改进ViBe算法的铁路动态异物入侵的实时监测

针对ViBe算法在检测铁路轨道动态入侵异物时鬼影消除较慢导致其监测实时性不足和预警精度不高的缺陷,利用背景重构与像素块替换方法对不同时期的鬼影进行快速抑制.首先利用视频序列多帧图像重构背景的方法抑制初始鬼影;其次通过比较物体外接矩形坐标变化和其包含像素数量对鬼影和运动物体进行区分,再利用当前鬼影像素块替换背景图像相同位置像素块来减少消除中间鬼影的帧数;最后利用前景与背景像素点比例法和形态学方法对动态异物入侵进行精确识别.实验表明,所提方法可以有效减少抑制鬼影所需要的帧数,提升动态入侵异物监测实时性,同时异物检测精度也有较大提升.     

改进MOG-LRMF 的铁轨动态异物检测

针对复杂铁路环境下动态入侵异物检测精度低和抗扰能力差等问题，提出一种基于改进MOG-LRMF算法的铁路轨道异物入侵实时检测方法. 引入仿射变换，对视频序列可能出现的抖动进行预校正处理；分析MOG-LRMF模型特点，利用MOG模型对视频帧中的背景进行建模，用前一帧背景中学习到的知识对当前帧背景进行预测，优化MOG-LRMF参数求解模型；利用EM算法对改进MOG-LRMF模型进行参数求解，实现背景在线实时更新. 实验结果表明，改进的MOG-LRMF算法在光照充足、光线较弱、相机存在抖动、背景复杂及存在多个目标情形下都能提高目标检测精度，具有较好的抗干扰性、鲁棒性和快速性.     

自适应铁路场景前景目标检测

现代铁路系统中，智能视频分析技术已被广泛应用于异物入侵监测，前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标，但铁路场景复杂，存在动态变化的背景区域和未知类型的目标，现有基于阈值分割或深度学习的背景差分算法都不能满足需求，故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息，分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子，动态调节阈值以适应环境变化；提出一种灵活可靠的背景模型初始化方法，消除鬼影问题，实现一帧到多帧初始化的灵活切换. 实验结果表明，所提算法在铁路场景上取得了较好的准确率和误分类率，且平衡了精度和速度.     

���ڳ���ǰ��������Ĺ��������

轨道交通线路净空安全是确保列车平稳、不间断运行的基础.由于轨间异物对行车安全产生严重影响,所以基于非轨道电路的轨道异物入侵检测系统在铁路系统中具有十分广泛的应用前景.本文提出了一种基于移动车载摄像机检测轨间异物的方法.首先,通过钢轨识别算法自动定位钢轨位置,并确定列车前方轨道是否有其它列车或公路车辆等大型异物,若有则进行报警;之后,基于边缘检测的异物检测算法自动检测轨间可疑小异物,同时提取可疑异物的尺度信息和颜色索引参数等相关特征;最后,用支持向量机（SVM）来对可疑小异物区域进行分类和辨识.车载实验结果表明,该方法可以有效地检测出轨间异物.     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

基于自适应复杂场景的背景建模方法

因复杂场景下的背景动态变化大,大多数背景建模算法易引起误匹配而导致检测精度降低.为此,提出一种基于自适应复杂场景的背景建模方法,背景模型采集视频前5帧图像初始化模型,通过后续帧获取像素的分布特征并更新背景模型.算法提出自适应离散系数结合像素值检测像素动态变化幅度,获取复杂背景中的目标.实验通过对多组数据测试,验证了算法检测精度优于其他算法,有效改善复杂场景下动态背景对前景目标提取的影响,减少了由背景像素值大幅度变化产生的假前景,在复杂场景下检测目标有较强的适应性和鲁棒性.     

һ�����͵��˶�Ŀ��ʶ��������㷨�о�

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪。实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。     

基于块直方图分析的视频背景提取方法

在基于像素的直方图分析背景提取的基础上,提出了基于块的直方图分析背景提取方法.该方法在提取背景像素时利用了时域帧间像素的统计特性和帧内局部区域像素的相关性,在直方图分析时不是统计图像中的单个像素点,而是2×2的块,从而显著地减小了利用直方图分析提取背景时的计算量.给出了基于块的方法与普通基于像素的直方图分析背景提取方法的对比试验.试验结果证明了该方法具有提取背景速度快、背景质量好的优点.     

