1、在現(xiàn)有的焦?fàn)t機車自動控制系統(tǒng)中，高粉塵、電磁干擾、車身震蕩等現(xiàn)場因素使得目前的定位技術(shù)如無線傳感、紅外激光對射、旋轉(zhuǎn)編碼器等未能達(dá)到預(yù)想的效果，焦化行業(yè)的發(fā)展依然受到人工操作的低效性和不可靠性、惡劣生產(chǎn)環(huán)境等因素制約。隨著機器視覺技術(shù)和嵌入式技術(shù)的逐步成熟，在焦?fàn)t機車無人化操作的市場趨勢下，研究焦?fàn)t機車智能監(jiān)控系統(tǒng)中的關(guān)鍵算法有著重要的現(xiàn)實意義。
　　本文以嵌入式的機器視覺技術(shù)在焦?fàn)t自動化的應(yīng)用為背景，現(xiàn)場調(diào)查并分析了焦?fàn)t機車智能

2、監(jiān)控系統(tǒng)的具體需求，并采集了大量的圖像和視頻信息作為實驗樣本，由此開展了焦?fàn)t爐號識別和爐門前的運動人體目標(biāo)檢測算法的研究。在焦?fàn)t爐號識別算法中，本文首先采用Sobel邊緣檢測的方法進行爐號定位，并且在傳統(tǒng)Sobel算子的基礎(chǔ)上增加了兩個方向模板，選取四個梯度幅度值的平均值作為像素點的新灰度值;其次，得到精確的邊緣信息后將爐號圖像二值化，并采用垂直投影法實現(xiàn)爐號單個字符的分割，同時根據(jù)爐號圖像的特征提出了校驗機制來提高算法的可靠性;最后，

3、設(shè)計了BP神經(jīng)網(wǎng)絡(luò)分類器來實現(xiàn)爐號單個字符的識別，并針對正常、多灰塵、煙霧、光照變化等各種情景選用大量的現(xiàn)場圖像對網(wǎng)絡(luò)進行了訓(xùn)練和測試，并且達(dá)到了指定的誤差0.01的標(biāo)準(zhǔn)。在爐門前的運動人體目標(biāo)檢測算法中，本文采用分塊建模的思想將圖像進行非均勻的分塊處理，針對圖像小塊建立混合高斯模型，并且在背景減除法的基礎(chǔ)結(jié)合幀間差分法，利用連續(xù)三幀圖像差值的平均值來評估光線等環(huán)境的變化，彌補了背景減除法對光線變化敏感的不足，同時引入背景記憶參數(shù)提出了