本发明涉及图像处理及检测监控领域，尤其是一种基于图像处理技术的阀门泄露监控系统。
背景技术：
目前危化品及粮食等货物运输的监管主要存在于装车发货、途中运输和停车卸货三个过程中。由于缺乏必要的实时监控技术，途中危化品及粮食等货物是否存在泄漏情况无法被实时查看。一旦出现危化品泄漏、粮食丢失等情况，甚至重大事故的发生，对周围人员、环境会造成不良影响，给企业和社会带来巨大损失。因此，利用物联网和图像处理技术对危化品及粮食等货物的运输状态进行实时监控管理是十分必要的。
技术实现要素：
本发明所要解决的技术问题是：针对上述存在的问题，提供一种可实时监控货物运输途中异常泄露情况的基于图像处理技术的阀门泄露监控系统。
本发明采用的技术方案如下：
一种基于图像处理技术的阀门泄露监控系统，具体包括图像采集模块、图像编码解码模块、图像处理模块、无线传输模块和监控主服务器，所述图像采集模块通过图像编码解码模块对应连接所述图像处理模块，所述图像处理模块通过无线传输模块对应连接所述监控主服务器，
所述图像采集模块用于采集货运车出口阀门处图像信息；
所述图像编码解码模块用于对采集到的图像进行编码和解码处理；
所述图像处理模块通过对解码后图像进行图像处理运算判断是否存在货物泄露信息，并将含有货物泄漏信息的图像通过无线传输模块发送给监控主服务器。
进一步地，所述图像处理运算包括灰度化、阈值分割和帧间差分运算。
进一步地，阈值分割运算中计算最佳分割阈值的步骤包括：
步骤(1)、确定图像分割阈值的取值集合n＝{n1，n2，…，np，…n(m×n)/2}，其中，m为像素点灰度值的个数，n为邻域平均灰度值的个数，
np＝ik+jl，0≤k≤m，0≤l≤n
i表示像素点灰度值，j表示邻域平均灰度值，np表示任一图像分割阈值；
步骤(2-1)、将由像素点灰度值i和邻域平均灰度值j两特征构成的二维直方图分割成a区域和b区域，其中
a区域：i+j＜np，b区域为：i+j＞np，
步骤(2-2)、计算a区域和b区域的像素点概率和，其中
a区域：
b区域：
pa、pb分别表示a区域和b区域的像素点概率和；
步骤(2-3)、计算a区域和b区域的熵值，其中
a区域：ha＝pa×logpa，b区域：hb＝pb×logpb，
ha、hb分别表示a区域和b区域的熵值；
步骤(3)、计算所有n取值的ha+hb，ha+hb最大时对应的n值为最佳分割阈值。
进一步地，所述帧间差分运算包括相邻两桢图像的差分运算和当前帧与背景帧图像的差分运算。
进一步地，帧间差分运算后相邻两桢图像的亮度差绝对值或当前帧与背景帧图像的亮度差绝对值大于预设阈值时，判断采集到的图像存在货物泄露信息，否则判断采集到的图像不存在货物泄露信息。
进一步地，所述系统还包括设置在货运车阀门下方的接漏装置，当所运货物为液体时，接漏装置内添加有有颜色指示剂。
进一步地，所述图像采集模块也可用于采集所述接漏装置容体内部的图像信息。
进一步地，所述图像处理模块向所述监控服务器发送的信息还包括货运车车牌号，运输司机信息及车辆当前位置信息。
进一步地，所述系统还包括设置在驾驶室内的报警装置，所述报警装置对应连接所述图像处理模块，所述图像处理模块判断采集到的图像存在货物泄露信息时，报警装置报警。
综上所述，由于采用了上述技术方案，本发明的有益效果是基于图像处理技术能够准确有效识别货物泄露信息，识别率高，受外界环境因素影响小；能够实时将泄漏图像发送给监控服务器端，便于服务器端和相关人员迅速处置，可以有效避免运输危化品泄露、粮食丢失等情况的发生。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明提供的阀门泄露监控系统结构图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
