本发明涉及旋转台红外安全监测，具体为一种旋转台红外安全监测区域的动态标定与学习方法。
背景技术：
1、旋转台作为工业领域的常用设备，其安全监测区域的动态标定与学习对操作安全至关重要，但现有技术在该领域存在以下缺陷：
2、其一，现有方案多采用单一传感器，不能对旋转台周围360°进行全覆盖，容易出现监测盲区；
3、其二，现有技术未将多传感器局部坐标有效统一至全局基准，且对重叠区域数据常采用简单加权融合，容易引入失真数据；
4、其三，现有方案多采用固定安全距离设定监测区域，且未关联旋转台运动参数与目标运动趋势，无法动态调整监测范围，易出现预警滞后，难以应对实时风险；
5、因此，亟需一种旋转台红外安全监测区域的动态标定与学习方法。
技术实现思路
1、针对现有技术的不足，本发明提供了一种旋转台红外安全监测区域的动态标定与学习方法，解决了现有旋转台监测时传感器同步差、融合低效及区域动态性不足的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种旋转台红外安全监测区域的动态标定与学习方法，包括：
3、步骤1、在旋转台外周按360°环形均匀布置4台集成偏振镜头的红外传感器，每台红外传感器同步输出覆盖区域内的热辐射强度数据i、红外偏振度数据p及像素空间坐标；
4、步骤2、将各红外传感器所得像素的局部坐标统一至全局极坐标，并对重叠区域像素的i与p进行融合，形成覆盖360°的全局数据矩阵，所述全局数据矩阵包含每个像素的全局坐标(r,θ)、热辐射强度数据i、红外偏振度数据p；
5、步骤3、对全局数据矩阵中的(i,p)进行空间关联聚类，并将聚类后的各簇划分为危险目标簇、干扰目标簇、背景簇；
6、步骤4、对危险目标簇的所有像素，提取其全局坐标的最小值和最大值，确定目标在360°范围内的空间边界，并基于全局边界生成动态监测区域。
7、作为本发明的进一步方案，通过硬件同步触发模块确保所有红外传感器在同一时刻采集数据，所述硬件同步触发模块可选择同一时钟信号。
8、作为本发明的进一步方案，每台红外传感器能够覆盖90°±5°的视场，且相邻红外传感器的视场重叠为10°。
9、作为本发明的进一步方案，将各红外传感器所得像素的局部坐标统一至全局极坐标的具体操作为：
10、以旋转台旋转轴心为原点，设定全局极坐标的参考轴，在全局极坐标(r,θ)中，r为目标到原点的直线距离，θ为目标与参考轴的夹角；
11、对每台红外传感器，记录其安装参数，包括安装极角θs、安装距离rs，所述安装极角为红外传感器与原点连线和全局参考轴的夹角，所述安装距离为红外传感器到原点的直线距离；
12、对红外传感器输出的局部直角坐标(xi,yi)，通过极坐标定义公式转换为局部极坐标(ri,θi)；
13、根据公式θ=θs+θi计算出全局极角，若θ＞360°，则θ减去360°，若θ＜0°，则θ+360°，确保θ的取值区间为[0°,360°]；
14、根据公式计算出全局极径。
15、作为本发明的进一步方案，对重叠区域像素的i与p进行融合的具体步骤为：
16、遍历所有红外传感器转换后的全局坐标，对任意两个红外传感器的像素，计算其全局坐标的空间距离，若空间距离小于目标表面最小特征尺寸，则划为同一重叠像素组，所述目标表面最小特征尺寸是指目标表面上连续且物理属性均匀的最小独立区域的最大线性尺寸；
17、对每个重叠像素组，计算各红外传感器与目标的视角正对度，即红外传感器光轴与目标表面法线的夹角；
18、在重叠像素组中，选择视角正对度最高的红外传感器所采集的i和p作为融合结果，直接保留该红外传感器的特征值，舍弃其他红外传感器的重叠像素数据。
19、作为本发明的进一步方案，对全局数据矩阵中的(i,p)进行空间关联聚类的具体操作为：
20、遍历全局数据矩阵的所有像素，以单个像素为起点，向其空间相邻像素扩展：若相邻像素的i变化量≤目标物理特征允许的最大波动，且p变化量≤目标材质均匀性允许的最大波动，则将两像素归为同一初始簇，重复扩展直至无符合条件的相邻像素，形成独立初始簇，所述空间相邻像素指在全局坐标中距离其最近的像素；
21、计算任意两个初始簇的空间最小距离，若该空间最小距离≤目标运动的最小步长，且两簇的i分布范围重叠比例≥a、p分布范围重叠比例≥b，则判定为同一目标被分割的簇，将其合并为一个簇，其中，a、b为重叠比例阈值；
22、对每个融合后的簇，沿其空间轮廓的任意方向提取i和p的序列变化：若序列中出现i的变化量＞目标物理特征允许的最大波动且p的变化量＞目标材质均匀性允许的最大波动，则以该点为界将簇分离为两个子簇。
