技术领域本发明涉及桥梁施工领域，具体涉及一种局部和全局特征相结合的桥梁施工装置。
背景技术：
桥梁施工是指按照设计内容，建造桥梁的过程；主要指桥梁施工技术与施工组织、施工管理、施工质量等内容。在桥梁施工领域，桥梁吊车等桥梁施工车是一个非常重的桥梁施工手段。另外，桥梁施工装置作为一种重要的昂贵设备，其安全性尤为重要，必须能防止和监视恶意破坏行为。
技术实现要素：
针对上述问题，本发明提供一种局部和全局特征相结合的桥梁施工装置。本发明的目的采用以下技术方案来实现：一种局部和全局特征相结合的桥梁施工装置，包括桥梁施工车和安装在桥梁施工车上的监测装置，监测装置用于对桥梁施工车附近的活动进行视频图像监测，监测装置包括预处理模块、检测跟踪模块、识别输出模块；(1)预处理模块,用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：图像转化子模块,用于将彩色图像转化为灰度图像:H(x,y)=max(R(x,y),G(x,y),B(x,y))+min(R(x,y),G(x,y),B(x,y))2+2(max(R(x,y),G(x,y),B(x,y))-min(R(x,y),G(x,y),B(x,y)))]]>其中，R(x,y)、G(x,y)、B(x,y)分别代表像素(x,y)处的红绿蓝强度值，H(x,y)代表坐标(x,y)处的像素灰度值；图像大小为m×n；图像滤波子模块，用于对灰度图像进行滤波：采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvlm(x,y)，具体定义公式为：Msvlm(x,y)＝a1J1(x,y)+a2J2(x,y)+a3J3(x,y)+a4J4(x,y)，其中a1、a2、a3、a4为可变权值，ai=JiJ1+J2+J3+J4,i=1,2,3,4;]]>J(x,y)为经滤波后的图像；图像增强子模块：当|128-m|>|ω-50|3]]>时，L(x,y)=255×(H(x,y)255)ψ(x,y),]]>其中，L(x,y)为增强后的灰度值；ψ(x,y)是包含有局部信息的伽马校正系数，此时α是范围为0到1的可变参数，当|128-m|≤|ω-50|3]]>且ω＞50时，L(x,y)=255×(H(x,y)255)ψ(x,y)×(1-ω-50ω2),]]>其中ψ(x,y)=ψα(Msvlm(x,y)),α=1-|128-min(mL,mH)128|,]]>mH是图像中灰度值高于128的所有像素的均值，mL是灰度值低于128的所有像素的均值，且此时m＝min(mH，mL)，在α值已知的情况下，计算出256个ψ校正系数作为查找表，记为其中i为索引值，利用Msvlm(x,y)的灰度值作为索引，根据ψ(x,y)＝ψα(Msvlm(x,y))快速获得图像中每个像素的伽马校正系数ψ(x,y)；为模板修正系数；(2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：构建子模块，用于视觉字典的构建：在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟踪结果作为训练集X＝{x1,x2,……xN