船闸人字闸门门缝视频监测系统及方法
技术领域
本发明涉及视频监测系统及方法，特别是一种船闸人字闸门门缝视频监测系统及方法。
背景技术
船闸是建立在内河航道上，由闸墙、闸门、阀门等组成的梯级水利枢纽，发挥着巨大的防洪效益和航运效益。船闸的正常运行受若干参数的闭锁条件控制，其中船闸人字闸门关终门缝是船闸运行关键参数之一，对船闸运行程序流转和人字闸门可靠挡水具起着至关重要的作用。船闸现有闸门门缝测量方式采用接近开关的形式，无法量化测量门缝的具体大小，船闸运行人员无法实时掌握人字门对中情况。
中国专利文献CN201810942094.2公布了一种船闸人字门合拢对中状态监测系统，采用PSD光电传感检测装置对人字门门缝进行实时测量，PSD激光标靶对光线干扰敏感，门缝测量值易发生跳变，无法满足船闸对门缝测量的准确性和稳定性要求。
20世纪60年代以来，图像处理技术和图像测量技术在诸多领域广泛研究和应用，该方法具有非接触、高精度、高速度、动态测量、信息量丰富和在线测量等优势，因此，设计一种船闸人字闸门门缝视频监测系统及方法，可以满足船闸控制系统运行需求。
发明内容
本发明所要解决的技术问题是提供一种船闸人字闸门门缝视频监测系统及方法，能够实现船闸人字闸门关终情况的实时监控和门缝大小的非接触实时测量，确保人字闸门可靠挡水，防止人字闸门关终异常导致门体挤压变形。
为解决上述技术问题，本发明所采用的技术方案是：
船闸人字闸门门缝视频监测系统，包括闸墙、闸室和人字闸门，所述的人字闸门分为门页一和门页二，门页一和门页二之间的缝隙为人字闸门门缝，闸墙与人字闸门通过连杆铰接将内河船闸划分为不同闸室，摄像头与照明灯通过安装支架安装于人字闸门上方，摄像头与照明灯与图像预处理系统和图像尺寸检测系统连接，通过摄像头对门缝处的的图像进行摄取，然后通过图像预处理系统和图像尺寸检测系统对图像进行处理，得到人字闸门门缝距离数据，照明灯为图像摄取处提供光线补强。
上述的所述的摄像头为红外夜视摄像头，摄像头与人字闸门顶部平面垂直安装，摄像头影像摄取方向正对于门页一和门页二之间的人字闸门门缝，摄像头摄取人字闸门顶部的门缝图像，采用红外夜视摄像头可以在夜晚时也能取景。
上述的照明灯为LED补光灯，照明灯照明点正对人字闸门门缝。
上述的摄像头获取的视频图像通过视频传输系统传输至船闸集中监控系统，供船闸运行管理人员实时监视人字闸门关终情况，
使用上述所述监控系统的门缝监测方法，监控的具体步骤为：
步骤一：摄像头摄取的门缝的视频图像类型为彩色图像，通过图像预处理系统将图像进行灰度化处理，去除图像中的色彩信息和表面纹理信息，突出门缝的轮廓信息和边缘信息；
步骤二、灰度化处理的门缝图片包含大量的噪声和干扰，图像预处理系统将灰度化处理后的图像，采用最小绝对误差的中值滤波算法滤除噪声和干扰；
步骤三、经过中值滤波去噪后的门缝图像含有除门缝以外的其他信息，图像预处理系统将中值滤波去噪后的门缝图像，采用图像阈值分割法将门缝图像中的目标区域进行分割；
步骤四、经图像阈值分割后的图像信息含有大量除门缝以外的其他信息，对经图像阈值分割后的图像，采用BP神经网络算法进行边缘检测，剔除边缘目标以外的其他信息，得到人字闸门门缝边缘离散点；
步骤五、经BP神经网络算法边缘检测的门缝边界是以整像素为定位精度，样本数量有限，造成一定的定位误差，对经BP神经网络算法处理后的图像，采用边缘像素细化处理，将人字闸门图像边缘像素灰度值进行细分处理，得到门缝的边缘信息；
步骤六、对经边缘像素灰度值细分处理后的人字闸门图像，利用Hough变换法进行直线拟合，得到门缝直线坐标公式，算得门缝距离值；
