導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 電力安全論文>>正文

視覺數(shù)控安全監(jiān)控技術(shù)研究

文檔作者：惠國保１李東波１童一飛１王引２文檔來源： 1南京理工大學(xué)機(jī)械工程學(xué)院 2東南大學(xué)機(jī)械工程學(xué)院		點(diǎn) 擊數(shù)：	更新時(shí)間： 2021年09月04日
下載地址：點(diǎn)擊這里	文件大?。?1.79 MB 共3頁	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共3頁]

本文件共3頁，如需編輯使用，請下載。

注：預(yù)覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大?。?.79 MB 共3頁文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會員免費(fèi)）

下一篇：多插頭連接電纜硫化模設(shè)計(jì)

上一篇：視頻監(jiān)控系統(tǒng)的信息安全保障

文本預(yù)覽

僅提取頁面文字內(nèi)容，供快速閱讀使用。

２０１４ 年３ 月
第４２ 卷第５ 期
機(jī)床與液壓
ＭＡＣＨＩＮＥ ＴＯＯＬ ＆ ＨＹＤＲＡＵＬＩＣＳ
Ｍａｒ ２０１４
Ｖｏｌ ４２ Ｎｏ ５
ＤＯＩ：１０． ３９６９ ／ ｊ ｉｓｓｎ １００１ － ３８８１ ２０１４ ０５ ０１５
收稿日期：２０１３ －０３ －０２
作者簡介：惠國保（１９８２—），男，博士研究生，研究方向?yàn)橹圃煨畔⒒夹g(shù)。Ｅ － ｍａｉｌ：ｈｕｉｇｕｏｂａｏ＠ １６３ ｃｏｍ。
視覺數(shù)控安全監(jiān)控技術(shù)研究
惠國保１，李東波１，童一飛１，王引２
（１ 南京理工大學(xué)機(jī)械工程學(xué)院，江蘇南京２１００９４；
２ 東南大學(xué)機(jī)械工程學(xué)院，江蘇南京２１１１８９）
摘要：提出一種基于計(jì)算機(jī)視覺技術(shù)的數(shù)控機(jī)床安全監(jiān)控方法，為人員操作數(shù)控機(jī)床提供了安全保障。對加工區(qū)視頻
圖像分區(qū)后，構(gòu)建每個相關(guān)區(qū)域里像素的背景模型，通過前背景變化發(fā)送控制信號，實(shí)現(xiàn)視覺監(jiān)控功能。該方法能適應(yīng)車
間照明變化和機(jī)床震動的影響。
關(guān)鍵詞：計(jì)算機(jī)視覺；數(shù)控系統(tǒng)；安全監(jiān)控
中圖分類號：ＴＰ３９１ ４　　文獻(xiàn)標(biāo)識碼：Ａ　　文章編號：１００１ －３８８１ （２０１４）５ －０５２ －４
Ｒｅｓｅａｒｃｈ ｏｎ ＣＮＣ Ｓｅｃｕｒｉｔｙ Ｐｒｏｃｅｓｓｉｎｇ Ｂａｓｅｄ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ
ＨＵＩ Ｇｕｏｂａｏ１，ＬＩ Ｄｏｎｇｂｏ１，ＴＯＮＧ Ｙｉｆｅｉ１，ＷＡＮＧ Ｙｉｎ２
（１ Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，
Ｎａｎｊｉｎｇ Ｊｉａｎｇｓｕ ２１００９４，Ｃｈｉｎａ；
２ Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈｅａｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ Ｊｉａｎｇｓｕ ２１１１８９，Ｃｈｉｎａ）
