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。     

铁路入侵智能检测方法研究

铁路入侵行为严重影响铁路安全,由于人工监控容易产生疏漏,研究计算机智能铁路入侵检测系统尤为必要,文章提出了一种智能铁路入侵识别方法,主要包括2个方面:一是提出了一种描述n维入侵目标可能存在的m维基本运动过程的数学模型;二是提出基于方向场的铁轨智能识别方法。经轨道监控视频实验验证,文中提出的方法可有效识别监控区域中的轨道,并可对铁路入侵目标进行准确识别和跟踪,算法具有一定鲁棒性,对实现智能铁路入侵检测具有重要意义。     

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。     

青藏铁路视频监控网络安全防护管理平台研发与应用

青藏铁路所处地理位置复杂，各视频监控点分散在不同路段。针对当前视频监控网络存在设备部署零散、容易出现漏洞和安全隐患等问题，提出面向青藏铁路视频监控网络的安全防护方案，开发了相应的可视化视频监控网络安全防护管理平台，并部署于西宁西站。该平台可提供视频监控安全分析平台，通过风险漏洞管理、视频专网非法行为监控阻断、视频设备故障和视频质量检测等功能，实现定制化、智能化的视频监控安全管理，通过融合行为分析、机器学习、设备识别和安全准入等关键技术，促进铁路信息监控系统集成化发展与创新，也为铁路信息资源整合和综合应用开发提供了有利条件。     

铁路站台防侵入监控系统的研发

基于激光扫描技术与视频监控技术,开展对铁路站台防侵入监控技术的研究。通过对入侵物体大小、停留时间、运动轨迹等分析判断,可实现对站台安全白线区域、站台端部等多区域的布防,布防区域可参数化设计,适用不同站台、多种工况。建立了一套基于先进监控技术、自动化、模块化的铁路站台防侵入监控系统。     

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。     

列车视频监控系统设计方案与运用研究

分析列车视频监控系统的需求,介绍列车视频监控系统的系统组成、功能和技术实现,针对其关键技术、设备技术要求及实际运用进行探讨。特别对入侵检测、拥挤检测等视频分析算法在系统中的应用进行研究。     

铁路危险货物专用线无线视频监控管理系统设计

铁路危险货物专用线无线视频监控管理系统除具有传统的本地监控和数字录像等功能外,还具有远程监控和多级监控功能,以实现对危险货物专用线重点区域和作业进行视频监督与控制.该系统采用H.264视频处理、数字传输、高速无线通讯、智能跟踪、自动识别报警技术等,并通过无线视频监控管理系统平台为各视频应用子系统提供共享的承载平台.     

安防和乘客异动在途监测系统设计

针对城市轨道交通视频监控的重要性与传统的视频监控的局限性,提出利用前端图像处理模块实现动态背景建模、目标检测和跟踪,对正常的群体行为进行建模、识别乘客异动。设计采用贝叶斯分类器将目标和背景进行分类,实现目标检测,并利用乘客特征的先验知识制成模板,将运动区域与目标模型匹配实现跟踪的过程,并将乘客行为抽象成为时空变化的数据分类问题。本系统的设计旨在保证地铁列车的安全运行,建设与轨道交通相适应的车载视频监控系统。     

基于雷达与视频分析技术的铁路崩塌落石自动监测报警系统设计与实现

提出一种基于雷达与视频分析综合报警评判的铁路崩塌落石自动监测报警系统。系统实时分析高于轨道70 mm的平面雷达扫描数据,结合目标识别、入侵监测、滞留检测等视频分析技术,对监测区域的障碍物情况进行综合分析,及时、准确地发出预警和报警信息,并启动紧急处置预案,避免线路障碍物对行车安全造成影响。     

铁路桥梁水下墩台基础检测技术研究

针对目前铁路桥梁水下墩台基础存在的常见病害,在总结水下检测实践经验的基础上,将铁路桥梁水下检测的内容归纳为外观检查、结构测量、地形地貌、水文检测、无损检测和振动测试6个方面,并阐述了相应的检测方法.根据检测内容的必要性和检测设备的发展水平,将检测内容又划分为一般检测项目和专项检测项目,并通过一般检测项目的典型案例验证了检测方法的可行性.铁路桥梁水下墩台基础检测技术为水下墩台基础的安全评估奠定了基础,补充并完善了铁路桥梁检测体系.     

