基于卷积神经网络的航拍视频轨道异物检测方法

针对无人机航拍视频轨道异物检测存在动态背景及异物类型多样等问题,提出了一种基于CNN(卷积神经网络)的航拍视频轨道异物检测方法：对航拍单帧图像采用Canny边缘检测、概率Hough变换、线段筛选等确定轨道区域;采用改进的MobileNet CNN模型对轨道区域图像进行单帧图像异物检测分类;利用视频的帧间相关性优化单帧检测结果,得到最终的视频轨道异物检测结果;并采用自建的实拍轨道区域图像数据集进行试验。结果表明,该方法适用于航拍视频中存在多种类型异物的情况,并能实现有效检测。     

基于视频的车辆检测方法与检测技术的探讨

介绍了近年来提出的一些主要的基于视频的车辆检测与检测方法。在此基础上分析了基于视觉的车辆检测技术的难点及可能的解决方案,最后预测了这一领域仍然存在的问题和对可能的研究方向。     

使用视频直管小孔内镜提高喷油器偶件检测质量

总结内燃机车柴油机喷油器偶件的检测工具存在的问题,介绍使用"视频直管小孔内镜"进行喷油器偶件检测的情况。该方法简单、易操作,检测部位图像直观、清晰,可多人同时观察分析被检偶件质量状态,提高了喷油器偶件的检测质量与效率。     

闸机通道中基于视频人脸检测的身高测量

提出了一种基于视频人脸检测的身高测量.在不改变闸机现有造型的条件下,通过安装在闸机侧壁上的摄像头,标定视频中人体高度与视频帧中人体高度对应的像素数,然后进行人脸检测,实现了测量一定范围内身高的目的.试验结果表明,可以实现较大范围的身高测量,并且比现有的光电管对射法测量身高具有更大的灵活性.     

高速铁路基础设施综合检测技术

高速综合检测列车采用惯性测量、射频定位同步、网络数据交换、视频图像实时分辨及数据综合处理等先进技术,能有效提高高铁线路基础设施装备的检测效率,为高速铁路基础设施的养护维修提供重要的技术支撑。介绍高速综合检测列车检测系统组成、系统总体框架等,并详细阐述各子系统的系统组成、基本检测原理和检测项目。     

机车驾驶路面状况监控系统障碍检测算法的研究

提出基于铁路智能视频监控图像序列分析的铁轨路障检测算法,即通过图像预处理突出铁轨信息,确定铁轨边缘像素;沿铁轨边缘建立检测窗,计算分析铁轨检测窗内的纹理特征;结合纹理特征及灰度特征进行铁轨障碍物的检测.在检测出路障目标的基础上对机车驾驶员提供实时的警报.实验结果表明,该算法检测速度快、可靠性高,可运用于实际路面状况检测系统.     

铁路客运站视频监控系统中的行人逆行异常事件检测算法研究

由于铁路客运站的许多区域要求行人单向运动,因此检测视频中是否出现行人逆行异常事件,是保证铁路客运站拥有安全稳定乘车秩序的重要手段.鉴于此,本文提出了一种逆行异常事件的检测算法,首先基于HoG特征进行行人检测,随后利用mean-shift算法对目标进行实时跟踪,并通过判断其运动方向是否与规定方向一致,最终实现对逆行异常事件的检测.实验结果表明,该方法既能显著降低运算的复杂度,又能明显提高检测的准确率.     

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。     

基于光流法检测来车的轨旁作业安全防护策略

鉴于列车接近时预警缺失会使现场作业人员面临安全风险,并且现存的人工三点防护方法、基于雷达的车辆接近预警方法及其他方法并不完善,同时为实现对现场列车的准确检测,现提出一种基于光流法检测来车的轨旁作业人员安全防护策略。该策略利用光流法的视频检测方法检测铁路现场防护区段车辆的运动情况。算法采用两级判别结构,首先利用光流法捕捉视频中的运动物体,其次根据不同运动物体在视频中同一位置的不同面积占比,辨别视频中的运动物体是否为钢轨上行驶的列车。由铁路现场拍摄的视频实验可得,在现场视线较清晰的条件下,该防护策略能够准确检测到铁路防护区段行驶的列车,可为轨旁作业人员的安全提供技术保障。     

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...     

