基于相关直线法的高速运动目标快速探测方法

为了实现高速运动目标的快速探测与识别,提出了一种基于相关直线的方法.将Gabor函数用于直线检测,并提出对Gabor函数作去除旁瓣的改进,使检测出的直线没有影线干扰.用直线检测的结果图作相关直线检测,去除孤立直线,进一步减小干扰.最后对相关直线的标记作投影,根据投影峰值给出探测结果.将此方法用于处理高速铁路扣件图像,实现了每幅图像优于2.5 ms的处理速度,实验条件下判断的正确率超过93%,满足高速铁路扣件检测需求.     

铁路轨检车轴箱振动加速度消趋方法的比较

振动测量数据中往往包含了趋势项,这些趋势项对数据的分析会产生很大的影响,尤其在积分过程中,这种影响会进一步放大,所以消除趋势项是数据分析的基本前提。对包含在轴箱加速度中的趋势项进行消除,并进行双积分以达到与轨面高低不平顺进行比较的目的,采用了三种消趋方法进行对比分析的方式,三种消除趋势项的方法（多项式拟合消趋,滤波消趋及小波消趋）对实测数据的分析结果为：多项式拟合消趋不适于轴箱加速度的积分分析,而滤波消趋与小波消趋能适于这种分析,进一步,从波形包络来看,小波消趋与原波形最接近。最后提出了适合于轴箱加速度分析的消趋方法及其相关参数值。     

指纹图像预处理方法的研究与比较

指纹图像预处理需针对不同的噪声产生原因而采用不同的方法,先对采集到的退化图像进行Wiener滤波。然后对复原后的图像进行增强预处理．着重对主要预处理方法Gabor方法和各向异性扩散技术进行了分析对比,并就这些方法中的参数选择进行了对比研究．     

基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

铁路客运站复杂环境中的运动目标检测

采用分层组织的形式将传统高斯混合模型分为背景层、竞争层和噪声层,各层分别采用不同的更新机制,在各层之间引入晋级和降级机制以纠正可能存在的误判。采用基于轮廓检测的噪声滤波实现噪声层更新以消除噪声,并利用直方图匹配检测伪前景区域以提高对背景变化的适应能力。使用停车场视频和铁路客运站候车室视频对改进后高斯混合模型的检测效果进行了验证。验证结果表明:改进的高斯混合模型有效避免了长期静止的目标被融入背景,降低了光线突变或摄像机噪声的干扰,加快了背景改变时模型的更新速度,目标检测速度比传统GMM提高了10%。检则方法满足了铁路客运站智能视频监控实时性和准确性的要求,为视频分析奠定了基础。     

一种基于粒子滤波的自适应相关跟踪算法

相关跟踪是最常见的一种目标跟踪方法,但传统相关跟踪采取的“峰值”跟踪方法抛弃了所有小于峰值点相关值的位置点的信息,不够稳健,受遮挡影响大,并且很难求解相关模板的仿射变形参数。提出了一种改进的非线性相关跟踪算法,以改进的灰度模板作为目标表示方式,粒子的权值与相关值成比例,目标状态的后验概率由粒子加权表示。模板更新时根据粒子权值进行自适应调节,对所有粒子所在位置的区域进行加权更新,权值大的粒子具有更高的更新系数,避免了仅利用单一峰值点处的模板进行更新可能造成的误差累计。该算法大大提高了跟踪与模板更新的鲁棒性,同时也是一种在仿射空间进行运动参数搜索的实用方法。     

各向异性光流法的目标边缘检测

光流法是在图像序列中对二维物体的运动矢量估计,用经典的HS算法计算时,目标与背景对比度小或有噪声将导致较大的虚警概率。而运用各向异性高斯核,运用非极大抑制条件,可以较好的抑制噪声,同时也保留了目标边缘,进而提高了梯度偏导的准确度。较好地解决了微分光流法的不足,从而提高了计算精度。最终对序列图像中动目标的边缘检测进行了方法改进,Gabor函数的替换以及实验表明算法的有效性。     

