铁路周界入侵目标多尺度特征感知算法

准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明：提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^...     

基于高阶全连接条件随机场的高速铁路异物入侵检测方法

随着我国高速铁路的快速发展,运营线路里程不断增加,铁路异物入侵对列车运行安全的威胁日趋严重。针对现有基于计算机视觉的铁路异物入侵检测方法存在的检测精度差、误检率高等问题,提出一种新的基于条件随机场CRF的前景提取算法并将其应用于高铁周界入侵检测中。前景提取是计算机视觉中的一个重要问题,也是基于计算机视觉的铁路异物入侵检测方法的核心算法。基于CRF的前景提取算法针对动态背景、伪装色等关键问题引入全连接结构,并增加高阶势,同时采用基于快速卷积的CRF推断算法实现快速求解。实验结果表明,前景提取算法的总体检测效果在通用测试数据集上优于现有算法,并在铁路现场场景取得较好地应用效果。     

基于机器视觉的地铁站台门与列车门间异物检测方法研究

基于机器视觉的地铁站台门与列车门间异物检测方法对保障地铁安全运营,甚至对列车自动驾驶都具有较强的指导意义。为此,文章就此类方法所涉及的检测设备安装和核心检测流程进行综述。首先对用于拍摄站台门与列车门间灯带的摄像机的安装位置及成像角度进行归纳总结;然后根据检测异物时参照对象的不同将现有方法进行分类分析;最后对基于机器视觉的地铁站台门与列车门间异物检测方法进行展望。     

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。     

一种基于计算机视觉的地铁站台异物检测算法

地铁已成为大型城市的主要交通工具，如何保障乘客的安全成为地铁运营的热点问题。文章在现有的车门与屏蔽门之间人工检测技术的基础上提出一种基于计算机视觉的空间异物检测算法。该算法通过对车尾处灯带的完整性进行检测，判断车门与屏蔽门间是否存在异物，进而辅助司机进行开车前的安全检查，保障列车的运行安全。实地采集视频数据进行实验分析，结果表明，文章所提方法可以准确检测出空隙中异物。     

基于色彩矩的无监督多分辨率图像分割

无监督的图像分割被广泛的应用于各种不同的条件下，包括数字相机的图像增强，目标识别，基于内容的图像检索和三维图像分析。本文提出了一种新的多分辨图像分割方法，与其他基于颜色的全局优化分割方法比较，该方法基于人的视觉系统原理，能够将感兴趣的物体从背景中分割出来，同时图像分割是一个多分辨率的分割过程，首先算法在整幅图像中搜索代表物体的特征块，然后利用特征块的色彩矩特征对所有图像块进行聚类，最后对属于物体类的图像块进行高分辨率的分类，直到块中的每一个像素点被区分为背景或物体，实验结果表明，与传统方法相比，本文算法能够在较短的时间内，取得较好的分割效果。     

地铁曲线站台空隙异物自动检测预警系统研究

针对地铁司机在开车前无法独自完成曲线站台车门与屏蔽门间空隙异物检测而存在运营安全的隐患,提出一套地铁曲线站台空隙异物自动检测预警系统。通过在站台每扇屏蔽门上方安装微型摄像机来拍摄站台屏蔽门与车门间空隙图像,利用图像处理算法对所拍摄的图像进行车门检测并确定车门在图像中的区域（即感兴趣区域）,在乘客上下车完成后对感兴趣区域进行异物检测,并在存在异物的情况下发出预警,提醒司机延迟开车。实验证明,该系统能准确检测出空隙中存在的异物,可以辅助列车司机完成开车前对地铁曲线站台空隙异物的检测。     

地铁风险空间分析及异物检测系统技术要求

为了规范地铁风险空间异物检测系统的设计与安装,切合未来地铁无人驾驶的需求,首先分析地铁站台屏蔽门与列车门之间风险空间的风险特性与异物事件的发生原因,对比现有防夹装置和风险空间异物检测技术的优缺点,然后根据异物事件的异物体积、风险性与危害程度进行风险等级划分,并对现有异物检测系统进行检测水平评估,最后总结未来地铁无人驾驶环境下的异物检测系统必须达到理想化人工瞭望灯带技术及其以上的检测水平,本研究为未来地铁无人驾驶技术和异物检测技术的发展与应用提供参考。     

基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究

针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测.首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中.处理效果表明:实际应用验证中最低准确率为98.7％,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求.     

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。     

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DR图像多重快速分割的铁路货车铸件缺陷提取方法

针对铁路货车铸件DR(Digital Radiography)图像数据量大、背景亮度不均匀以及对DR图像中铸件薄壁区域的缺陷提取效果不理想和基于C-V模型的分割方法存在计算量大的问题,研究基于DR图像多重快速分割的铸件缺陷提取方法.先利用OTSU双阈值分割算法对铸件DR图像进行分割,然后应用区域生长技术得到铸件薄壁区域的图像;对该图像进行剥皮和归一化线性灰度拉伸处理后,再次利用OTSU双阈值分割算法和区域生长技术对图像进行分割,从中提取出含有和可能含有铸件缺陷的局部图像;对可能含有铸件缺陷的亮背景区域图像用C-V模型再次进行分割,最终提取出所有铸件缺陷的图像.     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。     

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。     

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。     

基于关键特征梯形的城市轨道交通车辆受电弓羊角形变检测方法

针对城市轨道交通车辆受电弓羊角的形变和断裂，提出了基于关键特征梯形的受电弓羊角形变检测方法。首先，进行图像滤波预处理，去除图片中的高斯噪声；其次，对预处理图像进行LC(亮度对标)显著性检测，将图像的前景和背景分离，利用GrabCut算法完成图像分割，简化除采集图像中的受电弓以外的复杂环境背景，保留受电弓的完整特征；最后，按一阶梯度和二阶梯度信息为特征关键点匹配模板，得到2个羊角尖和2个螺母的关键点位置，将4个关键点连接形成特征梯形，对特征梯形面积进行计算，并与标准的受电弓特征面积进行比对，进而计算出受电弓羊角的形变比。试验结果表明：该算法能准确地定位羊角位置和计算其形变，可为维修人员及时更换受电弓提供依据。     

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。     

一种近景大斜角的限界检测 相机标定方法

研究一种基于单目视觉的非接触式站台限界检测系统,并针对近景大范围下相机标定的问题,提出一种基于大型点阵标定板的新的综合标定方法。提取有效标定区域进行预处理,并提出一种局部阈值迭代分割的方法分割出基准圆,然后提取圆心坐标并编码,最后利用透视变换求出最优变换矩阵进行图像矫正还原,像素标定误差可达到2pixel以内。经在上海地铁的现场测试验证,本文方法标定后的检测系统可准确获取站台断面轮廓几何尺寸,多次反复测量后轨距精度在±1 mm以内,站台高度和站台距离精度可达到±5 mm以内。     

基于机器视觉的地铁主动式障碍物检测系统

针对现有异物入侵检测模型参数多、实时性差等问题,文章提出一种新型地铁主动式障碍物检测系统。首先通过使用稀疏化和通道剪枝的方法,得到轻量级YOLOv3异物检测模型,然后使用HSV、Lab颜色空间中的亮度通道辅助边缘检测,并进行透视变换处理,提取轨道可通行区域,最后基于PyQt5开发了主动式轨道障碍物检测系统。该系统已在地铁电客车上进行了验证,可实现障碍物检测及异物入侵报警等功能。