一种塔式起重机吊钩视频中重物轮廓实时监测方法

宋连玉，宋世军，李楠楠，吴月华

塔式起重机（以下简称塔机）的高空作业危险性已经成为社会关注的重点问题，目前大部分塔机司机看不到所吊物体，需要地面指挥人员告知动作步骤，司机无法直观的把握吊物的整体情况，这样如果两人沟通不到位，容易因为司机判断不准确引起剐蹭、碰撞的事故。尤其是高层施工中，受工作面的限制，极易出现塔机起升过程中的连带物体等现象，如果处理不当，吊钩或钢丝绳挂到脚手架，极易出现重大事故。

市场上出现了大量吊钩视频产品，但基本都仅仅是将摄像头引入到塔机上，把显示器装到司机室中，供司机查看视频，没有智能判断，长时间的工作容易引起司机视觉疲劳，且在背景与前景相似时容易引起司机误判。目前，塔机视频系统逐渐被业界认可，相对于视频传输技术，智能识别技术更有利于塔机安全吊装。基于此，本文提供一种智能识别吊物目标的方法，能够智能显示出所吊物体的位置，辅助司机更精确的判断所吊物体的情况，进一步防止吊重在吊装过程中的挂碰现象。

1 特征识别方法

本系统是将摄像头装于塔机吊钩上，通过无线网桥将视频传输到装于塔机司机室中的显示屏上，利用智能分析模块，将处理后识别吊物目标的视频在显示屏中显示。相对于摄像头而言，吊重图像变化幅度远小于背景图像变化幅度，识别吊物的关键是构造场景适应性强的算法。

常用的复杂背景下分割识别目标的方法主要有帧间差分法、背景差分法和光流法。光流法计算量很大，若不借助专用硬件设备无法达到实时处理，不适合嵌入式系统的开发；背景差分法适用于背景变化不是很大，能有预见性的场景，塔机的工作面是360°，处于不断回转之中，此方法不适用；帧间差分法对于运动物体的识别更迅速，对于背景变化前景相对不动的场景适应性较差。

在此基础上，本文提出了在识别背景变化而吊物目标不变的图像处理算法，核心是：将图片转化为HSV颜色模型，取H分量作为主分析元素，然后进行二值化处理，利用帧间相与的方法寻找目标，经过图像预处理后特征匹配，用最小外接矩形将识别结果标出。

该算法实现的流程图如图1所示：

（1）前景特征确认，重物由起钩到吊起离地停留时，确认前景特征；

（2）读取图像，间隔时间Δt读取3幅图像；

（3）分别将三幅图像转化为HSV颜色模型，取H分量；

（4）将三幅H分量图像二值化，并做图像预处理；

图1 特征识别流程图

（5）帧间与运算，三帧图像H分量的二值化图像取与；

（6）特征匹配，并利用最小外接矩形将特征目标标注。

2 吊物目标识别有效性验证

为了验证算法的有效性，本文以一段现场塔吊吊钩视频为例，详细介绍视频中所吊横梁的识别过程。具体步骤如下：

（1）前景特征确认。重物由起钩到吊起离地停留时，利用纹理识别方法确认前景特征，确认目标特征长宽比阈值及面积阈值；

（2）读取视频图片。间隔Δt读取视频截图3张，分别记为i1、i2、i3；

（3）将彩色图片转换为HSV颜色模型格式；

（4）将H分量二值化，并做图像预处理；

（5）相邻帧间与运算，将三帧图像H分量取与；

（6）图像预处理-去噪；

分别求出各个block，根据各个block面积滤除噪声，统计像素为1的数量，每个block记为fi，定为背景发生变化。

其中，i为block像素序列号，［x，y］为坐标，1≤x≤m，1≤y≤n，m、n为图片行和列。

当area＜k×m×n（k为变化系数，0＜k＜1）时，判断该block为噪声，滤除。

（7）特征匹配，进一步根据长宽比阈值定为目标吊物；

（8）最小外接矩形将特征目标标注，本文利用旋转图像获取最小包络矩形的方法得到最小外接矩形，识别目标。

3 特征目标识别稳定性验证

为了验证该算法的适应性，本文选取了一段视频，分析识别不同时间点及不同旋转角度的图片，利用上述方法步骤分析，结果显示该算法能很好的将目标进行标注，位置和大小均正确，证明该算法稳定可行。

4 结束语

本文提出了一种基于图像H分量的帧间与运算识别吊物目标的方法，解决了户外大型设备工作吊物的监控方法的关键问题，这种方法能够智能显示出所吊物体的位置，辅助司机更精确的判断所吊物体的情况。

司机可以直观的把握吊物的整体情况，避免因为司机误判引起的剐蹭、碰撞或其他重大事故，提高大型设备吊物的安全性。

［1］ 宋连玉. 塔机安装过程中特征目标的分割识别研究［D］. 山东建筑大学，2012.

［2］ 聂海涛，龙科慧，马军. 采用改进尺度不变特征变换在多变背景下实现快速目标识别［J］.光学精密工程，2015（08）：239-246.

［3］ 张运楚，宋世军，张汝敏. 高斯混合背景模型的适应能力研究［J］. 计算机应用，2011（03）：126-130.

［4］ 武晓光，郭天文，沈天培. 基于分块背景更新的目标特征识别与跟踪［J］. 电子技术应用，2013（12）：148-151.