　　Ａｂｓｔｒａｃｔ：Ａ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ｔｏ ｍｏｎｉｔｏｒ ＣＮＣ ｍａｃｈｉｎｉｎｇ ｉｎ ｓｅｃｕｒｉｔｙ，ａｎｄ ｔｏ ｅｎｓｕｒｅ ｌｉｖｅ ｓａｆｅｔｙ ｏｆ ｏｐｅｒａｔｏｒｓ ｗａｓ
ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ ｗａｓ ａｃｈｉｅｖｅｄ ｂｙ ｚｏｎｉｎｇ ｆｒａｍｅｓ ｉｎｔｏ ｄｉｆｆｅｒｅｎｔ ａｒｅａｓ，ｃｏｎｓｔｒｕｃｔｉｎｇ ｂａｃｋｇｒｏｕｎｄ ｍｏｄｅｌ ｆｏｒ ｅａｃｈ ｐｉｘｅｌ ｉｎ ａｌｌ ｔｈｅ ａｒｅａｓ，ａｎｄ
ｓｅｎｄｉｎｇ ｐａｓｓａｇｅｓ ｔｏ ｃｏｎｔｒｏｌ ＣＮＣ ｍａｃｈｉｎｅ ａｃｃｏｒｄｉｎｇ ｔｏ ｉｎｃｏｎｓｉｓｔｅｎｃｅ ｉｎ ｆｏｒｅｇｒｏｕｎｄｂａｃｋｇｒｏｕｎｄ． Ｉｔ ｃａｎ ｂｅ ａｄｏｐｔ ｗｅｌｌ ｔｏ ｌｉｇｈｔｉｎｇ ｃｈａｎｇｅｓ
ａｎｄ ｍａｃｈｉｎｅ ｖｉｂｒａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：Ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ；ＣＮＣ ｓｙｓｔｅｍ；Ｓｅｃｕｒｉｔｙ ｍｏｎｉｔｏｒｉｎｇ
　　隨著數(shù)控機(jī)床加工制造業(yè)的發(fā)展，以人為本的發(fā)
展原則的深入貫徹，對數(shù)控加工安全性的要求不斷提
高。一般數(shù)控機(jī)床加工安全方法有加機(jī)床防護(hù)罩或紅
外線感應(yīng)裝置。機(jī)床防護(hù)罩因其簡單有效而應(yīng)用比較
普遍，但缺點(diǎn)有不利于觀察加工情況、笨重、材料費(fèi)
和維修保養(yǎng)費(fèi)較高。紅外線感應(yīng)裝置近幾年應(yīng)用較
多，但易受熱源光源、環(huán)境溫度和射頻輻射等影響。
隨著計(jì)算機(jī)視覺的發(fā)展，將視覺監(jiān)控技術(shù)應(yīng)用于數(shù)控
機(jī)床安全監(jiān)控是一個新的突破，不僅進(jìn)一步提升了數(shù)
控機(jī)床的自動化水平，而且視覺安全監(jiān)控不受環(huán)境的
影響、成本低廉、效果明顯。
以傳統(tǒng)立柱式銑床為例，將ＣＣＤ 相機(jī)安裝在主
軸的前上方，實(shí)時(shí)捕獲工作臺、工件、刀具及周圍環(huán)
境等信息，如圖１ 所示。
捕獲到圖像信息后，先將圖像分區(qū)，只對圖像中
各個區(qū)域里的像素作為重點(diǎn)觀察對象。這些像素的像
素值（灰度值或ＲＧＢ 值）每幀是不一樣的，統(tǒng)計(jì)學(xué)
上是服從正態(tài)分布。由于車間燈光和機(jī)床震動等因
素，使得一個像素在不同的條件下有不同的正態(tài)分
布。在一般情況下將這些分布疊加在一起就構(gòu)成了該
像素的背景模型，背景模型的參數(shù)就刻畫了這個像素
特性［１］。
圖１　視覺監(jiān)控相機(jī)捕獲到的圖像及分區(qū)示意圖
通過算法，對每一幅所捕獲的圖像幀進(jìn)行學(xué)習(xí)，
得到每個像素背景模型的參數(shù)估計(jì)。利用這個像素的
背景模型，就可以預(yù)測下一個幀的像素值，再與下一
幀實(shí)際的像素值比較，根據(jù)判定準(zhǔn)則，就可以判斷該
像素值是屬于前景還是背景。無論是前景還是背景，
新幀的像素值仍然可以作為該像素背景模型學(xué)習(xí)的材
料，以更新背景模型。
這樣就能從復(fù)雜的背景中提取出前景。對分區(qū)好
的圖像，在相應(yīng)的區(qū)域里檢測到一定量的前景像素，
則視覺系統(tǒng)就會給數(shù)控系統(tǒng)發(fā)送出相應(yīng)的信號，實(shí)現(xiàn)
