基于帧间差分累积的铁路限界异物检测提取算法

为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。     

铁路入侵运动目标实时检测技术

针对铁路场景下入侵异物的特点,采用智能视频技术,对监控视频图像序列中入侵运动目标检测方法进行研究．提出基于参考点的“相对背景差分法”、基于目标特征的跟踪算法和基于透视规律的目标分类方法,实现对多目标场景运动目标的实时检测识别。典型场景实验结果表明：上述算法实现了铁路入侵运动目标的高效检测,与基础背景差分法相比,误检率和漏检率分别减小了24．56％和54．17％;与基于区域的传统目标跟踪方法相比,误匹配率和漏匹配率分别减小了64．78％和22．58％,且算法具有较强的实时性和鲁棒性。     

基于RGB-D视频的地铁异物风险检测方法研究

地铁异物影响乘客出行安全和列车行车安全,随着自动驾驶时代的到来,采用先进技术检测地铁异物风险是保障地铁安全的重要途径.深度传感器广泛应用在目标检测等领域,弥补彩色信息不足.因此本文采集地铁列车门及屏蔽门间风险区域的RGB-D视频,设计融合深度和颜色信息的异物风险检测算法.首先,提出RGB-D+背景建模(ViBe)算法的...     

基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。     

基于高斯混合模型的铁路入侵物体目标识别方法

基于铁路的特殊视频场景,研究铁路入侵物体目标识别技术,提出并应用1种改进的高斯混合模型,拟定合适的颜色变化阈值和背景更新速率,对图像的不同部分分别进行背景更新,实现铁路视频的背景建模,并由此得到稳定的背景图像;通过背景像素与前景像素的贝叶斯分类实现对铁路入侵物体的准确检测。对典型的铁路入侵行为视频进行实验分析,结果表明:应用改进的高斯混合模型可以更好地适应场景的变化,并能够更加快速、准确地实现在铁路环境下对入侵物体的目标识别。     

视频监控铁路限界内逗留物体的检测方法

根据逗留物体运动的特点,对传统的混合高斯背景图像建模方法进行改进,通过自适应混合高斯背景图像模型将作为前景图像的逗留物体从背景图像中提取出来;再用形态学滤波法消除逗留物体图像因阈值分割产生的意外噪声,然后采用颜色直方图匹配的算法实现对逗留物体的跟踪;当逗留物体在监测区内的累积停留时间超过预设的时间后启动报警.实验结果表明:该方法可以很好地适应监测范围内目标物体缓慢移动或静止的场景,能够快速、准确地对逗留物体进行检测、跟踪和报警.     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

序列图像中运动目标的检测

提出一种新的自适应目标图像分割，它适用于复杂环境下的运动图像跟踪，该算法利用序列连续图像的帧间相关性和差异性检测目标，用直方图滤波法分割目标，根据目标的运动牧场生在相邻帧中确认目标，并尽可能抑制背景噪声的干扰，与某些常规算法不同的是，瓣方法充分考虑了目标－背景条件，帧间相关性和差异性，目标检测及撮算法分三步：运动能量检测，直方图滤波及快速定位。本文给出了在可见了光图像序列上的实验结果。     

尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法

针对铁路异物侵限存在尺度上的外观变化,导致现有目标跟踪算法容易学习到过量背景或局部纹理信息,从而引发跟踪框漂移的问题,提出一种融合尺度估计的核相关滤波目标跟踪算法。利用视觉背景提取器ViBe对铁路沿线侵限异物进行检测,通过密集循环采样和尺度金字塔技术分别提取初始化跟踪框的FHOG特征,用来训练一个核相关位置滤波器和一个PCA降维的尺度滤波器,以实现尺度自适应的铁路侵限异物快速跟踪。实验结果表明:PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-Kcf和SAMF算法;在跟踪速度上明显快于Mean Shift、SA-Kcf和SAMF算法,能达到与Kcf算法相当的快速跟踪效果。     

高速铁路周界入侵视频图像样本库

随着高速铁路的大规模建设与运营,视频监控系统在铁路沿线的应用规模越来越庞大,产生的视频数据爆炸性增长。基于图像的目标检测算法能及时发现监控画面中入侵高铁周界的异物,对保证安全运营具有重要意义。通过建设高铁周界入侵视频图像样本库,利用统一的高铁场景视频图像数据、目标检测算法、算法运行环境和算法评价标准,测试不同场景、天气下目标检测算法的功能有效性和现场适用性,为相关部门提供智能分析算法的标准化测试,以推动铁路视频图像分析的快速发展。     

基于SWU算法的西北多山地区GSM-R无线传播模型研究

针对西北多山地形场景下的GSM-R关键技术展开研究,对大尺度区域铁路无线电波传播进行建模,提出一种基于滑动窗口合并算法(SWU)的衍射改进算法。首先,对覆盖区域进行栅格化处理,并利用IDW算法和数字高程数据DEM获取“点—点”链路的高程值;在此基础上,基于SWU衍射改进算法进行无线信号场强计算;最后,利用Leaflet.js、HTML5和Vue3.js等WebGIS技术,实现了铁路场景无线信号覆盖预测的可视化仿真。结果表明：SWU衍射改进算法能够对复杂电磁环境下的电波覆盖空间分布特征进行建模和场强精确预测,从而为铁路无线通信系统的规划、运维管理提供可靠、便捷的技术支撑。     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

基于映射空间编码的高速运动轨道图像去模糊研究

针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法。首先,该算法使用深度编解码器和残差网络分别对数据集中清晰图像到模糊图像的映射关系和模糊核进行编码,为了保证编码时频率信息的完整性,算法在传统的残差模块上引入快速傅里叶变换通道构成双通道残差网络,以补偿多次特征提取带来的频率损失;其次,算法采用深度图像先验(Deep Image Prior,DIP)将潜在的清晰图像和模糊核进行参数化,再利用先验得到的模糊核和清晰图像来调用编码空间中的映射关系;最后,通过交替优化潜在的清晰图像和模糊核,从而去逼近一个真实未知的映射,进而实现真实场景下高速运动轨道图像的去模糊。实验结果表明,双通道残差模块提取的特征图频率信息分量强度普遍高于传统的残差模块,相较于使用传统残差模块实现该算法,采用双通道残差模块可使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)提升0.84 dB,结构相似性(Structural Similarity,SSIM)提高0.025 1。与现有的深度学习去模...     

