列車在站運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)

趙 周，馬福龍，荊長(zhǎng)順

（1. 中國(guó)鐵路蘭州集團(tuán)有限公司 運(yùn)輸部，蘭州 730000；2. 成都貨安計(jì)量技術(shù)中心有限公司，成都 611731）

接發(fā)列車是鐵路車站的基本行車作業(yè)。目前，既有鐵路車站設(shè)備雖然能保證正常的接發(fā)列車作業(yè)，但依然采用傳統(tǒng)的人工立崗、外勤接車作業(yè)方式，由人工觀察列車車體狀況、貨物裝載加固狀態(tài)、走行部動(dòng)態(tài)情況，并根據(jù)列車運(yùn)行中的聲音與氣味，由人工主觀判斷列車的運(yùn)行狀態(tài)。人工接發(fā)列車作業(yè)方式存在“看不全”“看不清”“拿不準(zhǔn)”的局限性及作業(yè)人員安全風(fēng)險(xiǎn)，且作業(yè)人員勞動(dòng)強(qiáng)度大，受到人員疲勞、經(jīng)驗(yàn)、責(zé)任心、疏忽等因素影響，容易出現(xiàn)漏檢和誤判，給鐵路行車安全帶來(lái)隱患[1]。隨著鐵路大面積提速和客運(yùn)專線快速發(fā)展，面對(duì)日益增長(zhǎng)的列車發(fā)送量及不斷提高的列車運(yùn)行速度，傳統(tǒng)的人工接發(fā)列車作業(yè)方式存在的局限性及作業(yè)人員安全風(fēng)險(xiǎn)日益凸顯。

為此，研究開(kāi)發(fā)了列車在站運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)。該系統(tǒng)能夠?qū)崟r(shí)檢測(cè)運(yùn)行列車的狀態(tài)，實(shí)現(xiàn)機(jī)檢代替人檢，降低接發(fā)列車作業(yè)人員的勞動(dòng)強(qiáng)度；通過(guò)與站內(nèi)相關(guān)信息系統(tǒng)的有機(jī)融合，運(yùn)用機(jī)器視覺(jué)技術(shù)，對(duì)涉及行車安全的列車關(guān)鍵部件進(jìn)行動(dòng)態(tài)檢測(cè)，提高列車故障檢測(cè)的識(shí)別率，提高檢車作業(yè)質(zhì)量和效率，及時(shí)消除安全隱患。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)構(gòu)成

列車在站運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)主要由數(shù)據(jù)采集子系統(tǒng)、智能分析子系統(tǒng)和監(jiān)測(cè)終端子系統(tǒng)構(gòu)成，系統(tǒng)構(gòu)成圖如圖1所示。

圖1 系統(tǒng)構(gòu)成

（1）數(shù)據(jù)采集子系統(tǒng)：對(duì)通過(guò)檢測(cè)區(qū)域的列車的車體狀況、貨物裝載加固狀態(tài)、車輛走行部動(dòng)態(tài)情況、車輛運(yùn)行中異常聲響及車輪踏面溫度進(jìn)行實(shí)時(shí)數(shù)據(jù)采集、檢測(cè)、傳輸和存儲(chǔ)，主要由室外采集設(shè)備、室外采集附屬設(shè)備、中央處理單元及室內(nèi)存儲(chǔ)與網(wǎng)絡(luò)通信設(shè)備構(gòu)成。其中，室外采集設(shè)備主要包括車輪傳感器、面陣相機(jī)、線陣相機(jī)、車輪踏面溫度探測(cè)裝置（簡(jiǎn)稱：熱輪探測(cè)裝置）、聲音傳感器、激光雷達(dá)等；室外采集附屬設(shè)備主要包括鋼架、電控箱、防雷裝置、線陣光源等；室外采集設(shè)備及采集附屬設(shè)備安裝在車站進(jìn)站信號(hào)機(jī)外方。中央處理單元由處理器、存儲(chǔ)器、輸入輸出單元、電源、通信單元電路等組成，是控制邏輯運(yùn)算中心，完成各項(xiàng)數(shù)據(jù)采集功能的邏輯控制；室內(nèi)存儲(chǔ)與網(wǎng)絡(luò)通信設(shè)備主要包括數(shù)據(jù)庫(kù)服務(wù)器、應(yīng)用服務(wù)器、圖像管理服務(wù)器、算法處理服務(wù)器、數(shù)據(jù)交換設(shè)備、網(wǎng)絡(luò)通信及接口設(shè)備等，中央處理單元及室內(nèi)存儲(chǔ)與網(wǎng)絡(luò)通信設(shè)備安裝在車站中心機(jī)房。