步骤七、对直线拟合后的门缝距离值，通过图像信息与门缝实际信息的线性对应关系，进行系统标定，得到实际门缝值。
上述步骤二中的中值滤波的具体方法为：
设人字闸门门缝图像序列为Si(-∞<i<+∞)，窗口长度为L，L＝2N+1，N为正整数，窗口内的图像信息为S(j-N)，……，S(j)，……S(j+N),其中S(j)为位于窗口中心的图像信号样本值，则滤波输出值为：
Y(j)＝Med[S(j-N)，……，S(j)，……S(j+N)]。
上述的步骤三中目标区域的分割方法为：
设门缝图像根据n+1个阈值大小T0，T1，T2，T3，……，Tn(T0<T1<T2<T3<……<Tn)将图片分割为n+1个区域，分别是背景区域Q0和n个不同区域Q1，Q2，Q3，……，Qn，图像阈值分割处理为：
其中f(x,y)为船闸人字闸门原始图像灰度值，g(x,y)为区域分割后像素输出结果，g0，g1，g2，g3，……，gn分别为处理后背景Q0，Q1，Q2，Q3，……，Qn对应的像素输出值。
上述的步骤四中边缘检测的方法为：
设人字闸门门缝BP神经网络模型为一个M×K×N的三成BP网络模型，网络选用S型传递函数
上述的步骤六中计算门缝距离的具体方法为：
经边缘检测和边缘像素细化处理后的人字闸门门缝边缘离散点变量集(x，y)，Hough变换法直线拟合，设拟合直线分别为L1:Ax1+By1+C1＝0，L2:Ax2+By2+C2＝0,则门缝距离d为：
上述的步骤七中门缝实际值的计算过程为：
经过系统标定后的图像信息与门缝实际信息是一个线性对应因子为K，则实际门缝距离D为：
相比现有技术，本发明的有益效果：
1)解决了船闸现有门缝测量系统中接近开关无法对人字闸门门缝进行实时、量化测量的问题，采用视频方式将门缝视频信息和尺寸信息实时反馈到船闸集中控制系统和运行管理系统，对船闸运行程序流转和人字闸门可靠挡水具起着至关重要的作用。
2)在船闸人字门门缝位置设置视频监控装置并进行实时监控和测量，能替代船闸工作人员每天的现场巡检，消除了工作人员在人字闸门上通行的安全风险。
3)图像处理技术相对激光标靶技术等受光照强度、温度、湿度影响较小，测量范围宽，不存在门缝数值跳变和消失的情况，大大提升了门缝测量的稳定性和可靠性，降低船闸运行安全风险。
4)应用BP神经网络算法对门缝图像进行边缘检测和像素细化处理，提高了门缝检测的精度。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明的视频监控装置示意图，
图2为摄像头采集到的门缝图像示意图，
图3为图像预处理之后的示意图，
图4为图像边缘检测和边缘像素细化处理之后的示意图，
图5为图片Hough变换直线拟合后的示意图，
图6为人字闸门门缝监控和测量系统示意图，
图7为图像处理流程图，
图8为BP神经网络门缝边缘检测模型图。
图中：闸墙1、闸室2、人字闸门3、门页一301、门页二302、摄像头4、照明灯5、人字闸门门缝6。
具体实施方式
如图1中所示，船闸人字闸门门缝视频监测系统，包括闸墙1、闸室2和人字闸门3，所述的人字闸门3分为门页一301和门页二302，门页一301和门页二302之间的缝隙为人字闸门门缝6，闸墙1与人字闸门3通过连杆铰接将内河船闸划分为不同闸室2，摄像头4与照明灯5通过安装支架安装于人字闸门3上方，摄像头4与照明灯5与图像预处理系统和图像尺寸检测系统连接，通过摄像头4对门缝处的的图像进行摄取，然后通过图像预处理系统和图像尺寸检测系统对图像进行处理，得到人字闸门3门缝距离数据，照明灯5为图像摄取处提供光线补强。
