System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及基于计算机视觉的铁路运营安全检测,具体涉及一种基于运动过程感知的铁路异物入侵检测方法及系统。
技术介绍
1、安全运营是轨道交通追求的第一目标,异物入侵铁路限界是当前铁路安全事故频发的主要因素,对运营安全造成了极大威胁,也给国民经济及人民财产安全带来了巨大损失。
2、传统异物检测工作由人工完成,这种方法费时费力、效率较低。为了提高检测效率、降低人工劳动量,多种自动化的异物检测技术已应用于铁路行业。根据检测系统工作原理的不同,目前的铁路异物侵限检测技术可分为接触式和非接触式两种。接触式方法主要包括电网检测、震动光纤检测等,需要异物与检测系统接触来进行异物侵限报警;非接触式方法包括红外检测、激光雷达检测、毫米波雷达检测、视频智能检测等,无需与异物接触。非接触式铁路异物检测方法具有部署简单、检测范围大的优点。相较于其他方法,视频智能检测方法具有成本低、结果直观、硬件基础好的优点已成为铁路异物入侵检测的主要技术手段。
3、随着技术的发展,基于深度学习的图像检测方法表现出了充分训练后精度高、检测速度快的优点,已成为铁路异物入侵检测的主流方法。然而实际使用过程中,基于深度学习的方法也面临挑战,铁路场景作为开放世界可能存在的异物种类理论上为无限多,在构建基于深度学习的检测算法时训练样本只能尽可能多的覆盖铁路异物的特征,难以实现对铁路场景可能存在的所有侵限目标实现可靠检测。
4、前景提取算法可不加训练的实现全类别异物的检测,常见的方法包括光流法、差分法等。
5、张丽华等针对vibe算法
6、郭保青等针对铁路场景抖动发生在垂直方向的特点,提出了一维灰度投影结合高斯滤波的图像快速去抖方法,在大幅提高处理速度的同时获得了较好的去抖效果;针对复杂多变的背景,提出了一种基于前景目标统计分布的背景更新算法,定义了目标分散指数用于确定行列投影次序,通过统计前景目标分布实现背景更新,在提高速度的同时解决了传统背景更新算法难以解决的鬼影问题;最后通过背景差分获取前景目标实现异物入侵目标的检测。
7、现有基于前景提取的铁路异物入侵检测方法在检测精度获得了提升,但在复杂的铁路场景下仍易产生大量噪声检测结果,增加人工复核工作量,难以实现自动化检测的目标。
技术实现思路
1、本专利技术的目的在于提供一种克服样本局限性,实现可靠的铁路异物入侵全类别检测的基于运动过程感知的铁路异物入侵检测方法及系统,以解决上述
技术介绍
中存在的至少一项技术问题。
2、为了实现上述目的,本专利技术采取了如下技术方案:
3、第一方面,本专利技术提供一种基于运动过程感知的铁路异物入侵检测方法,包括:
4、获取前后时刻的两帧铁路监控视频序列图像;
5、基于高斯滤波及二值化、图像差分、形态学操作,获取图像的前景分割结果;
6、基于前景分割结果,构建历史前景图,进行前景区域的筛选;
7、对于某前景区域,依据中心点坐标,将中心点与前景区域外接框运动方向处边界的图像宽度坐标之差最小且小于像素阈值的前景结果作为该前景区域在当前帧的目标定位结果。
8、可选的,当图像尺寸小于预设的阈值大小时,将输入图像同步放大至该阈值尺寸,在完成高斯滤波及二值化并完成图像差分后得初步前景分割结果,通过先图像腐蚀再图像膨胀的形态学处理消除细小噪声前景的同时减少前景可能存在的空洞,得较高质量前景分割结果。
9、可选的,历史前景图的构建包括:将当前帧差分结果与过往帧差分结果作加法操作,运动目标所对应的历史前景图内前景区域随着前景结果的累计不断延展,前景区域的发展方向表征了运动目标的位置和方向。
10、可选的,前景区域的筛选包括:基于前后帧历史背景图中前景区域外接框的数据关联和运动特征判断实现,其中数据关联是指使用iou表征各前景区域位置差异,基于匈牙利算法实现前后帧数据关联,从而建立或更新目标各时刻的历史前景区域空间信息轨迹。
11、可选的,设当前帧前景区域外接框结果dh与前景区域对应轨迹在上一帧的跟踪结果ft各包含u1个前景区域外接框信息和v1个轨迹框信息,为实现两者的关联匹配,首先两两计算每个外接框结果dh(i)(i∈[1,u1])与每个轨迹结果ft(j)(j∈[1,v1])对应目标框的iou值作为相似性度量,再基于匈牙利算法完成当前帧检测结果与轨迹结果的匹配。
12、可选的,将成功匹配的前景区域外接框及与其匹配的前景区域空间信息轨迹在前一帧的跟踪结果的四角点进行特征分析,确定目标运动方式及对应的运动情况。
13、第二方面,本专利技术提供一种基于运动过程感知的铁路异物入侵检测系统,包括:
14、获取模块,用于获取前后时刻的两帧铁路监控视频序列图像;
15、分割模块,用于基于高斯滤波及二值化、图像差分、形态学操作,获取图像的前景分割结果;
16、筛选模块,用于基于前景分割结果,构建历史前景图,进行前景区域的筛选;
17、匹配模块,用于对于某前景区域,依据中心点坐标,将中心点与前景区域外接框运动方向处边界的图像宽度坐标之差最小且小于像素阈值的前景结果作为该前景区域在当前帧的目标定位结果。