（2）智能分析子系統(tǒng)：主要包括深度學(xué)習(xí)服務(wù)器、自動(dòng)識(shí)別模塊以及用于算法訓(xùn)練和驗(yàn)證的樣本庫(kù)，完成車輛車體及走行部等關(guān)鍵部件的異常識(shí)別與分析處理。

（3）監(jiān)測(cè)終端子系統(tǒng)：主要包括管理終端、實(shí)時(shí)作業(yè)終端和復(fù)示終端等；其中，管理終端主要安裝在車站值班調(diào)度室，實(shí)時(shí)作業(yè)終端主要安裝在車站監(jiān)控中心[2]。

1.2 系統(tǒng)邏輯架構(gòu)

監(jiān)測(cè)終端子系統(tǒng)采用B/S架構(gòu)及Visual C#語(yǔ)言開(kāi)發(fā)，使用基于ExtJS的Web desktop應(yīng)用框架；智能分析子系統(tǒng)邏輯功能使用Visual C#語(yǔ)言開(kāi)發(fā)，實(shí)現(xiàn)圖像分析、車輛運(yùn)行聲音分析及車輪踏面溫度分析等；數(shù)據(jù)采集子系統(tǒng)采用C/S架構(gòu)及Visual C++語(yǔ)言開(kāi)發(fā)，實(shí)現(xiàn)列車車體圖像、貨物裝載加固狀態(tài)、走行部動(dòng)態(tài)情況、車輪踏面溫度及車輛運(yùn)行聲音的數(shù)據(jù)采集和管理[3]。

按邏輯功能層次，系統(tǒng)可劃分為業(yè)務(wù)應(yīng)用層、數(shù)據(jù)管理層、數(shù)據(jù)分析層、數(shù)據(jù)傳輸層、數(shù)據(jù)采集層及前端設(shè)備層，如圖2所示。

圖2 系統(tǒng)邏輯架構(gòu)

（1）前端設(shè)備層：由前端采集設(shè)備和裝置組成，提供基礎(chǔ)硬件環(huán)境。

（2）數(shù)據(jù)采集層：利用圖像、視頻采集軟件，車輪踏面溫度、車輛運(yùn)行聲音、限界檢測(cè)軟件及車位判別軟件，完成前端設(shè)備數(shù)據(jù)采集，將采集到的數(shù)據(jù)發(fā)送至消息中間件；由圖像管理服務(wù)器內(nèi)置的車輛圖像分割拼接程序完成車輛圖像分割與拼接，將處理后的車輛圖像存儲(chǔ)至消息中間件。

（3）數(shù)據(jù)傳輸層：將所有采集的數(shù)據(jù)發(fā)送至后臺(tái)服務(wù)器消息中間件，由應(yīng)用系統(tǒng)主適配軟件進(jìn)行深度解析和分類處理，并將處理結(jié)果推送給智能算法識(shí)別系統(tǒng)；通過(guò)信息共享接口定時(shí)獲取列車到達(dá)預(yù)確報(bào)報(bào)文信息，并將報(bào)文信息上傳給數(shù)據(jù)庫(kù)服務(wù)器，通過(guò)接口處理程序解析入庫(kù)，實(shí)現(xiàn)車號(hào)、車型、發(fā)到站及貨物品名的匹配。

