一种有效的厂区安全监测系统的制作方法

本发明创造涉及安全监测领域，具体涉及一种有效的厂区安全监测系统。
背景技术：
：现有厂区的范围越来越大，厂区内的人员和车辆也越来越多，为了保障厂区内的安全，大多数工厂多采用雇佣大量保安或安装监控摄像头的方式进行厂区安全监测，雇佣保安的安保方式不仅耗费大量人力，因为厂区范围的增大，保安巡检的方式已不能满足厂区安全监测的要求，而现有的安装摄像头的方式通过对厂区内环境的时候拍摄进行厂区的安全监控，并不能具体提取图像中的目标，从而有利于安保人员的快速观察，因此，本发明提供一种有效的厂区安全监测系统，通过对监测所得的图像的有效处理和分析，提取图像中的目标，方便了安保人员的对厂区内环境的快速观察。技术实现要素：针对上述问题，本发明旨在提供一种有效的厂区安全监测系统。本发明创造的目的通过以下技术方案实现：一种有效的厂区安全监测系统，包括视频监测模块、信息传输模块、控制中心和显示模块，所述视频监测模块用于捕捉厂区内的图像信息，并将所述图像信息通过信息传输模块传输至控制中心，所述控制中心对接收到的图像信息进行处理和分析，并通过显示模块进行显示。本发明创造的有益效果：本系统设置视频监测模块、信息传输模块、控制中心和显示模块，通过视频监测模块实现了对厂区内环境图像的有效采集，对监测所得的图像的有效处理和分析，实现了图像中目标的有效提取，方便了安保人员的对厂区内环境的快速观察。附图说明利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明结构示意图；图2是本发明控制中心结构示意图附图标记：视频监测模块1；信息传输模块2；控制中心3；显示模块4；图像预处理单元31；边缘优化单元32；目标定位单元33。具体实施方式结合以下实施例对本发明作进一步描述。参见图1和图2，本实施例的一种有效的厂区安全监测系统，包括视频监测模块1、信息传输模块2、控制中心3和显示模块4，所述视频监测模块1用于捕捉厂区内的图像信息，并将所述图像信息通过信息传输模块2传输至控制中心3，所述控制中心3对接收到的图像信息进行处理和分析，并通过显示模块4进行显示。优选地，所述视频监测模块1采用移动监测摄像头进行厂区内视频图像的采集。优选地，所述信息传输模块2采用2g或3g的无线传输方式。本优选实施例设置视频监测模块、信息传输模块、控制中心和显示模块，通过视频监测模块实现了对厂区内环境图像的有效采集，对监测所得的图像的有效处理和分析，实现了图像中目标的有效提取，方便了安保人员的对厂区内环境的快速观察。优选地，所述控制中心3包括图像预处理单元31、边缘优化单元32和目标定位单元33，所述图像预处理单元31采用一种改进的高斯滤波算法对图像进行滤波处理，去除采集得到的图像中的噪声等干扰，所述边缘优化单元32用于对滤波后的图像进行边缘像素的筛选，从而连接图像的边缘，所述目标定位单元33用于根据所得的图像边缘轮廓定位目标的形心，从而实现图像中目标的定位。优选地，所述图像预处理单元31采用一种分区域的高斯滤波算法对对采集得到的厂区的图像进行滤波处理，对不同区域的滤波尺度参数进行确定，具体包括：a.对所述原始图像进行分区域，定义图像的总的灰度级为q，ri为局部区域r中灰度级为i的像素点总数，则局部区域r的信息熵xr为：b定义局部区域r的(x,y)处的灰度值为h(x,y)，局部区域r的分辨率为(m,n)，则局部区域r的灰度值方差cr为：c.根据局部区域r的信息熵值xr和灰度值方差cr确定局部区域r所含的信息量值pr，则信息量值pr的计算公式如下：d.根据上述所得的图像局部区域r所含的信息量值pr计算相应区域的滤波尺度lr，具体为：lmax＝log2[max(m，w)]式中，pmax是局部区域中的所含的最大信息量值，pmin是图像局部区域中所含的最小信息量值，lmax是局部区域的最大滤波尺度，(m,n)是最小信息量值对应的图像局部区域的分辨率，lr是图像局部区域r的滤波尺度，lmin是图像局部区域中的最小滤波尺度。本优选实施例将采集得到的图像进行分区域，并通过计算各个区域的信息熵值和灰度值方差确定局部区域的信息量，从而计算各个区域的滤波尺度，实现对采集得到图像的不同区域进行不同尺度的滤波。优选地，所述边缘优化单元32用于对滤波后的图像进行边缘像素的筛选，从而连接图像的边缘，具体包括：a.计算滤波后图像的梯度值，从而建立滤波后图像的梯度直方图，定义边缘检测的第一阈值k1，则第一阈值k1的计算公式为：k1＝d1+log2(1+el)式中，dm为梯度直方图中像素点数最多的梯度幅值，dm-1为梯度直方图中m-1处的梯度幅值，dm+1为梯度直方图中m+1处的梯度幅值，di为梯度直方图中i处的梯度幅值，n为图像中梯度值的个数；b.去除梯度直方图中大于上述所得第一阈值k1的像素点，建立剩余像素点的梯度直方图，定义边缘检测的第二阈值k2，则边缘检测的第二阈值k2的计算公式为：k2＝t2+log2(1+u2)式中，th为新建的梯度直方图中像素点数最多的梯度幅值，th-1为梯度直方图中h-1位置处的梯度幅值，th+1为梯度直方图中h+1位置处的梯度幅值，ti为梯度直方图中位置i处的梯度幅值，c为图像中梯度值的个数；c.再次去除剩余像素点中梯度幅值大于第二阈值k2的像素点，剩余的像素点即为图像的边缘。本优选实施例采用双阈值的方法进行边缘检测，根据图像的梯度直方图的信息自适应的确定双阈值的大小，避免了丢失灰度值变化缓慢的局部边缘，保证了边缘检测结果的准确性。基于上述实施例，利用本发明进行了一系列测试，以下是进行测试得到的实验数据：待检测目标检出精确率平均耗时圆形目标100％0.35s矩形目标100％0.32s三角形目标99％0.34s从上述实验数据可以看出，采集得到的图像通过所述图像预处理单元的滤波处理和边缘优化单元的边缘检测处理后，目标定位单元能够有效的定位图像中的目标，精确率达到99％以上，并且需要能够保持较快的目标检测速度，完全能够满足厂区安全监测系统的性能需求。最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12