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.     

基于二维相关性的图像分割及快速递推算法

基于二维直方图提出了二维相关性的阈值分割算法。首先,通过邻域平均得到原始图像的平滑图像,由原始图像和平滑图像构造二维直方图,然后根据相关性最大准则选择最佳的二维阈值向量。由于该方法同时考虑了图像像素的灰度信息及其空间邻域信息,与一维阈值相比能得到更好的分割效果。同时为降低二维阈值算法的复杂性,提出了快速递推算法。该算法将二维相关性的计算写成递推形式,减少了大量的重复计算,使得算法的复杂性从O(L4)降低到O(L2),计算时间大为减少,有利于该算法的实时应用。     

图像识别在编组站驼峰作业过程控制中的应用

利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观判断溜放车组特征和走行趋势的方法。根据图像的形状特征,采用伸长度、圆度、矩形度、凹凸度4个参数作为模式样本的特征。采用基于熵的运动目标的检测方法实现目标检测和跟踪。用Kalman滤波来更新背景,用当前帧图像减除动态背景,用信息熵来选择阈值,使目标和背景的信息量达到最大,从而将目标和背景正确分割。通过双轨检测判断车组走行位置。应用统计原理,建立计算距离与实际距离的关系模型,通过分析和计算分别得到双曲线拟合、二阶多项式拟合及三阶多项式拟合三条回归曲线,选取三阶多项式作为关系模型。根据车组的实际位置计算车组的瞬时速度。     

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。     

基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集...     

一种基于单应性变换的车道线检测方法

针对辅助驾驶系统中的车道线检测问题提出一种基于单应性变换和直方图分析的方法：首先根据相机参数确定图像中的感兴趣区域,并对图像进行颜色分割和梯度计算以提取候选车道线像素;接着利用单应性变换将图像信息投影到俯视图像,并利用直方图分析提取车道线像素;最后对车道左右两侧提取的标识线像素分别进行二次曲线拟合,从而获得当前车道标识线的几何信息。通过对行车视频图像进行算法检验,结果表明该方法能以30帧/秒的实时速度检测出车道线并计算其几何信息。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

一种钢轨裂纹红外图像处理算法研究

针对钢轨裂纹红外图像信噪比低、对比度低和纹理细节模糊的特点,提出了一种涉及降噪、目标细节增强和区域分割等的红外图像综合处理算法。首先,通过自适应均值滤波除去钢轨裂纹红外图像的部分噪声;其次,采用非线性非子采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)对裂纹图像进行增强处理;最后,利用改进的最大类间方差法实现图像中目标裂纹区域的分割。实验结果表明,本文算法在有效地抑制噪声,提高图像对比度的基础上,能突显裂纹细节纹理,同时降低细节分割丢失,为后续图像信息处理奠定了必要的基础。     

基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

基于模糊集和k-means算法的变压器红外图像分割

针对k-means算法的k值选定和复杂背景下红外图像误分割问题,提出了一种结合模糊集理论和k-means算法的改进方法。该方法根据灰度级直方图估计k值,在获得k值的基础上,利用直方图均衡化和模糊集理论进行图像增强,然后通过k-means算法结合数学形态学的开运算,再进行图像分割。实验结果表明,该方法获得了更为准确的聚类结果,同时实验对比发现该方法相较其它方法分割效果更好,又兼顾了快速性和变压器温度细节表现能力。     

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。     

基于均值漂移和粒子滤波算法的接触网几何参数检测方法研究

随着高速铁路6C检测监测系统技术规范的提出,基于视觉技术的非接触式接触网检测方法越来越受到业内研究人员的重视。为提高接触线上激光斑点跟踪定位的实时性以及测量值的准确性,提出了一种基于均值漂移和粒子滤波算法的接触网几何参数检测的新方法。首先,基于灰度颜色直方图特征分布和接触网"之"字形架构建立光斑目标模型;其次,利用聚类方法对粒子进行聚类,以聚类中心为起点运用均值漂移算法进行迭代计算,对迭代计算的结果利用粒子滤波算法得到光斑目标的图像坐标;然后,将激光斑点在图像坐标系下的坐标进行空间变换,得出接触线的几何参数导高和拉出值在世界坐标系下的测量值。最后,结合检测车在某供电段测试区的实际运行数据,验证了该方法的实时性和准确性。     

转向架轮对参数的结构光视觉测量方法与实现

为实现转向架轮对半径参数的精确检测,提出了一种基于结构光视觉传感器的非接触式检测方法。该方法首先采集轮对的线结构光条纹图像,采用中值滤波和最大间类方差法对图像进行去噪和阈值分割后,运用细化及Hough变换算法提取结构光条纹中心直线,最后结合视觉传感器标定参数计算出轮对特征点坐标及尺寸参数。通过轮对轮缘半径检测试验,验证了该方法的误差小于0.05mm,具有较好的检测精度,满足实际现场检测的要求。     

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。     

铁路货车图像分割与拼接系统

基于垂直视角的货运列车视频监控系统,建立铁路货车图像分割与拼接系统,可实现对列车的检测及车厢图像的分割与拼接。介绍该系统综合应用帧差、梯度背景模型及可跟踪性等方法进行列车检测,以及使用角点检测技术实现车厢图像拼接的方法。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

基于块运动轨迹相似性的H.264运动修复-错误隐藏算法

H.264视频在通过无线网络传递时,对传输错误非常敏感,由此会引起视频质量的严重下降。本文提出1种基于块运动轨迹相似性及空域统计相关性的受损块运动修复-错误隐藏算法。采用绝对运动差值总和(Sumof Absolute Difference for Motion Vector)估计运动轨迹相似性,并据此在受损宏块周围搜索可靠块;在过去帧中抽取可靠块和受损块的空域相互关系统计特征,并据此在当前帧预测受损块运动矢量;采用基于宏块分割信息的块合并来修复宏块内子块运动矢量,采用邻域插值方法恢复丢失的像素。实验结果表明,与零运动算法、宏块边界匹配算法和多项式内插法相比较,本算法执行速度较快,隐藏效果较好。     

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。     

视频传输差错时域掩盖方法研究

为了克服数字视频在铁路现场传输易出现信息丢失的问题,对视频差错掩盖技术进行了研究,提出一种对付视频传输差错的时域掩盖方法。将参考帧宏块(Macroblock)的运动向量依照其运动趋势外推,评估图像受损区域与这些外推预测宏块之间的相关性,估算出受损块的运动向量,实现受损图像区域的掩盖。为克服物体边界不正确替代的缺点,将所提出的算法与改进的边界匹配(BoundaryMatching)算法相结合实现了较为平滑的掩盖。基于H.263 的仿真实验表明,在间隔丢失GOB(GroupofBlock)或整帧图像完全丢失情况下,可以取得较为满意的效果。     

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。