（4）數(shù)據(jù)分析層：智能識(shí)別與分析軟件利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、圖像識(shí)別等技術(shù)，通過(guò)內(nèi)置的預(yù)處理程序、智能識(shí)別程序、智能分析程序?qū)D像、聲音、視頻信息進(jìn)行智能分析，并識(shí)別、自動(dòng)標(biāo)注異常信息，輸出檢測(cè)分析結(jié)果到監(jiān)測(cè)終端子系統(tǒng)。

（5）數(shù)據(jù)管理層：將分析處理后的結(jié)構(gòu)化數(shù)據(jù)保存到數(shù)據(jù)庫(kù)中，將非結(jié)構(gòu)化數(shù)據(jù)保存到圖像管理服務(wù)器上，非結(jié)構(gòu)化數(shù)據(jù)可以通過(guò)結(jié)構(gòu)化數(shù)據(jù)中關(guān)聯(lián)的URL地址進(jìn)行訪問(wèn)。

（6）業(yè)務(wù)應(yīng)用層：針對(duì)各類應(yīng)用場(chǎng)景，采用二維表格、統(tǒng)計(jì)圖表、二維/三維動(dòng)態(tài)圖等方式多角度展示監(jiān)測(cè)信息，為鐵路貨運(yùn)安全和調(diào)度管理提供支持[4]。

2 工作原理及智能分析數(shù)據(jù)處理流程

2.1 工作原理

車站進(jìn)站信號(hào)機(jī)外側(cè)安裝有高清面陣相機(jī)、紅外線陣相機(jī)、聲音傳感器、熱輪探測(cè)裝置、車號(hào)識(shí)別裝置、線陣光源、線陣燈光補(bǔ)償單元及網(wǎng)絡(luò)設(shè)備，自動(dòng)采集通過(guò)列車的運(yùn)行狀態(tài)信息，并傳輸至中央處理單元。系統(tǒng)工作原理如圖3所示。

圖3 系統(tǒng)工作原理

（1）當(dāng)列車進(jìn)入檢測(cè)區(qū)域時(shí)，前端車輪傳感器將檢測(cè)到的列車接近信號(hào)實(shí)時(shí)傳送給中央處理單元；中央處理單元記錄通過(guò)車輛軸數(shù)，經(jīng)處理轉(zhuǎn)換后，生成列車接近啟動(dòng)命令，控制前端采集設(shè)備動(dòng)作，自動(dòng)采集通過(guò)列車的車體圖像、貨物裝載加固狀態(tài)、列車走行部動(dòng)態(tài)情況、車輪踏面溫度及聲音數(shù)據(jù)信息。當(dāng)列車通過(guò)檢測(cè)區(qū)域時(shí)，后端車輪傳感器檢測(cè)出通過(guò)列車的軸數(shù)，并實(shí)時(shí)傳送給中央處理單元；中央處理單元對(duì)比前后端車輪傳感器所檢測(cè)到的車輛軸數(shù)，當(dāng)車輛軸數(shù)相等時(shí)，表明整列列車已經(jīng)通過(guò)檢測(cè)區(qū)域，中央處理單元生成列車通過(guò)結(jié)束命令，控制前端采集設(shè)備動(dòng)作，停止信息采集，向燈光控制單元發(fā)出關(guān)閉所有光源指令，關(guān)閉系統(tǒng)照明光源。

（2）通過(guò)以太網(wǎng)，將所有采集的數(shù)據(jù)信息、狀態(tài)信息傳輸至車站中心機(jī)房后臺(tái)服務(wù)器消息中間件和應(yīng)用系統(tǒng)，由主適配軟件進(jìn)行深度解析和分類處理（預(yù)處理），并將預(yù)處理后的采集數(shù)據(jù)推送給智能分析子系統(tǒng)。

（3）智能分析子系統(tǒng)利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、圖像識(shí)別等技術(shù)，通過(guò)內(nèi)置的預(yù)處理程序、智能識(shí)別算法程序、智能分析算法程序?qū)D像、聲音、視頻信息進(jìn)行智能分析，并識(shí)別、自動(dòng)標(biāo)注異常狀態(tài)，輸出檢測(cè)分析結(jié)果，由監(jiān)測(cè)終端對(duì)異常狀況進(jìn)行告警和展示。