18、第三方面,本专利技术提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如第一方面所述的基于运动过程感知的铁路异物入侵检测方法。
19、第四方面,本专利技术提供一种计算机设备,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行如第一方面所述的基于运动过程感知的铁路异物入侵检测方法。
20、第五方面,本专利技术提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如第一方面所述的基于运动过程感知的铁路异物入侵检测方法的指令。
21、本专利技术有益效果:提出了全新的基于图像前景提取的检测模式,在前景提取基础上以运动过程检测的方式实现各帧图像前景结果的综合利用,不需要进行模型训练即实现了前景目标运动合理性的分析与筛选,在实现全类别异物灵敏检测的同时避免了噪声前景导致的误报,结果可靠性强、实用性强。
22、本专利技术附加方面的本文档来自技高网...
【技术保护点】
1.一种基于运动过程感知的铁路异物入侵检测方法,其特征在于,包括:
2.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,当图像尺寸小于预设的阈值大小时,将输入图像同步放大至该阈值尺寸,在完成高斯滤波及二值化并完成图像差分后得初步前景分割结果,通过先图像腐蚀再图像膨胀的形态学处理消除细小噪声前景的同时减少前景可能存在的空洞,得较高质量前景分割结果。
3.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,历史前景图的构建包括:将当前帧差分结果与过往帧差分结果作加法操作,运动目标所对应的历史前景图内前景区域随着前景结果的累计不断延展,前景区域的发展方向表征了运动目标的位置和方向。
4.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,前景区域的筛选包括:基于前后帧历史背景图中前景区域外接框的数据关联和运动特征判断实现,其中数据关联是指使用IOU表征各前景区域位置差异,基于匈牙利算法实现前后帧数据关联,从而建立或更新目标各时刻的历史前景区域空间信息轨迹。
5.根据权利要求4
6.根据权利要求5所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,将成功匹配的前景区域外接框及与其匹配的前景区域空间信息轨迹在前一帧的跟踪结果的四角点进行特征分析,确定目标运动方式及对应的运动情况。
7.一种基于运动过程感知的铁路异物入侵检测系统,其特征在于,包括:
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的基于运动过程感知的铁路异物入侵检测方法。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行如权利要求1-6任一项所述的基于运动过程感知的铁路异物入侵检测方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的基于运动过程感知的铁路异物入侵检测方法的指令。
...【技术特征摘要】
1.一种基于运动过程感知的铁路异物入侵检测方法,其特征在于,包括:
2.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,当图像尺寸小于预设的阈值大小时,将输入图像同步放大至该阈值尺寸,在完成高斯滤波及二值化并完成图像差分后得初步前景分割结果,通过先图像腐蚀再图像膨胀的形态学处理消除细小噪声前景的同时减少前景可能存在的空洞,得较高质量前景分割结果。
3.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,历史前景图的构建包括:将当前帧差分结果与过往帧差分结果作加法操作,运动目标所对应的历史前景图内前景区域随着前景结果的累计不断延展,前景区域的发展方向表征了运动目标的位置和方向。
4.根据权利要求1所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,前景区域的筛选包括:基于前后帧历史背景图中前景区域外接框的数据关联和运动特征判断实现,其中数据关联是指使用iou表征各前景区域位置差异,基于匈牙利算法实现前后帧数据关联,从而建立或更新目标各时刻的历史前景区域空间信息轨迹。
5.根据权利要求4所述的基于运动过程感知的铁路异物入侵检测方法,其特征在于,设当前帧前景区域外接框结果dh与前景区域对应轨迹在上一帧的跟踪结果ft各包含u1个前景区域外接框信息和v1个轨迹框信息,为实现两者的关联匹配,首先两两计算每个外接...
【专利技术属性】
技术研发人员:余祖俊,郭保青,朱力强,阮涛,王宇腾,孙涛,白丁元,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。