基于声发射检测的钢轨断裂实时监测及定位方法研究

基于钢轨断裂实时监测技术对有效保障列车运行安全的重要性,以铁路常用的60 kg轨道为研究对象,以声发射检测技术为基础,经试验分析轨道断裂的声发射信号特征,有效区分列车运行引入的声发射信号。搭建监测系统,通过断轨检测模拟试验,验证该方法的有效性和准确性,并通过TDOA算法实现对断裂的定位。研究结果表明:轨道断裂会产生明显的声发射信号,且断裂声发射信号特征主频在100~160 kHz,声压幅值高,且在时域上存在明显的突发性;其特征与列车运行特征存在明显区别,可有效实现实时断轨监测;利用TDOA方法实现轨道断裂位置的确定,定位精度优于±20cm。研究结果为轨道断轨检测提供了有效的参考依据,对轨道交通运行安全的技术发展具有十分重要的意义。     

基于连续子波变换的铁路车轮踏面擦伤的在线检测

在分析国内外关于铁路机车车辆车轮擦伤在线检测的应用和方法的基础上,提出了利用连续子波变换对车轮钢轨的振动加速度信号进行分析,当车轮踏面出现擦伤时,其振动信号中的幅值出现突变点。通过对实测数据的分析并与信号的倒谱分析比较证明,这种方法较常规的方法更有效地应用于车轮踏面擦伤的诊断中。     

基于边缘检测的铁轨识别

在铁路安全检测系统中,铁轨识别是铁轨线路上障碍物检测的前提.结合铁轨数字图像特征,采用基于图像亮度值的不连续性进行铁轨识别,通过对常用边缘检测算子的对比分析,提出了基于边缘检测的铁轨识别流程;通过各算子对铁轨检测实验数据的对比,选择Sobel算子作为铁轨识别的基本算子;基于铁轨方向性强的基本特征,运用Sobel特定掩膜算子,检测指定方向线条,提高了铁轨识别精度,实现了对直道铁轨和弯道铁轨的有效识别.     

基于大数据的铁路工程投标企业异常行为预警研究

基于铁路工程电子招投标积累的海量数据,识别预警具有异常行为的铁路工程投标企业。运用社团结构检测分析识别具有抱团行为的投标企业;再通过函数拟合预测投标企业中标次数,根据实际值与预测值的标准残差所落置信区间范围,分析识别中标次数异常的投标企业;最后综合分析2种方法的结果,构建铁路工程投标企业异常行为分级预警模型,识别具有串围标嫌疑的企业并分级预警。研究结果表明:基于铁路工程电子招投标大数据,综合社团结构检测和函数拟合分析两种方法,可以有效识别预警铁路工程投标企业的异常行为。     

铁路10kV自闭、贯通线单相接地故障定位的研究

对铁路10 kV配电网的单相接地故障进行理论分析,总结了单相接地故障的查找方法,提出了一种新型的接地故障查找方法——基于特殊信号注入原理的接地故障检测方法,并对其进行深入探讨,详细论述了其组成部分和工作原理,并可利用电力远动系统的通道和平台,实现调度中心对自闭、贯通接地故障线路接地故障点的自动判断。     

基于支持向量域描述的铁路绝缘子污秽度异常检测分析

为实现对铁路绝缘子污秽度的在线检测,提出一种基于支持向量数据描述和图像信息的污秽度异常检测方法。以人工涂污实验获得的绝缘子图像为基础,通过最大类间方差法分割图像得到绝缘子的盘面区域,计算颜色及纹理空间的特征,并利用核主元分析方法对特征向量进行融合与降维,最后通过支持向量数据描述方法实现污秽度的异常检测。结果表明,该方法可有效降低绝缘子污秽度的异常检测过程中的漏警率和虚警率,满足实际工作需求。     

铁路货车轮轴超声波探伤工艺探讨

从铁路货车轮轴穿透超声波探伤、轮座镶入部超声波探伤、轴颈根部(或轴颈卸荷槽)超声波探伤、超声波探伤试块、超声波探伤耦合等方面分析了铁路货车轮轴超声波探伤中值得关注的几个问题,并提出了相应的措施与建议。     

基于智能手环的动车司机疲劳驾驶检测系统

基于智能手环的动车司机疲劳驾驶检测系统可对疲劳驾驶行为进行报警,对高速铁路行车安全至关重要。本文阐述系统的整体设计和各模块功能,分析智能手环的工作原理和手部加速度信息的采集过程。在分析动车司精神状态与手部运动关系的基础上,给出手部运动系数的概念,并运用K-means聚类算法进行分析处理,提出一种动车司机疲劳驾驶检测模型。在动车组驾驶室搭建原型系统,阐述系统的实现过程,并在高速铁路试验段进行试验,试验结果表明,该系统对司机疲劳驾驶检测的准确率达到93.6%。