（4）為了節(jié)約能源，系統(tǒng)設(shè)置了燈光控制單元。夜晚當(dāng)列車接近檢測(cè)區(qū)域時(shí)，中央處理單元向燈光控制單元發(fā)出開(kāi)燈指令，開(kāi)啟現(xiàn)場(chǎng)光源系統(tǒng)；當(dāng)列車通過(guò)檢測(cè)區(qū)域后，中央處理單元向燈光控制單元發(fā)出關(guān)燈指令，關(guān)閉現(xiàn)場(chǎng)光源系統(tǒng)。另外，當(dāng)系統(tǒng)應(yīng)用于2股道檢測(cè)時(shí)，總有一側(cè)遠(yuǎn)離光源系統(tǒng)，影響現(xiàn)場(chǎng)光照強(qiáng)度，此時(shí)燈光控制單元將控制遠(yuǎn)離光源一側(cè)的燈光補(bǔ)償單元燈光開(kāi)啟，增加現(xiàn)場(chǎng)光照強(qiáng)度，確保所采集的圖像滿足識(shí)別要求。

2.2 智能分析數(shù)據(jù)處理流程

智能分析是系統(tǒng)的核心功能，完成圖像預(yù)處理、部件定位、異常檢測(cè)、異常形式分類等數(shù)據(jù)處理，并將數(shù)據(jù)處理結(jié)果寫(xiě)入關(guān)系型數(shù)據(jù)庫(kù)，提供給監(jiān)測(cè)終端子系統(tǒng)進(jìn)行展示。

智能分析數(shù)據(jù)處理任務(wù)主要包括采集數(shù)據(jù)監(jiān)聽(tīng)、圖像分析處理與異常處理3部分。采集數(shù)據(jù)監(jiān)聽(tīng)任務(wù)主要監(jiān)聽(tīng)消息中間件隊(duì)列中是否有圖像數(shù)據(jù)和過(guò)車信息，通過(guò)事件觸發(fā)調(diào)用圖像分析處理與異常處理任務(wù)。異常處理任務(wù)包括異音檢測(cè)處理和視頻分析處理。智能分析數(shù)據(jù)處理流程如圖4所示[5]。

圖4 智能分析數(shù)據(jù)處理流程

（1）數(shù)據(jù)采集監(jiān)聽(tīng)：圖像管理服務(wù)器將分割的圖像、面陣視頻、聲音數(shù)據(jù)、列車信息（包含車號(hào)、發(fā)到站、品名等）寫(xiě)入消息中間件隊(duì)列，數(shù)據(jù)采集監(jiān)聽(tīng)程序檢測(cè)到有新的數(shù)據(jù)寫(xiě)入消息中間件時(shí)，激活數(shù)據(jù)分析處理任務(wù)。

（2）圖像分析處理：提取線陣相機(jī)數(shù)據(jù)，對(duì)分割后的車廂圖像進(jìn)行待檢部件定位，并完成待檢部件的故障判別，并將檢測(cè)結(jié)果存入關(guān)系型數(shù)據(jù)庫(kù)。圖像分析處理主要包括待檢部位定位和異常檢測(cè)2部分：a. 待檢部位定位是智能分析子系統(tǒng)的一個(gè)功能，主要是提取圖像中待檢目標(biāo)的ROI，將待檢目標(biāo)的屬性、位置信息提供給其它算法模塊，用于部件識(shí)別和失效形式的判斷；b. 異常檢測(cè)通過(guò)對(duì)待檢部件進(jìn)行圖像預(yù)處理、部件定位，從采集的圖像中提取特征信息，完成待檢部件深度學(xué)習(xí)、分類和故障點(diǎn)判斷。異常檢測(cè)模塊激活后，會(huì)提取信息中的車體數(shù)據(jù)、面陣相機(jī)數(shù)據(jù)，對(duì)分割后的車廂圖像進(jìn)行目標(biāo)定位，完成待檢部件對(duì)應(yīng)故障點(diǎn)檢測(cè)。