如图1中所示，上述的所述的摄像头4为红外夜视摄像头，摄像头4与人字闸门3顶部平面垂直安装，摄像头4影像摄取方向正对于门页一301和门页二302之间的人字闸门门缝6，摄像头4摄取人字闸门3顶部的门缝图像，采用红外夜视摄像头可以在夜晚时也能取景。
上述摄像头4为市售的产品，例如DH-IPC-HFW4631M-I1型红外夜视摄像头。
如图1中所示，上述的照明灯5为LED补光灯，照明灯5照明点正对人字闸门门缝6。
上述照明灯5为市售的产品，例如HG-W1206B型LED照明灯。
上述的摄像头4获取的视频图像通过船闸现地光端机传输至船闸集中监控系统，供船闸运行管理人员实时监视人字闸门关终情况，
如图7中所示，使用上述所述监控系统的门缝监测方法，监控的具体步骤为：步骤一：摄像头4摄取的门缝6的视频图像类型为彩色图像，通过图像预处理系统将图像进行灰度化处理，去除图像中的色彩信息和表面纹理信息，突出门缝6的轮廓信息和边缘信息；
步骤二、灰度化处理的门缝图片包含大量的噪声和干扰，图像预处理系统将灰度化处理后的图像，采用最小绝对误差的中值滤波算法滤除噪声和干扰；
步骤三、经过中值滤波去噪后的门缝图像含有除门缝以外的其他信息，图像预处理系统将中值滤波去噪后的门缝图像，采用图像阈值分割法将门缝图像中的目标区域进行分割；
步骤四、经图像阈值分割后的图像信息含有大量除门缝以外的其他信息，对经图像阈值分割后的图像，采用BP神经网络算法进行边缘检测，剔除边缘目标以外的其他信息，得到人字闸门门缝边缘离散点；
步骤五、经BP神经网络算法边缘检测的门缝边界是以整像素为定位精度，样本数量有限，造成一定的定位误差，对经BP神经网络算法处理后的图像，采用边缘像素细化处理，将人字闸门图像边缘像素灰度值进行细分处理，得到门缝的边缘信息；
步骤六、对经边缘像素灰度值细分处理后的人字闸门图像，利用Hough变换法进行直线拟合，得到门缝直线坐标公式，算得门缝距离值；
步骤七、对直线拟合后的门缝距离值，通过图像信息与门缝实际信息的线性对应关系，进行系统标定，得到实际门缝值。
上述步骤二中的中值滤波的具体方法为：
设人字闸门门缝图像序列为Si(-∞<i<+∞)，窗口长度为L，L＝2N+1，N为正整数，窗口内的图像信息为S(j-N)，……，S(j)，……S(j+N),其中S(j)为位于窗口中心的图像信号样本值，则滤波输出值为：
Y(j)＝Med[S(j-N)，……，S(j)，……S(j+N)]。
上述的步骤三中目标区域的分割方法为：
设门缝图像根据n+1个阈值大小T0，T1，T2，T3，……，Tn(T0<T1<T2<T3<……<Tn)将图片分割为n+1个区域，分别是背景区域Q0和n个不同区域Q1，Q2，Q3，……，Qn，图像阈值分割处理为：
其中f(x,y)为船闸人字闸门原始图像灰度值，g(x,y)为区域分割后像素输出结果，g0，g1，g2，g3，……，gn分别为处理后背景Q0，Q1，Q2，Q3，……，Qn对应的像素输出值。
上述的步骤四中边缘检测的方法为：
设人字闸门门缝BP神经网络模型为一个M×K×N的三成BP网络模型，网络选用S型传递函数
上述的步骤六中计算门缝距离的具体方法为：
经边缘检测和边缘像素细化处理后的人字闸门门缝边缘离散点变量集(x，y)，Hough变换法直线拟合，设拟合直线分别为L1:Ax1+By1+C1＝0，L2:Ax2+By2+C2＝0,则门缝距离d为：
上述的步骤七中门缝实际值的计算过程为：
经过系统标定后的图像信息与门缝实际信息是一个线性对应因子为K，则实际门缝距离D为：