青藏铁路综合视频监控系统室外摄像机抖动频率特征分析

青藏铁路沿线多处区段常年多风,导致安装在铁塔高处的长焦摄像机产生抖动引起图像模糊,因此使用的长焦摄像机应具有防抖功能.而多个摄像机、镜头等生产厂家,均无法提供其电子防抖性能的具体参数指标,或无法给出光学/机械防抖性能参数指标来源.通过提出采用SURF算法提取匹配图像的特征点,介绍算法原理和算法实现过程,并开展算法验证和...     

基于激光雷达的城轨交通障碍物检测算法研究

侵限障碍物对城市轨道交通有巨大的危害,现有基于通信的列控技术无法对其自动化防护。为避免障碍物侵入行车区间造成安全事故,利用激光雷达作为主要传感器,提出一种非接触式障碍物检测算法。借助激光雷达具有不受环境光照的影响,测距精度高,可实现远距离探测等优势,该算法能够实现对百米内障碍物的有效检出,同时具备高可靠性,不受隧道内光照条件差等恶劣条件的干扰。为克服隧道中坡度影响,结合点云校准算法将点云平面与地平面对齐。对隧道环境和站台环境建模分析,提出基于规则的轨道平面分割算法和基于区域增长的背景点云分割算法,有效实现地平面的分离以及背景点云的滤除。考虑到点云密度在不同距离分布不均,提出自适应欧式聚类障碍物检测算法。为验证整体算法的有效性,在宁波地铁5号线采集大量正线数据,进行障碍物注入仿真实验。实验结果表明：复杂运行场景下该障碍物检测算法在视距范围内低于70 m障碍物检出率可达85.89%,雷达超视距的情况下检出率有一定的衰减,低于120 m的障碍物检出率为63.08%。算法平均耗时为37.86 ms。     

基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

基于改进YOLOv3的站口行人检测方法

针对YOLOv3算法在行人检测上准确率低和漏检率高的问题,提出一种改进型YOLOv3的行人检测方法,并将其定义为GA-Wide-YOLOv3。该方法首先以行人头肩小目标为检测对象,进行重构数据集,利用遗传算法重新对目标先验框进行聚类,优化anchor参数,提高先验框与数据集的重合程度;其次改进YOLOv3,通过加宽网络宽度、减少网络深度,获得针对小目标检测的较大视野阈,避免梯度消失;最后,将多尺度检测算法3个yolo层前的1*1,3*3的卷积组各去掉2组,减少头肩小目标在复杂背景下的漏检率。在收集的数据集HS6936上进行对比实验,结果表明,基于遗传算法改进的K-means算法,平均交并比为81.89%,提高了0.8%;改进的YOLOv3算法检测平均准确率(mAP)为75.35%,召回率为81.20%,查准率为99.99%,较原始YOLOv3算法分别提高了2.53%,0.88%和2.75%。     

基于改进镜头边界检测算法的视频检索系统

随着多媒体信息技术的不断发展,视频信息大量涌现,如何在海量的数据中快速准确地检索出所需要的资料就显得至关重要.于是,基于内容的视频检索(CBVR)技术研究引起了人们广泛的关注.本文首先对视频的特征进行分析并提取出颜色和纹理直方图作为代表特征信态,然后使用一种改进的自适应滑窗的双阈值镜头检测算法对视频进行镜头分割.最后,通过实验对3种算法进行对比,结果表明,文中提出的算法在复杂度没有明显增加的情况下对镜头分割的准确度优于传统算法.文章的最后一部分使用本文提出的算法实现了一个视频检索系统,结果表明,本算法的准确度比传统算法有了一定的改进.     

智轨列车基于稀疏点云和图像的车辆识别技术

针对识别智轨列车的前方车辆三维信息来保证其行车安全的问题,提出一种面向智轨列车基于稀疏点云和图像的车辆识别技术.首先采用基于角度阈值的算法分割地面并提取障碍物点云,然后提出距离角度约束算法遍历障碍物点云求解聚类点集,通过二次求解优化聚类结果获取预融合聚类点集,最后采用YOLOv3网络模型进行车辆检测,构建基于几何模型的图像点云映射关系,将车辆图像识别信息与预融合聚类点集进行匹配,实现了车辆三维信息识别.研究结果表明:在16线激光雷达稀疏点云条件下,所提方法在多障碍物共存的开放式场景中具有较高的识别率和实时性,满足智轨列车动态检测需求.     

边缘不变矩匹配算法的列车闸瓦图像识别试验

研究一种基于边缘不变矩匹配算法的列车闸瓦图像识别新方法.在列车运动过程中,应用视觉传感器摄取闸瓦图像,根据闸瓦轮廓经图像旋转、缩放和平移变换后边缘特征点保持不变的统计特性,以其作为主要特征参数来自动识别具有复杂背景的闸瓦目标.针对闸瓦表面图像特征与轮对相近、图像灰度分布不均匀和存在遮挡等特点,研究改进的边缘不变矩匹配算...