23、作为本发明的进一步方案，将聚类后的各簇划分为危险目标簇、干扰目标簇、背景簇具体包括：
24、对每个簇，计算三个核心拓扑特征：凸包紧致度c，构建(i,p)点集的最小凸包，计算凸包紧致度c=凸包面积/点集数量；特征轴夹角a，通过pca提取i和p的主方向，并计算两主方向的夹角；密度梯度熵e，将(i,p)空间划分为等距网格，并计算各网格点密度的信息熵；
25、将c、a、e分别进行标准化处理，并根据公式d=(1-c)×a×(1-e)计算出综合判别值；
26、预先设置综合判断阈值d1、d2且d1＜d2，将各簇划分为危险目标簇、干扰目标簇、背景簇：若d≥d2，则将其划分为危险目标簇；若d1≤d＜d2，则将其划分为干扰目标簇；若d＜d1，则将其划分为背景簇。
27、作为本发明的进一步方案，确定目标在360°范围内的空间边界具体步骤为：
28、对危险目标簇的所有像素，基于全局极坐标计算任意像素与簇内主体核心区的空间距离，保留与主体核心区空间距离连续的像素，即距离变化呈现线性递增/递减趋势，无突然跳变，剔除孤立分布的异常像素；
29、所述主体核心区为：在确定了簇内各像素的局部密度后，按密度从高到低对所有像素排序，取排序靠前的、总数量占簇内像素总数50%的像素；
30、对筛选后的像素，提取r的最小rmin和最大值rmax，提取θ的所有值，判断其分布是否跨极角0°，并对其进行修正，得到修正后的角度区间：若不跨0°，则直接取θ的最小值θmin和最大值θmax，若跨0°，则将θ减去360°，再取调整后的最小值θmin’和最大值θmax’，最终角度范围表示为[θmin’+360°,360°]∪[0°,θmax’]；
31、构建危险目标簇的空间边界：径向边界为[rmin,rmax]，角度边界为修正后的角度区间。
32、作为本发明的进一步方案，基于全局边界生成动态监测区域的具体步骤为：
33、提取旋转台的实时运动参数，包括当前旋转角度θt、角速度ω、机械危险半径rm；
34、基于危险目标簇的全局边界，计算目标与旋转台的径向安全间距和角度重合度，所述径向安全间距为目标rmin与旋转台rm的差值，所述角度重合度为目标修正后的角度区间与旋转台当前及1秒内将扫过的θ范围的重叠比例；
35、以目标边界为核心，向外扩展一个动态基础带，形成基础监测范围；
36、对连续3帧危险目标的全局坐标进行拟合，计算其运动向量，包括径向速度v_r与角向速度v_θ，并根据运动向量预测未来t秒内目标的边界变化：预测r范围为[rmin-v_r×t,rmax+v_r×t]，预测θ范围为[θmin1-v_θ×t,θmax1+v_θ×t]，其中，v_r表示r随时间的变化率，v_θ表示θ随时间的变化率；
37、将预测边界与基础监测范围取并集，形成预测扩展范围，并计算旋转台在未来t秒内的机械危险扫过区域：基于角速度ω，其角度范围为[θt,θt+ω×t]，径向范围为[0,rm]；
38、计算预测扩展范围与机械危险扫过区域的交集，并将该交集记为动态监测区域。
39、作为本发明的进一步方案，动态基础带的计算具体包括：
40、以危险目标的径向边界rmin为基准，扩展宽度为△r=k1×(rm-rmin)，扩展后的径向基础范围为[rmin-△r,rmax+△r]，其中，k1为比例系数；
41、以危险目标的修正后的角度区间为基准，扩展宽度△θ=k2×ω×t0，扩展后的角向基础范围为[θmin1-△θ,θmax1+△θ]，其中，t0为系统最小反应时间，k2为安全系数，θmin1、θmax1为修正后的角度区间的最小值与最大值。
42、本发明提供了一种旋转台红外安全监测区域的动态标定与学习方法，与现有技术相比具备以下有益效果：
43、(1)本发明对重叠区域像素，基于视角正对度筛选出最优热辐射强度与红外偏振度数据，有效剔除倾斜视角下的失真数据，保证全局数据矩阵中核心特征的真实性与一致性；
44、(2)本发明的空间关联聚类基于目标物理属性的连续性去扩展初始簇，结合空间距离与特征分布重叠合并分割簇，通过双突变点分离异质簇，避免同一目标分割或不同目标误合，并通过拓扑核心特征计算综合判别值，基于综合判别值能较为准确的划分危险目标、干扰目标与背景；
45、(3)本发明生成动态监测区域时，关联旋转台实时运动参数以扩展基础带，并结合目标运动趋势预测边界变化，最终通过交集计算锁定风险区域，提升旋转台安全监测的实时性与可靠性。