計(jì)算機(jī)視覺對機(jī)床安全加工的監(jiān)控。下面首先簡單介
紹視頻圖像分區(qū)，接著介紹背景模型建立，然后再對
背景模型分析，最后通過實(shí)驗(yàn)驗(yàn)證。
１　圖像分區(qū)
對圖像劃分區(qū)域，是為了實(shí)現(xiàn)視覺監(jiān)控多級響應(yīng)
功能，方便對區(qū)域內(nèi)的像素構(gòu)建背景模型。假設(shè)圖像
的坐標(biāo)原點(diǎn)在左上角，在視頻圖像中劃分出自由區(qū)
域、觸及危險(xiǎn)報(bào)警區(qū)域和觸及運(yùn)行停止區(qū)域，如圖１
所示。
（１）自由區(qū)域
該區(qū)域是操作員可自由活動區(qū)域，這種情形下，
視覺系統(tǒng)不會發(fā)送報(bào)警或停止運(yùn)行等信號。數(shù)控加工
過程中，大多數(shù)加工狀態(tài)是處在這種情形下。如圖２
所示。
圖２　運(yùn)動前景自由區(qū)域
（２）觸及報(bào)警區(qū)域
當(dāng)人體某個部位觸及到該區(qū)域，視覺系統(tǒng)會發(fā)送
危險(xiǎn)報(bào)警信號給數(shù)控系統(tǒng)，數(shù)控系統(tǒng)收到信號后，立
即執(zhí)行喇叭報(bào)警。這種情況下，機(jī)床加工仍在運(yùn)行，
但報(bào)警聲不斷，提示操作員注意安全。如圖３ 所示。
圖３　運(yùn)出前景在危險(xiǎn)報(bào)警區(qū)域
（３）觸及運(yùn)動停止區(qū)域
在不聞報(bào)警的情況下，當(dāng)人體某部位觸及到該區(qū)
域時(shí)，視覺系統(tǒng)就會給數(shù)控系統(tǒng)發(fā)送停機(jī)信號，數(shù)控
系統(tǒng)收到該信號，立即停機(jī)，并保存好當(dāng)前加工狀況
數(shù)據(jù)，處于待機(jī)狀態(tài)。有了這個監(jiān)控區(qū)域，才能徹底
地避免人員的傷亡。如圖４ 所示。
圖４　運(yùn)動前景在運(yùn)動停止區(qū)域
總之，通過對監(jiān)控視頻圖像分區(qū)后，能使數(shù)控系
統(tǒng)具有多級控制功能，只需重點(diǎn)觀察各分區(qū)內(nèi)像素的
變化，大大提高計(jì)算效率。實(shí)際上，只建立觸及報(bào)警
區(qū)域和觸及運(yùn)行停止區(qū)域兩個背景模型。為了實(shí)現(xiàn)對
區(qū)域的靈活監(jiān)控，每塊區(qū)域的大小都是可以調(diào)整。
２　背景模型
２ １　背景模型建立
主要在監(jiān)控區(qū)域（報(bào)警區(qū)域和運(yùn)行停止區(qū)域）
對每個像素背景學(xué)習(xí)，構(gòu)造背景模型。在該區(qū)域的每
個像素值都是隨時(shí)間變化的，是一個序列。在不考慮
燈光和機(jī)床震動影響的情況下，像素值雖然是變化
的，但是方差較小。若是黑白相機(jī)，像素值就是灰度
值；若是彩色相機(jī)，則像素值是ＲＧＢ 組成的向量。
這里采用彩色圖像，而且假定ＲＧＢ 三色相互獨(dú)立。
對某一像素ｐ 在任一時(shí)刻ｔ 可以知道它的歷史像素值
序列Ｓｐ，ｔ，Ｓｐ，ｔ ＝ ｛Ｚｐ，１，Ｚｐ，２，…，Ｚｐ，ｔ ｝，其中Ｚｉ 是
像素值，１≤ｉ≤ｔ。認(rèn)為這些數(shù)值服從高斯分布，其
均值和方差分別為：
μｐ，ｔ ＝ （Ｚｐ，１ ＋ Ｚｐ，２ ＋ …＋ Ｚｐ，ｔ）
ｔ （１）
σ２ｐ
，ｔ ＝ Σｔ
ｉ ＝ １
（Ｚｐ，ｉ － μｐ，ｔ）２ （２）
若考慮燈光、機(jī)床震動等因素，就會有多個高斯
分布，將這些高斯分布根據(jù)權(quán)重疊加在一起就構(gòu)成了
該像素最終的背景模型，也即混合高斯模型［２］?；旌?