（3）異音檢測(cè)處理：讀取聲音文件，先進(jìn)行特征提取，然后進(jìn)行深度學(xué)習(xí)分類，根據(jù)閾值、規(guī)則等完成故障判斷，并將處理結(jié)果存入關(guān)系型數(shù)據(jù)庫(kù)。

（4）視頻分析處理：讀取視頻文件，對(duì)視頻圖像進(jìn)行預(yù)處理，增強(qiáng)視頻和去除雜點(diǎn)，然后進(jìn)行背景建模、深度學(xué)習(xí)檢測(cè)等分析，完成待檢目標(biāo)對(duì)應(yīng)故障點(diǎn)檢測(cè)，并將處理結(jié)果存入關(guān)系型數(shù)據(jù)庫(kù)。

3 系統(tǒng)功能

3.1 功能構(gòu)成

系統(tǒng)由智能分析子系統(tǒng)、監(jiān)測(cè)終端子系統(tǒng)及數(shù)據(jù)采集子系統(tǒng)組成，這3個(gè)子系統(tǒng)相互協(xié)作，共同配合，完成圖像、視頻、聲音、輪溫等數(shù)據(jù)自動(dòng)采集、傳輸、存儲(chǔ)、識(shí)別、分析和輸出一系列功能，系統(tǒng)功能結(jié)構(gòu)如圖5所示。

圖5 系統(tǒng)功能結(jié)構(gòu)

3.2 數(shù)據(jù)采集

（1）車位判別：列車通過(guò)時(shí)，對(duì)車輪傳感器信號(hào)進(jìn)行采集和處理，記錄列車通過(guò)軸數(shù)，計(jì)算列車通過(guò)速度、軸距和輛數(shù)，向中央處理單元發(fā)出列車接近和通過(guò)控制信號(hào)。

（2）車號(hào)采集：中央處理單元接收到列車接近和通過(guò)信號(hào)時(shí)，控制AEI主機(jī)開(kāi)機(jī)，自動(dòng)讀取通過(guò)列車車輛底部標(biāo)簽，解析獲取車輛車號(hào)。

（3）圖像采集：利用高清線陣相機(jī)，對(duì)通過(guò)列車車體、走行部、車頂?shù)戎饕目梢暡考M(jìn)行拍照，用于車輛關(guān)鍵部件識(shí)別和異常狀況檢測(cè)。

（4）視頻采集：利用高清面陣像機(jī)，采集列車運(yùn)行方向上部視頻圖像，用于對(duì)貨車的貨物裝載加固狀態(tài)、篷布苫蓋情況、列車尾部標(biāo)識(shí)情況等進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

（5）輪溫采集：利用熱輪探測(cè)裝置自動(dòng)采集通過(guò)車輛的車輪踏面溫度數(shù)據(jù)，用于對(duì)運(yùn)行中車輪踏面溫度異常的車輛進(jìn)行識(shí)別和報(bào)警。

（6）聲音采集：利用聲音傳感器對(duì)列車通過(guò)時(shí)車體部件摩擦聲音、輪軸摩擦聲音進(jìn)行采集，用于對(duì)運(yùn)行中存在異常聲響的車輛進(jìn)行識(shí)別和報(bào)警。

（7）限界采集：利用激光掃描雷達(dá)技術(shù)，實(shí)現(xiàn)列車運(yùn)行狀態(tài)下的車輛三維輪廓掃描，用于與機(jī)車車輛限界進(jìn)行對(duì)比，判斷機(jī)車車輛是否超限界及超限等級(jí)。

3.3 智能分析

（1）圖像分析：對(duì)采集的列車圖像數(shù)據(jù)進(jìn)行處理，檢測(cè)是否存在棚車車門開(kāi)啟、敞車車窗開(kāi)啟、車門搭扣未落槽、罐車閥蓋開(kāi)啟、貨車風(fēng)管未連接等異常情況，并將檢測(cè)結(jié)果存入消息中間件中。

