（通信与信息系统专业论文）同步检测线方法及其在轨道交通中的应用.pdf

摘要 视频检测技术用于轨道交通产生了一个新应用领域。视频检测技术一般多用于公路交通 领域，作为智能交通系统( i t s ) 的一个子系统，视频检测系统用来提取公路交通信息，主 要包括车流量、平均车行速度、排队长度，变道、车辆类型、车牌信息等，在交通管理中发 挥了巨人的作用。相比而言轨道交通中较为保守的技术传统( 这很大程度上是由于对安全 性极度重视的结果) 制约了视频检测技术在该领域的应用，但在轨道交通敛率的提升越来越 依赖于计算机技术的大趋势下，这种状况终将改变。 本文对轨道交通中使用的视频检测技术进行研究，根据轨道上车辆运动的特点提出同步 检测线方法( s d l ) 。根据图像中像素的状态变化同步关系，同步检测线方法首先对视场进 行结构化处理，然后按照检测区域一检测线一象素的二层框架结构来进行检测和计算，最终 提取车辆运动的相关信息。基于同步检测线方法，本文的应用研究集中于两个方面：1 ) 在 平交道口检测火车的运动方向以产生报警信息；2 ) 在编组站对火车视频图像提取动态背景 并对火车运动进行跟踪。在第一个应用方向里，采用了基丁- 同步检测线的光流法来检测火车 运动方向；在第二个应用方向中，使用了基于同步检测线的背景概率模型来进行背景更新和 远动跟踪，并在此跟踪结果的基础上提出了速度测量和车长测量的方法。本文的另一个重要 内容是轨道检测，轨道走向对丁检测轨道车辆运动有特殊的意义，本文在综述了一些道路检 测算法的基础上提山了适应于轨道检测的新算法，该算法是基于h o u g h 变换的。 本文第四、五、六章着重描述火车视频检测系统设计的相关问题，其中第四章阐述了火 车视频检测系统设计的一般性问题，并对火车视频检测系统常碰到的烟尘干扰，幽像晃动和 夜间灯光检测问题进行说明。之后两章分别详细叙述火下视频检测技术的两人应用：平交道 口视频检测辅助报警系统和驼峰测速系统。 关键词：视频检测轨道交通，同步检测线方法，轨道检测，光流法，e m 算法，背景更新 h o u g h 变换，速度测量，车长测量 a b s t r a c t v i d e od e t e c t i o np r o d u c e san e wa p p l i c a t i o na r e ai nr a i lt r a n s p o r t a t i o n g e n e r a l l bv i d e o d e t e c t i o ni s p r o s p e r o u si nt h er o a dt r a n s p o r t a t i o n a sf ls u b - s y s t e mo fi n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m s ( i t s ) ，v i d e o d e t e c t i o n s y s t e m i s e m p l o y e d t oo b t a i nt h ei n f o r m a t i o no f r o a d t r a n s p o r t a t i o n ，i n c l u d i n gv e h i c l ef l o wr a t e ，a v e r a g es p e e d , q u e u el e n g t h ，l a n ec h a n g e s ，v e h i c l e c l a s s i f i c a t i o na n dl i c e n s ei d e n t i f i c a t i o n v j d e od e t e c t i o np l a y sa n i m p o r t a n tr o l e i nt h em a d t r a n s p o r t a t i o nm a n a g e m e n t a sac o m p a r i s o n ，t h er e s e a r c ho fr a i l v i d e od e t e c t i o ni s r a r e ，t h e a p p l i c a t i o ns y s t e mi nr a i li sa l s ol i t t l ek n o w n b u ti nt h et e n d e n c yt h a tt h ec o m p u t e ri sb e c o m i n g t h em a i nt o o li nt h er a i lt r a n s p o r t a t i o nm a n a g e m e n t ，t h es i t u a t i o no f r e s e a r c hw