基于智能視頻分析攝像機(jī)的軌道異物檢測

劉亞會

【摘 要】在鐵路運輸系統(tǒng)中，安全運行是確保列車平穩(wěn)、不間斷運行的基礎(chǔ)。在線監(jiān)測軌道間異物技術(shù)為駕駛員提供減速信息，并對行車安全具有重要意義。本文提出采用智能視頻分析攝像機(jī)對軌道異物檢測技術(shù)，通過主動檢測方式智能識別入侵物體，并發(fā)出報警給機(jī)車司機(jī)。實驗證明，該方法能有效地檢測出軌道間的異物。

【關(guān)鍵詞】智能視頻分析技術(shù) 攝像機(jī) 異物檢測

1 引言

在鐵路運輸系統(tǒng)中，軌道異物入侵影響到正常行車安全的障礙物，如橋梁隧道掉落的懸掛物、因報警失誤仍滯留在道上作業(yè)的工務(wù)人員、非法上道的人畜車輛（尤其在我局的臨策線上）。

由于普通列車行車速度較快，單靠司機(jī)的視覺和常規(guī)檢測方法來進(jìn)行異物識別，難以保證行車安全。目前，鐵路異物入侵檢測分為主動檢測和被動檢測兩種方法。主動檢測是指向需檢測的方位發(fā)出某種探測信號，通過傳感器反射回來的信號檢測障礙物。這種方法是侵犯式檢測，但是檢測的空間覆蓋率有限。本文應(yīng)用車載移動的方式安裝智能視頻分析攝像機(jī)，通過主動檢測方法，研究鐵路行車視頻圖像中的異物分割，檢測前方異物并報警。

2 系統(tǒng)的詳細(xì)設(shè)計

2.1系統(tǒng)的工作原理

系統(tǒng)主要由車載式智能視頻分析攝像機(jī)、傳感器、報警裝置等構(gòu)成。工作原理如下：首先需向檢測的方位發(fā)出探測信號，有快速、準(zhǔn)確的Hough變化檢測出鐵軌，劃定檢測范圍，將檢測信息傳輸至智能視頻分析攝像機(jī)中的分析模塊，如有異物將發(fā)生報警，提供信息給列車司機(jī)，該方法能有效的檢測出列車運行前方異物的入侵。本文設(shè)計了圖1所示的檢測流程來完成軌道異物檢測。

圖1 異物檢測流程圖

2.2系統(tǒng)模塊設(shè)計

系統(tǒng)主要有圖像采集單元、智能視頻分析模塊和報警模塊三部分構(gòu)成。

圖像采集單元的功能主要是完成圖像采集、分解以及光電信號轉(zhuǎn)換的器件，并通過攝相機(jī)圖像采集原理實現(xiàn)。

智能視頻分析模塊的功能主要通過在不同攝像機(jī)的場景中預(yù)設(shè)不同的報警規(guī)則，一旦目標(biāo)在場景中出現(xiàn)了違反預(yù)定義規(guī)則的行為，系統(tǒng)會自動發(fā)出報警，監(jiān)控工作站自動彈出報警信息并發(fā)出警示音。該模塊是基于計算機(jī)圖像視覺分析技術(shù)，采用嵌入式處理器，通過算法將場景中背景和目標(biāo)分離進(jìn)而分析并追蹤在攝像機(jī)場景內(nèi)出現(xiàn)的目標(biāo)。

報警模塊的主要功能是為了防止或預(yù)防某事件發(fā)生所造成的后果，以聲音、光、氣壓等形式來提醒或警示人們應(yīng)當(dāng)采取某種行動的電子產(chǎn)品。模塊主要依靠系統(tǒng)設(shè)置的報警規(guī)則觸發(fā)報警裝置實。

3 基于Hough變換的鐵軌檢測

由于研究的目標(biāo)移動中軌道間的異物，所以在圖像中首先用快速、準(zhǔn)確的Hough變換檢測出鐵軌，再以鐵軌圖像為工作窗口檢測并分割出異物。

3.1 Hough變換

其原理是利用圖像空間和Hough參數(shù)空間的點-線對偶性，把圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間。通過在參數(shù)空間里進(jìn)行簡單的累加統(tǒng)計，然后在Hough參數(shù)空間尋找累加器峰值的方法檢測直線。

霍夫變換是圖像處理中從圖像中識別幾何形狀的基本方法之一，應(yīng)用很廣泛，也有很多改進(jìn)算法。最基本的霍夫變換是從黑白圖像中檢測直線（線段）。已知一黑白圖像上畫了一條直線，要求出這條直線所在的位置。我們知道，直線的方程可以用y=k*x+b 來表示，其中k和b是參數(shù)，分別是斜率和截距。過某一點（x0，y0）的所有直線的參數(shù)都會滿足方程y0=kx0+b。即點（x0，y0）確定了一族直線。方程y0=kx0+b在參數(shù)k--b平面上是一條直線，（你也可以是方程b=-x0*k+y0對應(yīng)的直線）。這樣，圖像x--y平面上的一個前景像素點就對應(yīng)到參數(shù)平面上的一條直線。其Hought變化檢測MATLAB代碼為：

function Img_hough = hough_s（Img， bw） %該函數(shù)實現(xiàn)hough變換提取直線的功能；%輸入圖像x，運行之后直接畫出直線；%選擇進(jìn)行Hough變換的圖像行；%Img為原圖像；bw為邊緣圖像。

