井下危险区域目标检测
建立适合煤矿井下特殊环境的危险区域目标检测系统结构和新的目标匹配算法。新算法基于SIFT(scale-invariant feature transform)多尺度变换,结合形态学技术用降维后的局部区域匹配方法提高系统实时性;交叉匹配粗筛选后将RANSAC(random sample consensus)算法和L-M(Lev-enberg-Marquardt)非线性优化算法结合估计优化参数,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。实验证明,新算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均具有良好的鲁棒性,解决多摄像机不同视角目标匹配问题,适合实时处理的监控系统中...
Saved in:
Published in | Méitàn xuébào Vol. 36; no. 3; pp. 527 - 532 |
---|---|
Main Author | |
Format | Journal Article |
Language | Chinese |
Published |
2011
|
Subjects | |
Online Access | Get full text |
ISSN | 0253-9993 |
Cover
Summary: | 建立适合煤矿井下特殊环境的危险区域目标检测系统结构和新的目标匹配算法。新算法基于SIFT(scale-invariant feature transform)多尺度变换,结合形态学技术用降维后的局部区域匹配方法提高系统实时性;交叉匹配粗筛选后将RANSAC(random sample consensus)算法和L-M(Lev-enberg-Marquardt)非线性优化算法结合估计优化参数,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。实验证明,新算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均具有良好的鲁棒性,解决多摄像机不同视角目标匹配问题,适合实时处理的监控系统中井下危险区域目标检测。 |
---|---|
Bibliography: | object detecting L-M(Levenberg-Marquardt) 11-2190/TD SIFT(scale-invariant feature transform) coal mine underground; dangerous area; object detecting; SIFT(scale-invariant feature transform); RANSAC(random sample consensus); L-M(Levenberg-Marquardt) TP391.41 coal mine underground dangerous area RANSAC(random sample consensus) |
ISSN: | 0253-9993 |