i l lb ec h a n g e d t h i sp a p e re x p l o r e st h ea l g o r i t h m so fr a i lv i d e od e t e c t i o na n dp r o p o s e st h em e t h o do f s y n c h r o n i cd e t e c t i o nl i n e s ( s d l ) s d l s e et h es c e n ea st h es t r u c t u r a li m a g ea ta st h eh i e r a r c h y h a st h r e el a y e r s ：t h ed e t e c t i o nr e g i o nl a y e r t h es y n c h r o n i cd e t e c t i o nl i n el a y e ra n dt h ep i x e ll a y e r , t h e np r o c e s si ta n do b t a i nt h ei n t e r e s ti n f o r m a t i o n t h er e s e a r c ho f t w oa i m sc o m p r i s e dt h i sp a p e r t h ef i r s ti s d e t e c t i n gt h ed i r e c t i o no f m o v e m e n to ft r a i ni nc r o s s r o a da n dt h es e c o n di so b t a i n i n g t h ed y n a m i cb a c k g r o u n da n dt r a c k i n gt h em o v e m e n to ft r a i n i nt h ef i r s ta i mt h eo p t i c a lf l o w b a s e do nt h es d li su s e da n dt h es e c o n da i mt h ep r o b a b i l i s t i cb a c k g r o u n dm o d e lb a s e do ns d li s a d o p t e d a n o t h e ri m p o r t a n tc o n t e n ti nt h i sp a p e ri s r a i ld e t e c t i o n t h em uk e e p st h ei m p o r t a n t i n f o r m a t i o na b o u tt h em o v e m e n to ft r a i na n dt h es d l t h i sp a p e rg i v e san e wm e t h o dt oo b t a i n t h ei n f o r m a t i o no f r a i lb a s e do nt h eh o u g ht r a n s f o r m a t i o n t h ec h a p t e rf o u r , f i v ea n ds i xi n v o l v et h ed e s i g no fr a i lv i d e od e t e c t i o ns y s t e m t h ec h a p t e r f o u ra c c o u n t sf o rt h ec o m m o nc o n t e n t so f a p p l i c a t i o ns y s t e m ，a n db r i e f l yn a r r a t e st h ed e c i s i o no f s m o gd i s t u r b i n g ，i m a g es h a k ea n dl i g h td e t e c t i o na tn i g h t t h ef o l l o w i n gt w oc h a p t e r sd i s c u s st w o a p p l i c a t i o ns y s t e m s ：v i d e od e t e c t i o n a s s i s t a n tw a r n i n gs y s t e ma n d s p e e d m e a s u r e m e n t s y s t e m k e yw o r d s ：v i d e op r o c e s s i n g ，r a i lt r a n s p o r t a t i o