城市信号交叉口交通运行评价参数视频检测

针对交叉口排队长度和延误等交通运行评价参数很难直接被检测到的问 题,本文提出了一种基于视频处理的交叉口运行评价参数的综合检测方法.该方法首先 将选择性背景更新机制引入块级背景差分,并结合块级帧间差分实现快速的排队车辆 检测.然后,利用虚拟平行线定位每车道排队车辆首尾端,并结合排队首尾车的跟踪与停 车线处虚拟线圈的计数来检测排队车辆数,进而获得延误、停车次数等其它交通运行评 价参数.实际测试结果表明,该方法能有效实现多参数的同时检测,并且能有效提高检测 的准确率.与实际值比较,参数检测值平均误差小于5%,能较好地满足交叉口运行性能 评价需要.     

基于OpenCV和DirectShow的交通运动目标检测算法研究

针对运动目标的自动检测问题,提出了一种改进的背景差分算法,采用背景图像多帧平均进行背景的获取和更新,进一步检测出运动车辆轮廓。使用VC++6.0作为开发环境,结合DirectShow视频处理库和OpenCV图像处理库进行编程实现。通过对两个不同场景的实验结果表明该算法能正确地检测出运动车辆,能够满足实时性的要求。     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

中央差分定位系统的设计与实现

为弥补网络RTK(real-timekinematic)定位模式的不足,提出了一种基于Internet的中央差分定位系 统cenDPS.该系统基于现有网络RTK 的工作环境,由cenDPS服务器端完成流动站端内置的差分计算功 能,大大降低了RTK定位对流动站接收机性能的要求.这种集中式的差分定位系统可实时监测流动站的精确位 置,是位置服务(LBS)领域的重要研究内容和发展方向.试验证明了cenDPS的可行性,系统测试的平均初始化 时间为73s,实时坐标解的精度为cm 级.      

一种新的地铁曲线站台异物检测系统研究

曲线形站台无法像直线形站台一样使用人工检测的方法进行开车前的安全检测。本文通过基于背景差分算法的视频检测技术,研究了一种高可靠性的曲线形地铁屏蔽门与列车之间异物检测系统。该系统可获取曲线形站台屏蔽门与列车间隙内的完整图像,辅助或代替列车司机检测地铁屏蔽门与列车之间是否存在异物。经试验,本系统检测准确,鲁棒性好,可提高地铁运行效率与安全性,具有良好推广前景。     

全自动变形监测系统精度分析

基于测量机器人的固定全自动极坐标和固定全自动极坐标差分变形,提出了监测中的2种技术方案,推导了2种监测方案的精度估算公式,并对精度估算公式进行简化,用模拟数据进行了精度估算。研究了差分测量的原理和提高精度的方法,分析了2种监测方案的优缺点。分析表明：基于测量机器人的固定全自动极坐标差分变形监测技术方案是高精度自动变形监测中的最理想方案。     

轨道车辆结构振动损伤识别技术综述

从智能运维的角度阐述了利用结构振动损伤识别技术进行轨道车辆结构健康监测的重要性和必要性;根据不同损伤识别的适用范围,将结构振动损伤识别技术分为基于模型的方法和基于响应信号的方法;结合结构健康监测中损伤识别的不同层次,分析了以结构损伤的存在性、类型、定位和程度表征的不同识别方法;概括了轨道车辆运维过程中损伤识别技术的典型特征,讨论了基于模型的损伤识别中固有频率、模态形状、曲率模态等与模态参数有关方法的优缺点;分析了基于响应信号方法的应用现状和发展趋势,并阐述了模型修正和优化技术在结构损伤识别中的应用;重点分析了车辆关键部件故障诊断与监测中损伤识别技术的实施,讨论了结构振动损伤识别技术在未来轨道车辆智能运维策略中的主要发展方向,展望了未来轨道车辆部件的状态检修策略和智能运维技术。研究结果表明:轨道车辆的智能运维应该充分考虑结构振动损伤识别技术与人工智能等新技术的结合;大数据驱动的结构振动损伤识别技术能够更好解决车辆状态实时监测的技术难点;考虑复杂环境因素对轨道车辆结构部件损伤识别技术的影响,需要不断完善基于耦合振动效应的结构振动损伤识别技术及方法。      

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于灰色-神经网络的大跨度斜拉桥参数识别

为解决大跨度斜拉桥施工过程中观测噪声对结构参数识别的影响,以苏通大桥为工程背景,提出了基于灰色-神经网络的施工全过程参数识别方法.灰色系统理论与人工神经网络相融合,在小样本和数据不完备的情况下可以进行结构参数识别,并具有预测功能.苏通大桥参数识别的结果表明,参数识别后的计算值与实际结构挠度响应间的最大误差减小77%,与传统识别方法相比,灰色-神经网络方法的识别精度提高50%.