基于计算机视觉技术与现有监控摄像头的增氧机异常检测实时专家系统
计算机视觉与模式识别
2018-10-18 v3
摘要
增氧机是中国集约化养殖尤其是工业化养殖中必不可少的关键辅助设备。传统方法无法及时准确地检测增氧机的异常状态。监控摄像头作为物联网的视觉感知模块已被广泛使用，利用这些广泛存在的监控摄像头实现增氧机实时异常检测是一种零成本且易于推广的方法。然而，由于光照、遮挡、复杂背景等一些技术和应用上的挑战，开发此类专家系统十分困难。为应对上述挑战，我们提出了一种基于计算机视觉技术和现有监控摄像头的增氧机异常检测实时专家系统，其由目标区域检测和工作状态检测两个模块组成。首先，整幅图像中某些小目标区域的工作状态难以检测，且全局特征比对的时间复杂度较高，因此我们提出一种基于区域提议思想的目标区域检测方法。此外，我们提出一种称为参考帧 Kanade-Lucas-Tomasi (RF-KLT) 算法的新型算法，用于固定区域中的运动特征提取。然后，我们提出一种时间序列降维方法，以建立类间边界明显的特征数据集。最后，我们使用机器学习算法构建特征分类器。在实际视频数据集和增强视频数据集上的实验结果表明，增氧机目标区域与工作状态检测的准确率分别为 100% 和 99.9%，且根据不同类型监控摄像头，检测速度为 77-333 帧每秒（FPS）。
引用
@article{arxiv.1810.04108,
title = {Real time expert system for anomaly detection of aerators based on computer vision technology and existing surveillance cameras},
author = {Yeqi Liu and Yingyi Chen and Huihui Yu and Xiaomin Fang and Chuanyang Gong},
journal= {arXiv preprint arXiv:1810.04108},
year = {2018}
}
备注
17 figures