（2）聲音分析：處理采集到的列車通過(guò)檢測(cè)區(qū)的聲音數(shù)據(jù)，根據(jù)閾值和規(guī)則，自動(dòng)檢測(cè)其中是否存在異常聲響，并將檢測(cè)結(jié)果存入消息中間件。

（3）視頻分析：讀取視頻文件，對(duì)視頻圖像進(jìn)行增強(qiáng)、去除雜點(diǎn)等預(yù)處理，通過(guò)背景建模、深度學(xué)習(xí)等技術(shù)，自動(dòng)完成待檢部件對(duì)應(yīng)故障點(diǎn)檢測(cè)，并將檢測(cè)結(jié)果存入消息中間件。

3.4 監(jiān)測(cè)與報(bào)警

（1）列車圖像管理：可按指定的車次、時(shí)間段及檢測(cè)點(diǎn)，對(duì)列車圖像進(jìn)行播放、回放和慢放；根據(jù)需要，可對(duì)問(wèn)題車圖像進(jìn)行抓拍，將抓拍到的圖片保存至樣本庫(kù)，為圖像識(shí)別提供不斷豐富的素材樣本，以進(jìn)一步提高問(wèn)題車輛識(shí)別的準(zhǔn)確性。

（2）問(wèn)題車報(bào)警：可按指定的車次、檢測(cè)時(shí)間及問(wèn)題類別，對(duì)系統(tǒng)自動(dòng)識(shí)別的問(wèn)題車進(jìn)行告警，作業(yè)人員根據(jù)告警提示信息，對(duì)問(wèn)題車進(jìn)行確認(rèn)和登記。

（3）輪溫監(jiān)測(cè)與報(bào)警：實(shí)時(shí)展示車輪踏面溫度分析結(jié)果，對(duì)車輪踏面溫度超過(guò)閾值的車輛進(jìn)行告警，作業(yè)人員根據(jù)告警提示信息，對(duì)問(wèn)題車進(jìn)行確認(rèn)和登記。

（4）異音監(jiān)測(cè)與報(bào)警：實(shí)時(shí)展示車輛運(yùn)行聲音分析結(jié)果，對(duì)運(yùn)行中存在異常聲響的車輛進(jìn)行告警，作業(yè)人員根據(jù)告警提示信息，對(duì)問(wèn)題車進(jìn)行確認(rèn)和登記。

（5）裝載超限監(jiān)測(cè)與報(bào)警：可按指定的車次、檢測(cè)時(shí)間及檢測(cè)點(diǎn)，對(duì)裝載超限的車輛進(jìn)行告警，作業(yè)人員根據(jù)告警提示信息，對(duì)問(wèn)題車進(jìn)行確認(rèn)和登記。

（6）設(shè)備狀態(tài)監(jiān)測(cè)與報(bào)警：以圖形化形式，按檢測(cè)點(diǎn)實(shí)時(shí)展示其采集設(shè)備及服務(wù)器設(shè)備運(yùn)行狀態(tài)，對(duì)存在問(wèn)題的設(shè)備進(jìn)行告警提示；設(shè)備狀態(tài)以不同顏色展示，正常運(yùn)行的設(shè)備以綠色標(biāo)識(shí)，問(wèn)題設(shè)備以紅色標(biāo)識(shí)。

（7）問(wèn)題車統(tǒng)計(jì)分析：按車型、問(wèn)題類別等多個(gè)維度，對(duì)識(shí)別出的問(wèn)題車輛進(jìn)行統(tǒng)計(jì)分析[6]。

4 關(guān)鍵技術(shù)

4.1 車輛圖像分割與拼接

車輛圖像拼接是把多幅按時(shí)間順序排列的窄視角車輛圖片拼接成一幅完整的車輛圖像。由于車輛是水平方向移動(dòng)，車輛圖像的拼接可根據(jù)視頻序列中前后兩幀車輛圖像的水平位移量dx，即從前一幀圖像中剪出長(zhǎng)度為dx的圖像塊貼到下一幀圖像中，如此反復(fù)直至完成整節(jié)車輛圖像的拼接。