n ，s y n c h r o n i cd e t e c t i o nl i n e s ，r a i ld e t e c t i o n ， o p t i c a lf l o w , e ma l g o r i t h m ，b a c k g r o u n du p d a t i n g ，h o u g ht r a n s f o r m a t i o n ，s p e e dm e a s u r e m e n t , c a r r i a g el e n g t hm e a s u r e m e n t 浙江大学博士学位论文 第一章绪论 第一章绪论 视频检测技术用于交通系统是两个方面因素同时发展共同作用的结果。首先，交通系统 是现代社会的一个非常重要组成部分，随着经济的发展，社会对交通的需求量越来越大。当 意识到单纯依靠扩大道路面积不可能满足交通需求的增睦之后，人们转而求助丁- 现代科技手 段来改善交通系统的智能性，以期提高交通效率。其次，随着计算机技术和光学传感器技术 的不断进展，视频方式以其直观、携带信息多而成为越来越重要的信息储存、传输和处理方 式，视频技术的实际应用也越来越广泛。由此，在交通领域出现了利用视频检测技术来提取 交通信息的应用系统。 人们对利用视频方法检测公路目标进行了大量的研究，提出了许多算法及其相应的实用 系统，这些视频检测系统都在交通信息采集、交通控制和智能驾驶等方面发挥了巨大的作用。 视频检测技术本质上是以计算机视觉技术为依托的，近年来图像和视频处理研究方面取得的 进展为其应用领域的拓展提供了坚实的算法基础。在实际应用中，视频检测系统往往不是作 为一个孤立的信息采集系统而存在的，在公路交通中，公路视频检测系统往往是作为智能交 通系统( i n t e l l i g e mt r a n s p o r t a t i o ns y s t e m s ，i t s ) 的一个子系统而存在。本文讨论的是在轨 道交通系统中利用视频的方法检测和获取信息，与公路的情况类似，其视频检测系统也可以 看作是智能铁路( 轨道) 系统( i n t e l l i g e n t r a i ls y s t e m ， i r s ) 1 1 1 的一个子系统。 1 1 轨道交通的信号系统 轨道交通的信号系统主要是指铁路信号系统。铁路信号系统是铁路信号、联锁、闭塞设 备的总称，是由各类信号显示、轨道电路、道岔转辙装置等主体设备及其他有关附属设施构 成的一个完整的体系。轨道交通真正走上历史舞台的标志是1 8 3 0 年在英国曼彻斯特和利物 浦之间开通第一列铁路旅客列车。从此，轨道交通开始深刻地改变了人们的日常生活，比如， 标准时区即因此而创建翻。此后，人们发明了一系列的铁路信号设备来改善安全状况和适应 不断增长的铁路交通需求。1 8 4 1 年，新发明不久的电报技术( 1 8 3 7 年) 被用来在北米德兰 ( n o r t h m i d l a n d ) 铁路上管理隧道的通行，防止一辆以上的列车同时进入隧道：固定闭塞信 号( f i x e db l o c ks i g n a l i n g ) 也开始使用以防止两列列车相撞t 1 8 5 6 年发明的联锁设备 ( i n t e r l o c k d e v i c e ) 保证了路线的设置和安全性；用来检测列车位置的轨道环路法发明于 l 浙江大学博士学位论文 第一章绪论 1 8 7 2 年：至此，铁路信号系统中信号、闭塞和联锁三人信号设备发明完毕。虽然在以后的 漫长岁月里这些设备有所改进，但现有信号系统的基本技术在十九世纪时就已确立。 铁路信号系统是最成熟也是最为保守的丁程技术领域之一，也是经济、安全地进行客运 和货运的保证。在过去的1 5 0 年里，为追求绝对安全，性价比和整个生命周期成本基本上一 直被置于次要地位。事故压力及痛苦经历下的经验教训是促使信号技术得以如此发展的主要 原因。在某些方面，今天依然如此，因为信号系统是列车运营的安全保障。与此同时，信号 系统对于铁路运输增长的贡献也正与日俱增，而这一切都离不开信号技术的进步。铁路运营 商在系统能力、可靠性、性能以及客户满意度方面需求的提高也正日益将铁路信号行业推向 崭新的未来。1 4 1 在人类进入信息社会的今天，在信息技术渗透入社会方方面面的时候，铁路 信号技术领域引入计算机技术来改善管理和提高生产率是大势所趋。 1 2 智能铁路系统 轨道交通的信号技术与信息技术的一个结合点是智能铁路系统。