高斯模型的高斯分布個數(shù)由以下兩種情況確定：
（１）燈光變化。假設(shè)燈光照度穩(wěn)定的話，不開
機(jī)床燈和開機(jī)床燈的兩種情況，就產(chǎn)生了兩個高斯分
布。
第５期 惠國保等：視覺數(shù)控安全監(jiān)控技術(shù)研究 ·　５３　·　
（２）機(jī)床震動。每臺機(jī)床震動頻率不同，這種
情況是客觀存在的。對一種機(jī)床，有其固定震動頻率
ｎｍ。相機(jī)拍攝圖片也有頻率（比如普通攝像機(jī)１ ｓ 有
３０ 幀）ｎｃ。當(dāng)然當(dāng)ｎｍ ＝ ｎｃ 是理想情況，攝像頭每次
拍攝的照片都是機(jī)床相同位置，即每幀像素反映的背
景是同一點(diǎn)。但實(shí)際上，這種理想情況幾乎不可能出
現(xiàn)，要么ｎｍ ＞ ｎｃ，要么ｎｍ ＜ ｎｃ。下面分兩種情況進(jìn)
行討論：
①當(dāng)ｎｍ ＞ ｎｃ 時(shí)，機(jī)床震動頻率大于拍攝頻率，
一幀拍攝期間機(jī)床已經(jīng)震動了幾個周期了，所以可以
認(rèn)為每幀拍攝的圖片相同。這種情況下，最后背景模
型總共有３ 個高斯分布疊加。
②當(dāng)ｎｍ ＜ ｎｃ 時(shí)，機(jī)床震動頻率小于拍攝頻率，
機(jī)床震動一個周期期間拍攝了幾個幀。假如機(jī)床振幅
為Ａ，攝像機(jī)在一個震動周期里的震速為ｖ ＝ ２Ａ
１ ／ ｎｍ
，
在一個幀拍攝期間，振幅上移動的距離為ｌ ＝ ｖ· １
ｎｃ
，
那么在機(jī)床一個震動周期里拍攝了ｓ ＝ ２Ａ
ｌ ＝ ｎｃ ｎｍ
幀，取
ｓ整數(shù)為[ ｓ]。這種情況下，最后背景模型總共有
[ ｓ] ＋ ２個高斯分布疊加。
綜上分析，背景模型高斯分布個數(shù)為：
Ｋ ＝ ３　機(jī)床震動頻率大于相機(jī)拍攝頻率
[ ] ｓ ＋ ２　 { 機(jī)床震動頻率小于相機(jī)拍攝頻率
（３）
在實(shí)際中，像素的刷新值可能會改變高斯分布的
個數(shù)，但最少不會低于Ｋ 個。
攝像機(jī)的每個幀都會刷新某像素點(diǎn)的值，這個新
值要么是服從混合高斯模型的某個高斯分布，要么是
不服從混合高斯模型的任一高斯分布。這時(shí)，就要以
該像素值確定一個新的高斯分布，并疊加到混合高斯
模型里。
所以就需要將像素值與這Ｋ 個高斯分布進(jìn)行匹
配。所謂新像素值與某個高斯分布匹配是指該像素值
在這個高斯分布標(biāo)準(zhǔn)偏差β 以內(nèi)。β 是指某個新數(shù)對
某個高斯分布擾動很小的閾值［３］。像素的新值是否能
在背景模式里找到匹配的高斯分布，就要對新像素值
Ｚｐ，ｔ ＋１與這Ｋ 個高斯分布進(jìn)行匹配，直到與這Ｋ 個高
斯分布匹配完為止。
如果Ｚｐ，ｔ ＋１在背景模型里找不到一個分布與其匹
配，由該像素值確定一個新的分布。這個新的高斯分
布的均值為該新像素值，開始時(shí)方差較大，權(quán)重較
低，與其他新像素值能匹配上的概率很低。若這時(shí)混
合高斯分布個數(shù)為Ｋ，且Ｋ ＝ Ｋ ＋ １，如果Ｚｐ，ｔ ＋１能與
背景模型中的一個高斯分布匹配起來，則背景模型高
斯分布的權(quán)重就要重新定義。根據(jù)ＥＭ 算法［４］，在時(shí)
刻ｔ，假設(shè)第Ｋ 個分布的優(yōu)先權(quán)重為ωｉ，ｔ （１ ＜ ｉ ＜ Ｋ），
定義如下：
ωｉ，ｔ ＝ １Ｋ