車輛圖像拼接算法為：先提取車輛圖像上的角點(diǎn)，然后前后兩幀對(duì)角點(diǎn)進(jìn)行匹配，根據(jù)匹配上的角點(diǎn)即可求出幀間位移dx，實(shí)現(xiàn)車輛圖像自動(dòng)分割與拼接，獲取每節(jié)車輛的完整圖像。

車輛圖像角點(diǎn)的確定是該算法的難點(diǎn)。因?yàn)榻屈c(diǎn)是車輛二維圖像上亮度變化劇烈的點(diǎn)，或是圖像邊緣曲線上具有曲率極大值的點(diǎn)。圖像匹配是對(duì)前后兩幀車輛圖像中的特征點(diǎn)進(jìn)行匹配，為保證匹配的準(zhǔn)確性，所選擇的特征點(diǎn)須具獨(dú)特性，而角點(diǎn)可以作為一種不錯(cuò)的特征?？紤]到車輛是水平方向運(yùn)動(dòng)，采用最為簡(jiǎn)單的Harris Corner算法提取角點(diǎn)。當(dāng)車輛發(fā)生[u，v]移動(dòng)時(shí)，移動(dòng)前和移動(dòng)后對(duì)應(yīng)的窗口中的像素點(diǎn)都會(huì)引起比較大的灰度變換，對(duì)于[x，y]平移[u，v]個(gè)單位后，強(qiáng)度變換公式為

其中，w(x，y)是窗口函數(shù)，I(x+u，y+v)是平移后的強(qiáng)度，I(x，y)是原圖像像素。

對(duì)于I(x+u，y+v) -I(x，y)的值，如果是強(qiáng)度恒定的區(qū)域，那么它就接近于零，反之如果強(qiáng)度變化劇烈，E(u，v)值會(huì)非常大，也就是方程右側(cè)的第二項(xiàng)的取值最大。對(duì)公式（1）進(jìn)行泰勒級(jí)數(shù)展開(kāi)，通過(guò)數(shù)學(xué)換算，可得到

利用公式（3）判斷一個(gè)窗口是否包含邊角。

其 中，det(M)=λ1λ2，trace(M)= λ1+λ2，λ1和λ2是M的特征值。

（1）當(dāng)|R|很小，也就是介于λ1和λ2之間，該區(qū)域是平面；

（2）當(dāng)R＜0，也就是當(dāng)λ1?λ2或相反時(shí)，該區(qū)域是邊緣；

（3）當(dāng)R很大，即當(dāng)λ1和λ2都很大并且R介于λ1～λ2之間，該區(qū)域是邊角。

4.2 圖像畸變矯正

在特定場(chǎng)景下，受環(huán)境因素、車速變化等原因的影響，采集到的列車圖像會(huì)發(fā)生畸變，嚴(yán)重影響圖像識(shí)別的準(zhǔn)確性。為此，提出一種基于目標(biāo)檢測(cè)和模板匹配的線陣圖像畸變校正方法，具體算法過(guò)程描述如下：

（1）對(duì)采集的列車圖像數(shù)據(jù)依次進(jìn)行標(biāo)注、數(shù)據(jù)增強(qiáng)和多尺度變換后，利用RetinaNet網(wǎng)絡(luò)完成車輛檢測(cè)模型和柱體檢測(cè)模型的訓(xùn)練；

（2）在采集的圖像中篩選出不同車型模板圖像和待校正的畸變圖像，車型模板圖像應(yīng)清晰完整，沒(méi)有畸變；利用訓(xùn)練好的車型模板圖像對(duì)正常和畸變圖像分別檢測(cè)車廂和車身柱體，在待檢測(cè)的車輛范圍內(nèi)，相鄰柱體之間以及兩側(cè)柱體與車側(cè)之間分別切分為一個(gè)區(qū)域，每張圖像被切分為7個(gè)圖塊；