[H，W，D]=size（Img）；%求出圖像大??；

md=ceil（（N+round（sqrt（M^2+N^2）））/drho）；%確定網(wǎng)格的最大區(qū)域；

coordrhotheta{rho+1，k}=[coordrhotheta{rho+1，k}；[i，j]]； %記錄hough變換值相應(yīng)位置對應(yīng)的點的坐標(biāo)。

3.2 鐵軌Hough變換檢測

將列車運行區(qū)間分割成N個短距離的直線，同時，假設(shè)在鐵路上采集的視頻圖像中，軌道的兩條直線長度與軌道旁其它參照物的直線距離最長。通過Hough變換的性質(zhì)選出兩個峰值點，該兩點在K-B坐標(biāo)系中的值分別為對應(yīng)的兩條軌道直線方程的參數(shù)，即給出了鐵軌的直線方程。

為了提高鐵軌檢測的速度，首先對預(yù)處理的圖像進(jìn)行邊緣檢測，由于物體圖像的邊緣表現(xiàn)為灰度變化，可通過一階導(dǎo)數(shù)的幅值檢測邊緣的存在，幅度峰值一般對應(yīng)邊緣位置?？捎枚A導(dǎo)數(shù)的過零點檢測邊緣位置，而用二階導(dǎo)數(shù)過零點附近的符號確定邊緣像素是在明區(qū)還是在暗區(qū)，根據(jù)邊緣檢測算子所得到的二值邊緣圖像進(jìn)行Hough變換，將符合Hough變換條件及設(shè)定的閾值的直線搜索出來，再根據(jù)直線所在方程及起止點記錄下來。在檢測過程中，圖像的強邊緣和邊緣長度是決定檢測目標(biāo)的最有效信息。

4 窗口異物判定及分割技術(shù)

4.1 窗口異物參數(shù)的判定

通過Hough變換能夠確定兩條軌道的直線方程，利用邊緣檢測技術(shù)建立窗口，根據(jù)智能視頻技術(shù)攝像機(jī)采集的圖片信息，需要建立檢測窗口的位置、高度和上下寬度。窗口高度主要是由攝像機(jī)的位置、分辨率決定的，上下寬度有軌道直線方程決定的，具體參數(shù)由現(xiàn)場的實際情況而定。

4.2 窗口異物分割技術(shù)

圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域（目標(biāo)和背景）的組合，選取一個合適的閾值，以確定圖像中每個像素點應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的位置圖像。本文可采用快速多閾值分割法：該算法的步驟為：

（1）找出圖中的兩個最大局部值，Z1，Z2；（2）求出兩個局部值間的直方圖中的最底點Z3；（3）測試直方圖的平坦型；（4）若上述值小于門限T，將Z3作為分割門限；（5）對兩幅二值圖像像素點統(tǒng)計比較確定異物位置。

5 實驗結(jié)果分析

本文在臨策線拍攝到的多幅軌道上無異物及有異物的圖像，應(yīng)用本文提出的方法進(jìn)行實驗并進(jìn)行對比，在實驗中該方法能夠在滿足實時的要求下有效檢測出圖像中的異物。圖2（a）檢測到兩條軌道及利用Hough變化求解處直線方程，圖2（b）明確標(biāo)出了兩條鐵軌所在位置；圖3（a）為經(jīng)過灰度閾值檢測到異物的效果圖，圖3（b）為通過坐標(biāo)位置分割異物的圖像。

圖2（a）檢測到兩條軌道 圖2（b）兩條鐵軌所在位置

圖3（a）檢測到異物圖 圖3（b）為通過坐標(biāo)位置分割異物的圖像

6 結(jié)語

本文提出一種采用智能視頻分析攝像機(jī)對軌道異物檢測技術(shù)，該方法是在攝像機(jī)抓拍的圖像中應(yīng)用快速、準(zhǔn)確的Hough變換檢測出圖像中的鐵軌，再以鐵軌圖像為工作窗口檢測并檢測出異物，同時發(fā)出報警給機(jī)車司機(jī)。

參考文獻(xiàn)：

[1]朱正平，王秀麗，岳秋菊.基于機(jī)器視覺的軌道異物侵限檢測方法研究[J].甘肅高師學(xué)報，Vol.14 No.2（2009）.

[2]蔡振江，王渝，張娟.采用Hough變換和灰度變化的圖像角點檢測法叨.北京理工大學(xué)學(xué)報，2005.25（9）.

[3]朱娟娟，郭寶龍.一種運動載體攝像的自適應(yīng)穩(wěn)像系統(tǒng)[J].光電子激光，2007，18（1）.

[4] Ja Seong Ku，Kyoung Mu Lee，Sang Uk Lee.Multi—imagematching for a general motion stereo camera model[J].Pattern Recognition，2001（34）.