ΣＫ
ｊ ＝ １
ｆ（ｉ ｜ Ｚｊ，ｔ，μｔ，σ２ｔ
，β） （４）
其中：σｔ 是在時(shí)刻ｔ 的協(xié)方差，而且Σｉ ωｉ，ｔ ＝ １ 。
定義增量學(xué)習(xí)效率為ε，指某個分布與一個新像
素值匹配的話，該分布的權(quán)重的變化值與原權(quán)重值的
比值，即ε ＝ ωｉ，ｔ － ωｉ，ｔ －１ ωｉ，ｔ －１
。
經(jīng)過一次學(xué)習(xí)，匹配上的分布的權(quán)重增加，未匹
配上的其余分布權(quán)重相應(yīng)都有減少，同時(shí)改變了該像
素背景模型。未匹配上的分布的均值和方差都不變，
匹配上的第ｉ 個分布的均值和方差更新如下：
μｉ，ｔ＋１ ＝ （１ － εｆ（Ｚｔ＋１ μｔ＋１，σ２ｔ
＋１））μｔ ＋
εｆ（Ｚｔ＋１ μｔ＋１，σ２ｔ
＋１）Ｚｔ＋１ （５）
σ２ｉ
，ｔ＋１ ＝ （１ － εｆ（Ｚｔ＋１ μｔ＋１，σ２ｔ
＋１））σｔ
２ ＋
εｆ（Ｚｔ＋１ μｔ＋１，σ２ｔ
＋１）（Ｚｔ － μｉ，ｔ＋１）Ｔ（Ｚｔ － μｉ，ｔ＋１） （６）
接著將這Ｋ 個高斯分布通過ωｉ，ｔ σｉ，ｔ
排序，確定前Ｍ
個分布作為背景模型，其中
Ｍ ＝ ａｒｇｍｉｎｍ（Σｍ
ｉ ＝ １ ωｉ，ｔ ＞ Ｔ） （７）
其中：Ｔ 是確定背景模型的閾值。如果Ｔ 值越小，背
景模型為單峰，指由權(quán)重最大的Ｍ 個分布組合為背
景模型。如果Ｔ 值越大，反復(fù)的背景變化會引起多峰
分布，這表示背景接受更大范圍色度的分割。
２ ２　背景模型分析
這個背景模型的主要特點(diǎn)是當(dāng)某個前景變成背景
時(shí)，它不會對已有背景模型造成改變。最初像素色度
值被保留在混合背景模型里，直到這個像素值匹配的
高斯分布的權(quán)重低于第Ｋ 個分布的權(quán)重時(shí)，或觀察
到像素色度有新的變化時(shí)，背景模型才會變化［５］。所
以，只要有足夠長時(shí)間的背景學(xué)習(xí)，一個前景就會變
為背景；或者，一個背景產(chǎn)生了運(yùn)動，它就變成了前
景，但仍然是以過去背景的均值和方差來描述分布
的。新的前景權(quán)重越低，將會迅速地再次融入到背景
中。與文獻(xiàn)［２］所提的方法不同的是高斯混合模型
的分布個數(shù)是不固定的，根據(jù)新像素值與高斯分布匹
配的結(jié)果確定新的混合模型高斯分布個數(shù)，而且，每
個分布的權(quán)重也不是固定的，是根據(jù)排序自動調(diào)整
的。
當(dāng)某個分布趨于明顯，那么方差就會減小，權(quán)重
值就會增大，在背景分布的排序中會趨向前列。背景
模型高斯分布序列是一個有序的、開放式的列表，其
中最有可能成為背景的高斯分布仍保留前列，低概率
不穩(wěn)定的背景分布排在后列，或許最終被新的分布取
·５４· 機(jī)床與液壓 第４２卷
代而不能成為背景的分布。
在這個背景模型中，將影響背景模型的光度變化
和機(jī)械振動兩個因素考慮進(jìn)去了，所以該背景模型能
適應(yīng)光度變化和機(jī)械振動因素的影響。
３　實(shí)驗(yàn)
３ １　實(shí)驗(yàn)方法
為驗(yàn)證視覺監(jiān)控效果，模擬了簡單的實(shí)驗(yàn)環(huán)境，
如圖５ 所示。左邊圖像是分區(qū)后攝像機(jī)拍攝的圖像，
