh) 2018-05-30 2018-05-30 一种人防门密封胶条老化龟裂检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810542720.9A CN109001210B (zh) 2018-05-30 2018-05-30 一种人防门密封胶条老化龟裂检测系统及方法

Publications (2)

Publication Number Publication Date
CN109001210A true CN109001210A (zh) 2018-12-14
CN109001210B CN109001210B (zh) 2020-10-09

Family

ID=64574300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810542720.9A Active CN109001210B (zh) 2018-05-30 2018-05-30 一种人防门密封胶条老化龟裂检测系统及方法

Country Status (1)

Country Link
CN (1) CN109001210B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111562512A (zh) * 2020-04-23 2020-08-21 清华-伯克利深圳学院筹备办公室 电池老化程度评估方法和装置
CN113554358A (zh) * 2021-09-22 2021-10-26 南通腾宇环保设备有限公司 一种密封技术在线服务的分析处理方法及系统
CN113743198A (zh) * 2021-07-26 2021-12-03 南方电网深圳数字电网研究院有限公司 密封条状态确定方法、装置及其计算机可读存储介质
CN117974639A (zh) * 2024-03-28 2024-05-03 山东正为新材料科技有限公司 基于图像数据的密封胶异常状态检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204740211U (zh) * 2015-03-26 2015-11-04 自贡市佳世特密封制品有限公司 一种密封件表面缺陷检测工装
CN105157595A (zh) * 2015-09-25 2015-12-16 浙江中技建设工程检测有限公司 既有建筑变形及缺陷的检测方法、检测装置
CN105243672A (zh) * 2015-11-03 2016-01-13 苏交科集团股份有限公司 防腐涂层损伤辨别系统及其评估方法
CN106404793A (zh) * 2016-09-06 2017-02-15 中国科学院自动化研究所 基于视觉的轴承密封件缺陷检测方法
CN106846608A (zh) * 2017-01-25 2017-06-13 杭州视氪科技有限公司 一种基于rgb‑d相机的视障人士纸币识别眼镜
CN106875543A (zh) * 2017-01-25 2017-06-20 杭州视氪科技有限公司 一种基于rgb‑d相机的视障人士纸币识别系统及识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204740211U (zh) * 2015-03-26 2015-11-04 自贡市佳世特密封制品有限公司 一种密封件表面缺陷检测工装
CN105157595A (zh) * 2015-09-25 2015-12-16 浙江中技建设工程检测有限公司 既有建筑变形及缺陷的检测方法、检测装置
CN105243672A (zh) * 2015-11-03 2016-01-13 苏交科集团股份有限公司 防腐涂层损伤辨别系统及其评估方法
CN106404793A (zh) * 2016-09-06 2017-02-15 中国科学院自动化研究所 基于视觉的轴承密封件缺陷检测方法
CN106846608A (zh) * 2017-01-25 2017-06-13 杭州视氪科技有限公司 一种基于rgb‑d相机的视障人士纸币识别眼镜
CN106875543A (zh) * 2017-01-25 2017-06-20 杭州视氪科技有限公司 一种基于rgb‑d相机的视障人士纸币识别系统及识别方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111562512A (zh) * 2020-04-23 2020-08-21 清华-伯克利深圳学院筹备办公室 电池老化程度评估方法和装置
CN113743198A (zh) * 2021-07-26 2021-12-03 南方电网深圳数字电网研究院有限公司 密封条状态确定方法、装置及其计算机可读存储介质
CN113554358A (zh) * 2021-09-22 2021-10-26 南通腾宇环保设备有限公司 一种密封技术在线服务的分析处理方法及系统
CN117974639A (zh) * 2024-03-28 2024-05-03 山东正为新材料科技有限公司 基于图像数据的密封胶异常状态检测方法

Also Published As

Publication number Publication date
CN109001210B (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN109001210A (zh) 一种人防门密封胶条老化龟裂检测系统及方法
US20220084186A1 (en) Automated inspection system and associated method for assessing the condition of shipping containers
CN106412501B (zh) 一种视频的施工安全行为智能监控系统及其监控方法
CN106845890B (zh) 一种基于视频监控的仓储监控方法及装置
CN111310947A (zh) 基于5g的建筑设施运维方法、设备、存储介质及系统
CN108872781A (zh) 基于电力设施智能巡检的分析方法及装置
CN111488803A (zh) 一种融合目标检测和目标跟踪的机场目标行为理解系统
CN113239854A (zh) 一种基于深度学习的船舶身份识别方法及系统
CN108764166A (zh) 一种基于支撑杆的人防门位置状态检测系统及方法
CN112643719A (zh) 一种基于巡检机器人的隧道安防检测方法及系统
CN111783700A (zh) 一种路面异物自动识别预警方法和系统
CN115600124A (zh) 地铁隧道巡检系统及巡检方法
CN116758441A (zh) 一种无人机集群智能调度管理系统
CN116310922A (zh) 石化厂区监控视频风险识别方法、系统、电子设备及存储介质
KR102296471B1 (ko) 인공지능 기반 차량 적재불량 검출 시스템
CN113947109A (zh) 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质
CN109727348A (zh) 一种电力隧道人员监控方法
CN116629465B (zh) 智能电网视频监控与风险预测响应系统
CN108760739A (zh) 一种人防门锈蚀状态检测系统及方法
CN116224123A (zh) 电池异常检测系统、检测方法、存储介质及换电站
CN110826456A (zh) 一种倒计时牌故障检测方法及系统
Odo et al. Image Analysis Using Deep Learning for Electrical Overhead Line Tower Management
CN110826473A (zh) 一种基于神经网络的绝缘子图像自动识别方法
Šabanović et al. Early Stage Flame Segmentation with DeepLabv3+ and Weighted Cross-Entropy
CN114782888B (zh) 轨道咽喉区异常检测的方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20191122

Address after: No. 1104-12, building 2, No. 118, weijianian 1st Road, Jinniu District, Chengdu City, Sichuan Province

Applicant after: Chengdu Tianren Civil Defense Technology Co., Ltd

Address before: 100036 room 1328, 13 floor, 5 building, Lianhua court, Haidian District, Beijing.

Applicant before: Tian Ren civil defence construction engineering design Co., Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200121

Address after: No. 1104-12, building 2, No. 118, weijianian 1st Road, Jinniu District, Chengdu City, Sichuan Province

Applicant after: Chengdu Tianren Civil Defense Technology Co., Ltd

Applicant after: China Railway Second Academy Engineering Group Co., Ltd.

Address before: No. 1104-12, building 2, No. 118, weijianian 1st Road, Jinniu District, Chengdu City, Sichuan Province

Applicant before: Chengdu Tianren Civil Defense Technology Co., Ltd

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Shu Jun

Inventor after: Chen Jiansheng

Inventor after: Xiao Shan

Inventor after: Qin Qiping

Inventor after: Wang Bangping

Inventor after: Xu Ying Xie

Inventor after: Gong Zhu

Inventor before: Qin Qiping

Inventor before: Wang Bangping

Inventor before: Xu Ying Xie

Inventor before: Gong Zhu

GR01 Patent grant
GR01 Patent grant