图1为本发明提供的阀门泄露监控系统结构图，如图1所示，一种基于图像处理技术的阀门泄露监控系统，具体包括图像采集模块、图像编码解码模块、图像处理模块、无线传输模块和监控主服务器，所述图像采集模块通过图像编码解码模块对应连接所述图像处理模块，所述图像处理模块通过无线传输模块对应连接所述监控主服务器，所述图像采集模块用于采集货运车出口阀门处图像信息；所述图像编码解码模块用于对采集到的图像进行编码和解码处理；所述图像处理模块通过对解码后图像进行图像处理运算判断是否存在货物泄露信息，并将含有货物泄漏信息的图像通过无线传输模块发送给监控主服务器。
图像处理运算包括灰度化、阈值分割和帧间差分运算。
本发明采用的图像处理算法中首先对采集到的图像进行灰度化处理，其意义在于提取图像特征并缩小数据量提高处理速度。灰度化处理运算表达式为：
f(i,j)＝0.3r(i,j)+0.59g(i,j)+0.11b(i,j)
其中f表示灰度化值，r表示图像红色通道数值，g表示绿色通道数值，b表示蓝色通道数据，i，j表示像素点在图像中的位置。
完成灰度化后需进一步进行图像分割，本算法中采用了最大熵阈值分割，其原理为阈值分割后熵值越大，可从图像中得到的信息量越大，图像细节越丰富，因而总体分割效果也越好。阈值分割运算中计算最佳分割阈值的步骤包括：
步骤(1)、确定图像分割阈值的取值集合n＝{n1，n2，…，np，…n(m×n)/2}，其中，m为像素点灰度值的个数，n为邻域平均灰度值的个数，
np＝ik+jl，0≤k≤m，0≤l≤n
i表示像素点灰度值，j表示邻域平均灰度值，np表示任一图像分割阈值；
步骤(2-1)、将由像素点灰度值i和邻域平均灰度值j两特征构成的二维直方图分割成a区域和b区域，其中
a区域：i+j＜np，b区域为：i+j＞np，
步骤(2-2)、计算a区域和b区域的像素点概率和，其中
a区域：
b区域：
pa、pb分别表示a区域和b区域的像素点概率和；
步骤(2-3)、计算a区域和b区域的熵值，其中
a区域：ha＝pa×logpa，b区域：hb＝pb×logpb，
ha、hb分别表示a区域和b区域的熵值；
步骤(3)、计算所有n取值的ha+hb，ha+hb最大时对应的n值为最佳分割阈值。
所述最佳分割阈值计算方法相比传统二维最大熵阈值计算方法，在充分利用特征值信息的前提下降低了算法的复杂度，有效提升了整体识别算法效率。
所述帧间差分运算包括相邻两桢图像的差分运算和当前帧与背景帧图像的差分运算，背景帧图像是利用图像采集模块获得的货运车阀门处未发生泄露的图像。帧间差分运算后相邻两桢图像的亮度差绝对值或当前帧与背景帧图像的亮度差绝对值大于预设阈值时，说明采集到的图像序列存在运动趋势和变化趋势，判断采集到的图像存在货物泄露信息，否则判断采集到的图像不存在货物泄露信息。背景帧图像的设计可在所运货物一直发生泄露且图像处理模块判断不出相邻帧图像亮度变化情况时，所述监控系统仍能有效识别出货物泄露信息。
监控系统检测到货物泄露信息前，所述图像处理模块进行相邻帧图像差分运算，当相邻帧图像亮度差绝对值大于预设阈值时，判断采集到的图像存在货物泄露信息，并将含货物泄露信息的图像发送给监控主服务器；在上报货物泄露信息后相关人员采取有效措施前，所述图像处理模块进行相邻帧图像差分运算和当前帧与背景帧图像差分运算，当相邻桢图像的亮度差绝对值或当前帧与背景帧图像的亮度差绝对值大于预设阈值时，判断采集到的图像仍然存在货物泄露信息，并继续将含有货物泄露信息的图像发送给监控主服务器；在相关人员采取有效措施后，所述图像处理模块继续进行相邻帧图像的差分运算。
优化地，所述系统还包括设置在货运车阀门下方的接漏装置，当所运货物为液体时，接漏装置内添加有有颜色指示剂，颜色指示剂有助于识别无色酸碱液体的泄露。所述图像采集模块也可采集接漏装置容体内部图像信息，所述图像处理模块对采集到的接漏装置容体内部图像进行图像处理运算来判断图像中是否存在货物泄露信息。
优化地，所述图像处理模块向所述监控服务器发送的信息还包括货运车车牌号，运输司机信息及车辆当前位置信息。
优化地，所述系统还包括设置在驾驶室内的报警装置，所述报警装置对应连接所述图像处理模块，所述图像处理模块判断采集到的图像存在货物泄露信息时，报警装置报警。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。