与智能交通系统 ( i n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m ，i t s ) 相比智能铁路系统( i n t e l l i g e n t r a i l w a ys y s t e m i r s ) 的研究工作开始得稍晚，在智能铁路交通中三大技术的作用分别为： 一 控制技术：主要包含火车控制，点控制，水平交叉道口控制，车站控制等，当前 主要的研究方向为动态交通流控制技术； 二 通信技术；主要使用在火车间通信，火车和地面设备的通信及地面设备之间的通 信，当前主要的研究方向为扩频通信的应用等； 三 数据采集技术：主要用于获取火车位置，检测前方的障碍物，确定车站位置，检 测汽车一火车交叉道口的情况等，当前主要的研究方向为机器视觉技术和毫米波 雷达应用。1 1 1 日本是在智能铁路研究中较领先的国家，其先进火车管理和通信系统( a t a c s ， a d v a n c e d t r a i n a d m i n i s t r a t i o na n d c o m m u n i c a t i o ns y s t e m ，a t a c s ) 已经在东日本铁道公司投 入使用，该系统将最新的移动通信技术和计算机技术引入铁路控制管理系统( r a i l w a y c o n t r o ls y s t e m ，r c s ) ，较好地实现了精简道边设备、修理弹性化、降低维护费用和提高安 全性等目标。a t a c s 系统概貌如图1 1 所示。1 2 4 a t a c s 系统采用了一些先进的信号技术， 比如采用和里程仪、无线电发射应答器及现代移动通信技术取代了沿用一百多年的闭路法检 测火车的运行位置：列车运行的位置由里程仪确定，里程仪积累误差的消除依靠与路边的无 2 浙江大学博十学位论文 第一章绪论 线电发射应答器通信，列车的位置信息利用现代移动通信技术通过无线方式发送给控制中 心。儿2 4 i 图1i ：a t a c s 概貌 国内一般将智能铁路系统( i r s ) 称为铁路智能交通系统( r a i w a yi n t e l l i g e n t t r a n s p o r t a t i o ns y t e m ，r i t s ) 。中国的铁路交通在交通运输中一直占有举足轻重的作用，特 别在当前，经济高速的发展要求铁路实现高速、高运输量、高安全性和高质量服务，为了满 足经济发展的需要，铁路系统采用了一系列的现代化智能系统，主要有：片l 于改善运行管理 和服务得t m i s 系统( t r a n s p o r t a t i o nm a n a g e m e n ti n f o r m a t i o ns y s t e m ) ：利用计算机来处理铁 路售票工作的d m i s 系统( d i s p a t c hm a n a g e m e n ti n f o r m a t i o ns y s t e m ) ，该系统覆盖整个中国 铁路网；计算机互锁安全导向系统( s a f e t y - - o r i e n t e dc o m p u t e r i z e di n t e r l o c ks y s t e m ) ；自动 火车监视系统( a u t o m a t i ct r a i ns u p e r v i s i o ns y s t e m ，a t s ) 和自动阻塞系统( a u t o m a t i c b l o c k i n gs y s t e m ) 。口珂 1 3 视频检测方法 公路交通领域中，视频检测技术在信息采集和智能驾驶方面得到了广泛的应用。有许多 系统成功应用于辅助驾驶和为自动驾驶提供安全警告，这些系统的技术基础就是计算机视觉 的道路检测算法：而且，许多车辆运动信息的提取都是通过对图像序列中运动目标的动态跟 踪实现的，比如有文献提出利用基于颜色直方图特征和连续m o n t ec a i r o 框架的视频检测算 法来进行实时车辆跟踪。p 视频检测技术来源于计算机视觉理论，它廊用视频处理的理论 和算法从视频中提取信息，视频检测的研究对象是图像序列而非单独的静态图像。视频检测 浙江大学博十学位论文 第一章绪论 技术可以看成两方面技术的综合：对每幅图像的处理方法和对图像间关系的考虑。前者包含 在图像处理范围之内，所以视频检测技术涵盖了更广泛的研究范围。而计算机视觉理论的基 础和核心是视觉计算理论，所以以下从视觉计算基本理论出发，然后通过对视频检测基本框 架的描述来对视频检测技术进行说明。除此之外，在后面章节中，还涉及视频检测中两个独 立主题：光流法和背景维护算法。 1 3 1 视觉计算的基本理论 视觉计算就是利用计算机来模拟生物外显或宏观视觉功能的方法和技术。其目标是从场 景的二维投影中提取有用信息来创建真实世界的模型。f ”主流的视觉计算理论是d a v i dm a r t 提出的视觉计算理论，其他对计算机视觉模型研究有较大影响的还有b a r r o w 和t e n e n b a u m 的模型，b a l l a r d 和b r o w n 的模型。 