基于小波变换和Gabor滤波的指纹图像增强算法

在指纹自动识别系统中,图像增强是比较重要的一个环节,它直接影响到指纹识别系统的识别精度．利用指纹图像在经小波多尺度分解后,低频部分集中了指纹图像的主要纹理信息这一特性,提出了一种在小波域对指纹图像进行Gabor滤波增强的算法,实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取。     

基于边缘粒子滤波的高速列车性能参数估计方法

针对高速列车参数估计中参数增广为状态变量时所出现的非线性问题, 提出一种基于边缘粒子滤波的参数估计方法。在Rao-Blackwellised (RB) 框架下, 将高速列车性能参数估计的概率模型进行分块化处理。应用卡尔曼滤波对线性的状态块进行一步预测和测量更新, 应用粒子滤波对非线性的参数块进行一步预测与测量更新, 实现参数的动态估计, 并通过理论分析和高速列车参数估计实例验证了方法的有效性。分析结果表明: 与经典的扩展卡尔曼滤波相比, 提出的方法具有对初值免疫和算法稳定的特点; 参数估计误差快速收敛到5%以内, 且提出的参数估计方法是无偏估计, 具有较好的工程适用性。     

约束下考虑坐标分量误差相关性的直线拟合

直线拟合在曲线拟合研究及工程实践中受到广泛关注,常用的普通最小二乘和正交最小二乘忽略了坐标分量误差相关性的存在. 基于此,首先论证了在铁路线路整正中全站仪测量坐标点的纵横坐标间存在误差相关性,同时线路中直线的拟合受到相邻线元的约束;然后,基于极大似然估计及拉格朗日条件极值原理,推导出了顾及约束和坐标分量误差相关性的直线拟合通用模型,并给出了高斯-牛顿迭代算法搜索最优解;最后,采用了实测的数据进行了验证及测试. 试验结果表明:该方法能在任何误差分布情况下考虑约束估计直线参数及其精度;考虑坐标相关误差时,参数估计精度在约束及无约束下分别提高了9.2%和2.7%;高斯-牛顿算法在约束及无约束情况下分别仅6次及3次迭代就搜索出最优直线.      

基于GPU的高速铁路扣件实时探测技术

针对传统的图像模式识别算法提出一种GPU加速新方法,结合对CUDA架构的分析,通过充分利用GPU优秀的并行计算能力和高存储器带宽提高图像处理速度.分别对不同大小及不同批数量(单次处理图像数)的图像进行识别处理,并对其进行了多种优化,实验证明相同算法在GPU上的实现与CPU相比处理速度最高提升了 600倍左右,达到了平均...     

基于本征模函数的高速磁浮线路不平顺检测

为了评估磁浮线路的不平顺程度,对实测加速度信号进行分析,发现导向系统纵向振动加速度信号对磁浮线路不平顺长波最敏感.通过对导向系统纵向振动加速度信号进行Hilbert-Huang变换,提取对应长波频率的本征模函数,求得频率族的包络瞬时幅值和瞬时频率,提取了不平顺长波.用该方法分析磁浮列车以430 km/h运行时的实测数据,得到的磁浮线路长波不平顺信号与采用大地测量法测得的结果一致.     

基于CHT消失点检测及最小二乘法的车道线检测算法

为解决在车道线识别中检测消失点误差较大和检测速率较慢的不足,提出一种基于CHT消失点检测对车道线采纳点进行最小二乘拟合的车道线检测算法。该算法首先计算RGB熵直方图的最小差值,根据该差值初步分割道路图像。然后引入平行坐标系参数化的级联霍夫变换方法,对查找消失点方法进行改进通过一次投票得出消失点。并以搜寻的消失点为约束条件,利用最小二乘法对最终点进行拟合从而完成对车道线的检测。实验结果表明,所提出的算法对离线图片车道线检测精度达到93.4%,识别速度也有大幅度提升。     