高速铁路运行环境视频采集增强系统实现与应用

高速铁路运行环境安全检测是运营检测和联调联试的重要工作.现有高速铁路运行环境视频采集系统容易受外界因素影响,视频图像存在噪声多、亮度暗等问题,且无法在会议车大屏幕实时展示.提出一种基于高速综合检测列车的运行环境视频采集增强系统,首先搭建全千兆带宽的光纤数据环网,并基于分布式多计算机切换器实现视频图像的多终端实时监控与展...     

铁路视频监控智能分析系统检测技术

针对智能分析在铁路综合视频监控系统中的重要性,从专业测试的角度对铁路综合视频监控智能分析系统的测试方法进行阐述,并且结合检测结果对系统设备的选择等工作提出建议。     

渝怀及沪昆线超限货物大件运输模拟限界检测

介绍了黄河变电站超限设备采用D26B型车进行铁路运输概况,通过制定限界检查框架、编制严密试运方案、开行模拟限界检测列车、记录视频数据并分析,完成渝怀、沪昆线建筑限界的复核及检测分析的过程.     

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。     

基于监控视频的异常行为检测技术研究

为了提高铁路视频监控的智能化,解决监控场景异常行为的自动检测和告警问题,设计并开发一套基于监控视频的异常行为检测及告警系统。系统采用B/S架构体系及高性能的异常行为检测算法和自动告警逻辑,可以实现对监控视频的实时检测和实时告警。在客户端提供灵活的系统配置模块和报表、告警管理模块,可以满足不同客户的需求。通过试用,系统可以在很大程度上降低人力成本,提高车站等公共场所的安全保障工作质量,同时也显现一些问题,并根据具体问题提出后期的解决方案。     

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。     

钢轨连接板视频检测系统

目前已开发出了钢轨连接板自动视频检测系统,并成功进行了现场裂缝钢轨连接板检测效果评估。联邦铁路管理局研究与开发办公室与ENSCO.INC公司共同为该项研究活动提供资金。该系统利用安装在公路/铁路两用车(图1)上的高分辨率行扫描摄像机和2套钢轨连接板激光传感器进行检测。在两次现场示范检测中,系统对裂缝检测的故障报警率低,达到了预期的要求(检测到的裂缝中40%得到了系统操作人员的确认,60%未被确认)。尽管有15%的裂缝未检测到,但这些裂缝都不是中心裂缝。目前正对检测算法进行修正和试验,以降低裂缝失测率,以及由于道碴过高,植物、油渍、泥土或钢轨连接板附近的其他因素造成的错误判断。     

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。     

基于Canny边缘检测和聚合接续法的路轨边缘提取方法

在铁路视频路障检测报警系统设计中,关键技术之一是提取路轨边缘以确定障碍物检测的有效范围,对范围内障碍物报警。本文提出一种基于Canny边缘检测技术和聚合接续法的路轨边缘提取方案。通过直方图均衡化,实现对原始图像的空间增强,突出图像细节,经过Canny边缘检测提取图像的边缘组合,采用本文提出的聚合接续法提取出符合条件的边缘组合中最长的两条线,并对其实施接续,可达到路轨边缘提取的目的。本算法经过MATLAB编程实现,并移植到TI的DM642视频开发板上进行硬件测试,能够有效地实现路轨边缘的提取,为铁路路障检测报警系统设计提供参考。     

钢轨连接板视频检测系统——美国交通部联邦铁路管理局RR06-03 2006年3月

目前已开发出了钢轨连接板自动视频检测系统，并成功进行了现场裂缝钢轨连接板检测效果评估。联邦铁路管理局研究与开发办公室与ENSCO．INC公司共同为该项研究活动提供资金。该系统利用安装在公路／铁路两用车（图1）上的高分辨率行扫描摄像机和2套钢轨连接板激光传感器进行检测。在两次现场示范检测中，系统对裂缝检测的故障报警率低，达到了预期的要求（检测到的裂缝中40％得到了系统操作人员的确认，60％未被确认）。尽管有15％的裂缝未检测到，但这些裂缝都不是中心裂缝。目前正对检测算法进行修正和试验，以降低裂缝失测率，以及由于道碴过高，植物、油渍、泥土或钢轨连接板附近的其他因素造成的错误判断。