3 1 1 b a r r o w 计算模型从系统的输入输出的角度来考虑视觉计算模型，该理论认为视觉是一 种信息加工过程，有完全确定的输入和输出。输入是三维景物经成像系统记录下的一幅幅图 像，可以取自不同波段或取自多个观察点，输出是对记录在图中的三维景物所作的简明描述。 单从图像的亮度信息得至输出是不可能的，还必须依靠其他先验知识，也就是景物模型、照 明模型和传感模型或成像过程。 b a l l a r d 和b r o w n 认为视觉理解是把输入及其隐含结构同我们对客观世界的内部表示形 式中已存在的显式结构联系起来。视觉操作必须维护和更新关于世界的信息和达到具体的目 标。b a l l a r d 计算模型是一种松散的分级结构，包括了对视觉信息的各种表示形式的庞大知 识库和对知识库的相互处理。t 6 4 1 m a n 理论概括了计算机科学、心理生理学和神经生理学等方面己取得的所有重要成果， 是视觉研究中迄今为止最完善的视觉理论体系。p 7 1 该理论认为，视觉作为_ 一个信息处理系 统，应该分成三个研究层次：1 ) 计算理论层。计算理论层要指出信息处理过程的目标和实 现原理的轮廓，具体包括定义输入和输出及输出输入间的约束关系。2 ) 算法层。算法层必 须指出一个信息处理过程是怎样被执行的，给出输入和输出表示方法的细节，并给出输入输 出间变换的规则集。3 ) 实现层。实现层要说明具体算法的物理实现。 三层研究中，最重要的是计算理论层，该层对其他两层的实现具有指导意义，是整个视 觉计算理论的核心部分。但该层的进展取决与对视觉形成机制的深入研究和理解，目前在哲 学观点和研究理论方面仍有较多争议。视频检测系统关心的主要是算法层的具体实现。在这 4 浙江大学博士学位论文 第一章绪论 一层面上，m a r t 理论提出了三个表示步骤的观点，即：1 ) 图像中诸如角点、边缘、纹理、 线条、边界等基本特征表示( p d m i t i v e s ) ；2 ) 在以观测者为中心的坐标系中，表示可见表 面的方向、深度和不连续的轮廓( 2 5 d ) ：3 ) 在以物体为中心的坐标系中表示出三维物体 ( 3 d ) 。m a n 理论的三个表示步骤以最终实现三维重构为目的，在实践应_ 蚪j 中，这一点实现 较为困难，而且其必要性和可实现性也引起较多的争议。对于视频检测系统，对前两个层次 的部分实现即可实现所需信息的获得，所以本文只在前两个步骤的框架内讨论问题而不涉及 三维重建的问题。 1 3 2 视频检测的基本算法模型 视频检测算法的基本算法模型通常如图1 2 所示，从m a r r 理论的角度米分析，静态的 图像分割环节和之后进行的建立两帧之间关联环节分别对应中算法层的前两个步骤，即底层 的表示步骤1 和中层的表示步骤2 。它们构成视频检测系统最重要的两个环节，返两个层次 算法设计的优劣直接决定了获取信息的成功与否，对视频检测系统的研究主要就是针对这两 个层次展开的。以下对整个视频检测系统算法模型各个环节分述之。 图1 2 视频检测系统的基本算法模型 a 预处理 一般来说，成像系统形成的图像( 即原始图像) 由于受种种条件限制和各种噪声的干扰， 往往不能直接在视觉系统中使用，而必须在视觉系统的早期阶段对原始图像进行灰度矫正、 噪声过滤等图像预处理。2 7 1 对于视频检测系统来说，预处理的主要任务除了过滤噪声外， 就是消除视场晃动的影响。 相对于噪声干扰而言，摄像机振动可能对视频图像质量没有什么影响，但引起的视场晃 动对展终检测结果的影响非常严重。一般来说，产生振动原因是交通视频检测系统常常安置 浙扛大学博十学位论文 第一章绪论 在车辆来往的道路附近，而迅速驶过的车辆正是主要振源，特别是当摄像机安置较高时这 种振动尤为强烈。严重的视场晃动会强烈地影响对运动目标的位置判断，在使_ l j 背景实时更 新的时候还会劣化背景，由于有些背景算法具有积累效应，因此即使是轻微晃动，长期积累 也会导致背景偏移，进而导致检测系统失效。事先仔细考虑摄像机的安装位置可以有效地削 减振动的影响，另外，当振动影响检测时可以考虑使用一个预匹配算法来自动识别和消除晃 动，为了减少预匹配的工作量，可以考虑设置振动检测区，采用一个振动检测策略来进行识 别。在振动不剧烈的情况下，一般不进行图像帧的重匹配，而是跳过振动帧，不对其施加预 置检测算法，而对下一个无振动或少振动的图像帧进行处理，这样做的优点是消耗的计算量 较少。 b 图像分割 图像分割是指将数字图像划分成互相不交叠的区域( r e g i o n ) ，这里的区域是象素在集 合论意义上的连通集。使用图像分割可以将图像中感兴趣的对象同其存在环境分离开来，在 图像分析和理解过程中具有重要的意义。对图像分割的研究具有长久的历史，从6 0 年代开 始人们就对图像分割进行了大量的研究，已提出了上千种针对各种具体应用的分割算法口， 按其方法论的不同可分为两类：基于图像的不连续性和基于图像的相似性。 