基于高铁轨道不平顺的车轮不圆顺识别模型

为获取高速运行车辆的车轮不圆顺幅值,并进一步研究轨道谱,建立一种基于轨道不平顺的车轮不圆顺幅值快速测量模型. 首先分析了车轮不圆顺在轨道不平顺检测数据中的分布规律,提出车轮不圆顺的密集采样方法,进而建立基于稀疏轨道不平顺数据的车轮不圆顺动态识别模型. 通过数值仿真研究发现:车轮不圆顺对基于惯性基准法测得的离散轨道不平顺数据的幅值影响较小,对频域（轨道谱）影响较大;车轮不圆顺会干扰波长小于和等于轮长的轨道不平顺检测数据,且对前者影响更大;车轮不圆顺对波长大于轮长的轨道不平顺数据也有影响,最大影响波长仅与车轮周长和轨道不平顺的采样间距有关;识别模型能有效地从轨道不平顺检测数据中提取车轮不圆顺,误差可控制在0.02 mm以内.      

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

基于EEMD-TEO熵的高速列车轴承故障诊断方法

为了解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别等的问题,提出了基于Teager能量算子（Teager energy operator,TEO）聚合经验模态分解（ensemble empirical mode decomposition,EEMD）熵的自适应诊断方法.该方法将EEMD、样本熵、TEO相结合,利用EEMD的自适应性得到固有模态（intrinic mode function,IMF）信号,用改进的TEO从IMF中提取得到样本熵,使用支持向量机（support vector machine,SVM）判断轴承工作状态与故障类型;讨论了EEMD能量熵、EEMD奇异值熵、EEMD-TEO时频熵生成的故障特征向量以及该向量在SVM中识别结果;对正常轴承、保持架故障、滚动体故障3种状态的轴承样本数据进行了故障诊断.研究结果表明:对3种轴承的故障识别率可以达到98%,较传统的经验模态熵识别率提高了2.6%,该方法可用作高速列车轴承状态诊断.      

基于探地雷达的高铁无砟轨道结构层病害检测

为了检测高速铁路(高铁)无砟轨道混凝土结构内部在施工过程中产生的缺陷,避免在高速列车荷载作用下发展成路基病害,运用探地雷达技术对高铁无砟轨道结构进行了二维正演模拟分析.基于有限差分法,在时间域上推导了探地雷达二维正演模拟方程.针对易形成高铁无砟轨道病害缺陷的多种复杂工况,建立了CRTSⅡ型板式无砟轨道的地电模型,分别对CA砂浆层不同填充程度、CA砂浆层硬化过程进行了二维正演数值模拟,分析了探地雷达二维正演模拟图像的特征.模拟结果表明,二维正演模拟可以清楚地分辨板式无砟轨道结构内不同介质层的分界面,以及钢筋的数目和位置.      

基于威胁分析的高速铁路信号系统风险评估方法

高速铁路信号系统是实现列车安全运行的关键基础设施,一旦发生设备或系统功能性故障极易导致安全事故.为此,提出了一种功能安全视角下用于高速铁路信号系统风险评估的模糊综合评价方法.该方法在改进模糊综合评判和层次分析法（analytic hierarchy process,AHP）的基础上,加强系统威胁场景分析,并建立各场景下风险因素耦合关系.首先,分析高速铁路信号系统中影响行车安全的5类44个威胁场景,以系统功能安全事故为分析准则层、威胁类别为因素层,构建递阶层次结构;然后,根据主观评价确定结构中各要素权重,结合评语集对风险进行综合评估,并根据各场景风险值变化动态调整各层级和因素的权重,使评估结果更为真实,且能在安全风险和信号业务间建立映射关系.最后,通过评估某客专真实安全数据,得到信号系统风险等级较低的结果,与其他方法测评结果基本一致,验证了该方法的有效性.     

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.