右邊是左邊的視頻圖像經(jīng)過前景－背景處理后的效果
圖，只對前景的像素進(jìn)行標(biāo)記，下面有模擬數(shù)控系統(tǒng)
控制的兩個燈：危險(xiǎn)報(bào)警燈和運(yùn)行停止燈。
（１）當(dāng)手未觸及淺白色區(qū)域，即在自由區(qū)域內(nèi)
時(shí)，視覺系統(tǒng)不發(fā)送任何信號給數(shù)控系統(tǒng)，即不做任
何反應(yīng)，下面兩個燈為白色，如圖５ 所示。
圖５　自由區(qū)域活動
（２）當(dāng)手觸及到危險(xiǎn)報(bào)警區(qū)域時(shí)，視覺系統(tǒng)發(fā)
送危險(xiǎn)信號給數(shù)控系統(tǒng)，數(shù)控系統(tǒng)立即進(jìn)行報(bào)警，下
面報(bào)警燈變紅，如圖６ 所示。
圖６　危險(xiǎn)報(bào)警區(qū)域活動
（３）當(dāng)手觸及到運(yùn)行停止區(qū)域時(shí)，視覺系統(tǒng)會發(fā)
送停止信號給數(shù)控系統(tǒng)，數(shù)控系統(tǒng)立即控制機(jī)床暫停
加工，同時(shí)下面報(bào)警燈和停止等都亮，所圖７ 所示。
圖７　運(yùn)行停止區(qū)域活動
　　在這種實(shí)驗(yàn)環(huán)境下，又對光照變化和機(jī)床震動影
響做了幾個實(shí)驗(yàn)，來論證視覺數(shù)控監(jiān)控技術(shù)在光照變
化和機(jī)床震動影響下的監(jiān)控效果，具體結(jié)果分析請見
下節(jié)。
３ ２　實(shí)驗(yàn)分析
下面對光照變化和機(jī)床震動影響下的監(jiān)控效果進(jìn)
行分析。
當(dāng)燈光變化大于ＣＣＤ 感光臨界時(shí)，燈光亮度的
變化幾乎對報(bào)警率沒有影響，即燈光亮度在ＣＣＤ 感
光臨界點(diǎn)以上的變化，并不影響已成的背景模型對前
景和背景的判定，而且這種判定的準(zhǔn)確率還是相當(dāng)高
的，能完全地將運(yùn)動的前景辨別出來；當(dāng)燈光亮度在
ＣＣＤ 感光臨界點(diǎn)以下，這種前景辨別就會有誤差，
直到完全黑暗下不能辨別出前景來。通過實(shí)驗(yàn)數(shù)據(jù)得
到亮度對報(bào)警率的影響，如圖８ 所示。
另一方面，當(dāng)機(jī)床震動幅度大于分區(qū)尺寸時(shí)，分
辨出的前景就會產(chǎn)生誤差，以至于震動猛烈的機(jī)床前
景分辨準(zhǔn)確率是零；當(dāng)機(jī)床震動幅度小于圖像分區(qū)尺
寸時(shí)，可以很好地分辨出前景來，而且準(zhǔn)確率也很
高。通過實(shí)驗(yàn)數(shù)據(jù)得到機(jī)床震動幅度對報(bào)警率的影
響，如圖９ 所示。
圖８　亮度變化對報(bào)　　　　圖９　機(jī)床振幅度變化
警率的影響對報(bào)警率影響
通過以上分析，燈光亮度和機(jī)床震動幅度能造成
前景分辨較大誤差的范圍是十分狹小的，大多數(shù)機(jī)床
加工的燈光亮度和震動幅度分別是在前景可分辨的范
（下轉(zhuǎn)第５９ 頁）
第５期 惠國保等：視覺數(shù)控安全監(jiān)控技術(shù)研究 ·?。担怠?#183;　
４　實(shí)驗(yàn)結(jié)果與分析