（3）選定初始截?cái)嗖介L(zhǎng)，從圖像像素點(diǎn)第一列開(kāi)始，分別按列截取待校正圖像和模板圖像，對(duì)截取后的待校正圖像在x方向乘以變化系數(shù)c進(jìn)行resize處理；其中，c取值為設(shè)定的[a，b]（0＜a＜1,b＞1）區(qū)間內(nèi)，以一定步長(zhǎng)截取的各數(shù)值，resize處理采用4×4像素鄰域的雙三次插值，對(duì)待插值的像素點(diǎn)(x，y)，取其附近的4×4鄰域點(diǎn)(xi，yj)，i、j= 0，1，2，3；插值計(jì)算公式為[7-8]

其中，W(x)為插值基函數(shù)，表達(dá)式為

其中，a取值為-0.5。

4.3 高速數(shù)據(jù)處理

對(duì)于干線鐵路，車站每天有大量列車通過(guò)。列車通過(guò)時(shí)，要在非常短的時(shí)間內(nèi)完成大量的車輛運(yùn)行狀態(tài)數(shù)據(jù)的采集和傳輸。為確保這些數(shù)據(jù)快速、穩(wěn)定、安全傳輸和存儲(chǔ)，采用了Kafka消息中間件[9]。

當(dāng)列車通過(guò)檢測(cè)區(qū)域時(shí)，數(shù)據(jù)采集子系統(tǒng)實(shí)時(shí)采集車輛圖像、視頻、車輪踏面溫度、車輛運(yùn)行聲音、車輛限界等數(shù)據(jù)，并將這些數(shù)據(jù)實(shí)時(shí)傳輸給Kafka消息中間件，智能分析子系統(tǒng)從Kafka消息隊(duì)列中讀取前端采集的各類數(shù)據(jù)并進(jìn)行處理，高速數(shù)據(jù)處理過(guò)程如圖6所示。

圖6 高速數(shù)據(jù)處理過(guò)程

Kafka消息中間件具有高吞吐量、低延遲、高并發(fā)、容錯(cuò)性強(qiáng)、穩(wěn)定可靠的特點(diǎn)，能夠在秒級(jí)內(nèi)處理幾十萬(wàn)條消息，延遲只有幾毫秒，且支持?jǐn)?shù)千個(gè)客戶端同時(shí)讀寫(xiě)，獲取的消息被持久化到本地磁盤，支持?jǐn)?shù)據(jù)備份，防止數(shù)據(jù)丟失，具有優(yōu)越的高速數(shù)據(jù) 處理性能。

5 結(jié)束語(yǔ)

為解決鐵路車站傳統(tǒng)人工立崗、外勤接發(fā)列車作業(yè)存在的局限性及安全風(fēng)險(xiǎn)，運(yùn)用圖像識(shí)別、數(shù)據(jù)挖掘、算法分析及系統(tǒng)集成技術(shù)，提出列車在站運(yùn)行狀態(tài)監(jiān)測(cè)系統(tǒng)方案，描述了系統(tǒng)構(gòu)成、邏輯架構(gòu)、工作原理、智能分析數(shù)據(jù)處理流程及主要功能。該系統(tǒng)的應(yīng)用實(shí)現(xiàn)了列車接發(fā)作業(yè)從“人檢”向“機(jī)檢”，“室外”向“室內(nèi)”，“靜態(tài)”向“動(dòng)態(tài)”的轉(zhuǎn)變，實(shí)現(xiàn)了接發(fā)列車作業(yè)智能化管理，有助于提升鐵路車站列車接發(fā)作業(yè)的質(zhì)量、效率及安全保障能力。

目前，該系統(tǒng)已在蘭州局集團(tuán)公司隴南車站上線試運(yùn)行，系統(tǒng)運(yùn)行穩(wěn)定，安全可靠，試用情況良好，驗(yàn)證了系統(tǒng)數(shù)據(jù)采集和處理的準(zhǔn)確性及功能的完備性。下一步，將根據(jù)系統(tǒng)在實(shí)際運(yùn)行過(guò)程中出現(xiàn)的問(wèn)題，對(duì)智能分析算法進(jìn)行深入分析和研究，提升算法的有效性和效率，進(jìn)一步降低各類安全問(wèn)題的誤報(bào)率，持續(xù)優(yōu)化和完善系統(tǒng)。