基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究

铁路线路异物侵限是威胁行车安全的一个重要隐患。基于机器视觉与嵌入式技术设计了异物侵限自动检测系统,利用FPGA和ARM芯片实现了图像采集处理硬件平台。提出异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息提高报警准确率,并对有侵限趋势的异物提前预警。实验表明,该系统能够有效地识别检测区域内的异物目标,系统侵限报警准确率达到97.11%,平均检测频率达13帧/s。     

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^...     

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

基于双渐消因子调节的自适应卡尔曼滤波器

卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。     

铁路线路障碍监测报警系统研究

针对山区铁路防范危岩落石、动物、行人等异物侵限的严峻形势,提出采用三维扫描模式的铁路线路障碍监测报警系统的解决方案。通过设备研制和现场试验,实现激光雷达对预设防护区域进行不间断扫描获取三维图像,内置算法单元对侵入防区的障碍物进行实时分析处理并生成对应的报警信息,现场控制柜(二级服务器)将报警信息进行分类、存储并上传到监控中心。系统可全天候、全天时有效判识多种场景侵限异物,为铁路防范异物侵限提供可靠的技术装备。     

简谈铁路自然灾害及异物侵限监测系统技术及方案

介绍铁路自然灾害及异物侵限监测系统的应用背景,分析国内外的系统应用情况和相关技术,并研究目前国内防灾系统的基本方案。     

高速铁路异物侵限点影响轨道区段长度范围的计算方法

在《铁路自然灾害及异物侵限监测系统工程技术规范》Q/CR9152-2018中,针对异物侵限灾害监测系统,虽然给出了电网传感器长度的计算公式,但并没有给出异物侵限点对轨道区段影响长度范围的计算方法。因此在实际工程中,往往是根据经验值来判断异物监测点对轨道区段的影响范围,没有统一的标准和规范。本文结合相关规范文件,通过数学方法,创新性地提出了异物侵限点影响轨道区段长度的计算公式,进而确定需要串接异物侵限继电器的具体轨道区段,以有利于异物侵限防灾系统设计的标准化推广。     

浅谈异物侵限监测子系统维护

介绍了铁路防灾安全监控异物侵限监测子系统的组成及功能,设备季度检查试验的内容、方法、工作流程,以及异物侵限监测子系统产生红光带故障的快速处置;提出了在信号中继站增加防灾应急按钮压缩故障延时的建议.     

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。     

基于轨道约束H∞滤波的 北斗辅助列车定位算法研究

针对列车定位的高安全性和稳定性要求,结合列车行驶的特殊性,提出采用铁路轨道信息对北斗定位数据进行约束的H_∞滤波算法。以模糊自适应"当前"统计模型为基础建立列车运动模型,通过将轨道近似为直线段,建立轨道约束模型。将轨道约束与H_∞滤波器结合实现轨道约束H_∞滤波算法。通过仿真对比分析H_∞滤波与卡尔曼滤波、约束与无约束估计的误差。仿真结果表明:轨道约束在提高算法定位精度方面效果明显,H_∞滤波在列车位置估计上具有鲁棒性优势。验证了轨道约束H_∞滤波算法的有效性,对北斗辅助列车定位的工程应用具有理论指导意义。     

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。     

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。     

铁路防灾监测雷达的应用

防灾技术是铁路尤其是高速铁路的重要研究课题,由于异物侵限事件发生具有突发性和不可预测性,成为高速铁路防灾技术的重点.近年来,国内外采用多种技术监测异物侵限事件.综合工程实际对铁路落物监测雷达和滑坡监测雷达的原理和应用进行介绍.     

AP无线发射单元调试流程研究

时速在200—350公里以上客运专线正在大规模的普及推广。铁路高架桥、公路跨铁路桥也日益增多,与之带来的灾害隐患随之增加。如公跨铁有物体坠落到铁路线路,人或动物误上线路等引起的异物侵限,造成对铁路运输的影响。为满足运营维护需求,将铁路异物侵限监控系统与信号列控系统结合。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

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.     

高速铁路防灾安全监控系统研究与开发

防灾安全监控系统是铁路信息化总体规划中的一个重要子系统。在对国外高速铁路防灾安全监控系统现状调研的基础上,分析灾害监测技术及发展趋势,研究大风、暴雨、大雪、地震灾害及异物侵限突发事件对列车运行安全的危害性,结合我国高速铁路实际情况,提出防灾安全监控系统总体结构、网络结构、系统功能及相关系统接口关系,搭建凤、雨、雪、地震及异物侵限监测的模拟试验环境,开发防灾安全监控原型系统,实现风、雨、雪、地震自然灾害及异物侵限实时监测信息分布式获取、集中管理、紧急处置、综合分析与运用,及时掌握灾害发生动态。     

基于点云数据的轨道结构与隧道空间限界一体化自动检测方法研究

为了保证列车运营安全,需要在日常运营过程中进行隧道限界检测,但现有检测方法存在测量干扰大、效率低、断面非连续性、与轨道结构相互独立等不足。为此,提出一种基于点云数据的轨道结构与隧道空间限界一体化自动检测方法。在通过中轴线拟合提取隧道任意位置断面的基础上,建立基于钢轨顶面的隧道限界检测坐标系,引入不同类型的隧道限界框,采用改进射线算法实现多种隧道类型的限界自动检测分析。对既有铁路隧道进行现场实验表明,采用该方法可实现侵限位置和侵限尺寸值的准确获取,并给出侵限断面图,满足隧道检测精度要求,在隧道日常运营维护中能够发挥重要作用。     

高速铁路自然灾害及异物侵限监测系统监控单元设备可靠性验证试验方法研究

随着高速铁路与高速列车技术的快速发展,高速铁路列车运行速度的提高和列车密度的加大,如何保证行车安全变得越来越重要,这对高速铁路自然灾害及异物侵限监测系统提出了更高的要求.本文研究高速铁路自然灾害及异物侵限监测系统关键设备监控单元的可靠性水平检验方法,能够完善自然灾害及异物侵限监测系统的可靠性管理,提高监控单元设备的可靠性水平.