為了驗(yàn)證新的去噪算法的有效性，下面以成形力
原始信號為例，選用Ｄｂ８ 小波函數(shù)進(jìn)行去噪，分別
與默認(rèn)閾值去噪、去極值平均濾波進(jìn)行比較分析。去
噪效果如圖４ 所示。
圖４　不同方法去噪效果
從圖中不難看出：去極值平均濾波對原始信號變
化不大，去噪效果不是很好；而小波閾值去噪可以去
除大部分噪聲，但是仍然有些噪聲未得到很好的抑
制；利用去極值平均濾波和小波變換相結(jié)合的去噪效
果要優(yōu)于前兩種，這也說明這種新的去噪方法可行。
同時(shí)表４ 給出了小波變換與新方法去噪的去噪指標(biāo)
值。
表４　不同方法去噪的評價(jià)指標(biāo)值
去噪方法ＳＮＲ ＲＳＭＥ ｒ
小波閾值２１ ９４５ ２４ ４００ ０ １２９
新算法２３ ７５２ １８ ５３０ ０ ０３７
　　從表中也可以看出，基于均值濾波與小波變換相
結(jié)合的去噪信噪比比單純用小波變換的要略大些，并
且均方根誤差略小些。因此，將這種方法應(yīng)用在成形
力信號處理效果要好些。
５　結(jié)束語
針對含混合噪聲的信號去噪問題，提出了基于小
波變換與均值濾波相結(jié)合的新去噪方法。并以漸進(jìn)成
形力信號為研究對象，討論并確定了小波閾值去噪的
幾個重要參數(shù)，通過實(shí)驗(yàn)對比，結(jié)果表明：基于小波
變換與均值濾波相結(jié)合的新去噪方法比小波閾值去噪
效果更佳。同時(shí)也說明：小波變換與其他傳統(tǒng)的濾波
方法相結(jié)合，能取得較好的去噪效果。
參考文獻(xiàn)：
【１】周六如． 板料數(shù)控漸進(jìn)成形中變形力的研究［Ｊ］． 精密
成形工程，２０１０，２（１）：１０ －１４．
【２】馬琳偉，莫健華．基于有限元仿真的金屬板材單點(diǎn)漸進(jìn)
成形分析［Ｊ］．塑性工程學(xué)報(bào)，２００７（６）：９６ －１００．
【３】ＡＭＩＮＯ Ｈ，ＬＵ Ｙ，ＭＡＫＩ Ｔ，ｅｔ ａｌ． Ｄｉｅｌｅｓｓ ＮＣ Ｆｏｒｍｉｎｇ Ｐｒｏ
ｔｏｔｙｐｅ ｏｆ Ａｕｔｏｍｏｔｉｖｅ Ｓｅｒｖｉｃｅ Ｐａｒｔｓ［Ｃ］／ ／ Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ２ｎｄ
Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒａｐｉｄ Ｐｒｏｔｏｔｙｐｉｎｇ ａｎｄ Ｍａｎｕ
ｆａｃｔｕｒｉｎｇ，２００２：１７９ －１８５．
【４】王芳．小波分析在信號去噪中的應(yīng)用研究［Ｄ］． 成都：西
華大學(xué)，２００９．
【５】王秉仁，楊艷霞．小波閾值降噪技術(shù)在振動信號處理中
的應(yīng)用［Ｊ］．噪聲與振動控制，２００８，１２（６）：９ －１２．
【６】陶珂，朱建軍．小波去噪質(zhì)量評價(jià)方法的對比研究［Ｊ］．
大地測量與地球動力學(xué)，２０１２，３２（２）：１２８ －１３３．
【７】謝文涓，蔡改貧，姜志宏．小波變換技術(shù)在圓度誤差檢測
中的應(yīng)用［Ｊ］． 工具技術(shù)，２０１０，４４ （６）：１０２ － １０４．
（上接第５５ 頁）
圍內(nèi)，所以可以認(rèn)為該視覺監(jiān)控?cái)?shù)控系統(tǒng)不受光度變
化和震動幅度影響。
４　結(jié)論
提出的通過視覺監(jiān)控技術(shù)來實(shí)現(xiàn)數(shù)控安全機(jī)加工
的方法，經(jīng)過實(shí)驗(yàn)論證，是可行的。建立好的背景模
型是實(shí)現(xiàn)該技術(shù)的關(guān)鍵，而且能很好地適應(yīng)光度變化
和機(jī)械震動的影響，所以該技術(shù)具有能適應(yīng)一定環(huán)境
影響的安全監(jiān)控功能。為了更好地將該技術(shù)應(yīng)用于實(shí)
際，可以從像素值與高斯分布匹配角度繼續(xù)研究，建
立更好的背景模型。
參考文獻(xiàn)：
【１】ＳＺＥＬＩＳＫＩ Ｒ． Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎａｌｇｏｒｉｔｈｍｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ
［Ｍ］． Ｓｐｒｉｎｇｅｒ，２０１０．
【２】ＫＡＥＷＴＲＡＫＵＬＰＯＮＧ Ｐ，ＢＯＷＤＥＮ Ｒ． Ａｎ Ｉｍｐｒｏｖｅｄ Ａｄａｐ
ｔｉｖｅ Ｂａｃｋｇｒｏｕｎｄ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ ｆｏｒ Ｒｅａｌｔｉｍｅ Ｔｒａｃｋｉｎｇ ｗｉｔｈ
Ｓｈａｄｏｗ Ｄｅｔｅｃｔｉｏｎ［Ｃ］／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｓｅｃｏｎｄ Ｅｕｒｏｐｅ
ａｎ Ｗｏｒｋｓｈｐ ｏｎ Ａｄｖａｎｃｅｄ ＶｉｄｅｏＢａｓｅｄ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｓｙｓ
ｔｅｍｓ，２００１：１３５ －１４．
【３】ＯＬＩＥＮＳＩＳ Ｊ． Ａ Ｃｒｉｔｉｑｕｅ ｏｆ Ｓｔｒｕｃｔｕｒｅｆｒｏｍｍｏｔｉｏｎ Ａｌｇｏ
ｒｉｔｈｍｓ［Ｊ］． Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｉｍａｇｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ，
２０００，８０：１７２ －２１４．
【４】ＢＩＬＭＥＳ Ｊ． Ａ Ｇｅｎｔｌｅ Ｔｕｔｏｒｉａｌ ｏｆ ｔｈｅ ＥＭ Ａｌｇｏｒｉｔｈｍ ａｎｄ Ｉｔｓ
Ａｐｐｌｉｃａｔｉｏｎ ｔｏ Ｐａｒａｍｅｔｅｒ Ｅｓｔｉｍａｔｉｏｎ ｆｏｒ Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ
ａｎｄ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ［Ｒ］． Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ９７０２１，
Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ Ｉｎｓｔｉｔｕｔｅ，Ｂｅｒｋｅｌｅｙ，ＣＡ，
ＵＳＡ，１９９７．
【５】ＢＲＡＤＳＫＩ Ｇ，ＫＡＥＨＬＥＲ Ａｄｒｉａｎ． Ｌｅａｒｎｉｎｇ ＯｐｅｎＣＶ［Ｍ］． Ｏ
＇ＲＥＩＬＬＹ Ｍｅｄｉａ Ｉｎｃ，２００８．
第５期 蔡改貧等：基于小波變換與均值濾波的成形力信號處理研究 ·?。担埂?#183;

網(wǎng)友評論 more

電力安全論文最新內(nèi)容

03-05