不连续性指的是基于亮度的不连续变化来分割图像，在视频处理应用中，又可分为基于 单i 帧的目标分割和基于多帧的目标分割。对单帧图像的分割中，不连续性指的是相邻象素亮 度变化的突变情况，此时，其算法主要是先采取各种边缘检测算法进行边缘检测，然后再利 用边缘连接和边界检测技术对图像进行l 夏域分割。在基于多帧的目标分割，不连续性则表现 为某一象素点及其邻域的亮度变化在时间上的不连续性。此时考虑的方法则为帧差法和背景 法。相比较而言，由于图像序列能够提供更多的分割信息，一般来说基丁多帧的分割效果较 好。由于在动态图像序列中，给定象素点的亮度突变常常是前景运动的结果，因此帧差法和 背景法在视频处理中都是极为重要的，关于这两种方法的详细叙述见第三章中。 相似性指的是某一区域内的象素点在给定准则的意义上来说，其邻域的亮度分布是类似 的，这类算法主要包括门限处理、区域生长、区域分离和聚合等。门限处理的基本方法是使 用门限值对图像进行亮度分类；而区域生跃的方法不但利用了象素的亮度特征，而且考虑了 象素间的位置关系。与上述两类方法相比，区域分离和聚合技术的出发点完全不同，它从已 存在的区域划分起步，考虑对其的调整。根据事先确定的谓词逻辑判断准则来分割和合并区 域。在没有先验知识的情况下，可考虑将图像分割成大小相等不重叠的矩形区域，然后考虑 在多个尺度上区域的分割和合并问题，在视频检测中，由于当前处理帧的分割结果可以作为 6 浙江大学博士学位论文 第一章绪论 紧接着的处理帧的先验知识，所以对运动目标的分割可以以前帧轮廓为基础进行区域的分割 和合并，这样做不但可以大大提高区域修正的效率，而且提取出的经过修饰的区域也承载了 较多的运动信息。由于区域分离和聚合技术的优点，它常常被用来处理前后帧差分图或帧一 背景差分图，以得到较好的目标轮廓。 c 帧间关联 帧间关联泛指针对前后帧关系的算法处理。它包括变化检测、基于运动的分割、光流及 跟踪等。 9 1 利用帧间关联提取信息的方法可以独立于图像分割步骤，实际上，将运动物体从 背景中分割出来的关键是背景维护算法，而所有的背景维护算法都是基于前帧综合效应的， 前帧综合效应指的是在确定当前背景构成的时候，需要考虑本帧之前的定范国内的图像帧 数据中的象素变化情况。 检测象素变化一个虽基本的方法就是前后帧差分。如果前后帧之间对应位置象素值稳 定，得到的差值非常小，而象素值变化大的部分在差分图中被凸现出来。如果前后帧中包含 了运动物体，那么运动就会造成前后帧中对应位置的象素值的变化，则差分图中就显示了部 分运动物体的轮廓和位置信息，通常只要通过对差分结果的直方图统计取得某个自适应域值 r ，就可以依式( 1 1 ) 就可以将图像分割静止部分( 背景) 和运动部分( i i 标) ： d p x ，y ) ：1 矿i f ( 。，y ，) 一f ( x ，) i f(11)ji( y , k ，t 力2 引。淼p 二，1 n j ) 其中，f ( x ，y ，_ ，) 和f ( x ，y ，七) 分别是第j 和第k 帧图像在位置( x ，y ) 处的象素值，o p a x ，y ) 为这两帧图像在位置( x ，y ) 处的差分值。1 9 1 差分算法计算简单，运行速度很快且效果显著， 在许多实际应用中是一个重要的算法步骤。但差分算法对象素值较单一的物体或速度较慢的 运动目标检测效果不明显。 与单幅图像进行分割相比，i 跌间关联带来的额外信息有助于改善图像分割的效果，根据 其应用的场合不同可分为两类：一类是基于静摄像机系统的，其任务是将场景中的运动目标 ( 运动变化部分) 从背景( 静止部分) 中分离出来，由于静止部分在图像中体现为象素值的 不变性( 只包含微小涨落) ，而运动变化部分的象素值变化剧烈，所以在这类情况下运动目 标的提取较为容易，静摄像机系统广泛应用于各种视频检测场合。第二类是基于动摄像机系 统的，为了对图像进行运动目标一背景分割，首先要剔出由于摄像机运动产生的场景运动因 素，即在图像有平面运动( i m a g ep l a n em o t i o n ) 的情况下分割出场景中的运动物体。由于 在动摄像机的情况f ，背景运动的情况和背景到摄像机的距离有关，而日与背景表面结构相 浙江大学博士学位论文 第一章绪论 联系，这使得辨别背景的平砸运动和目标的运动成为一个十分复杂的问题。动摄像机系统一 般使用在机器人的视觉研究方面。 利用帧间关联进行的另一个重要工作就是目标跟踪( o b j e c t t r a c k i n g ) 。目标跟踪要解决 的基本问题是寻找本帧中抽取的目标在后续帧中的定位。基于效率和准确性的考虑，目标跟 踪往往不是对整个目标区域的后续定位而是对目标的一些特征子区域的特征跟踪定位。对于 已知一个目标实体的定位较为简单。较复杂的情形是对多个目标实体的定位，此时，跟踪不 但要解决特征跟踪定位的问题，而且要面对特征点集如何划分为不同实体区域和目标实体集 合内元素变化的问题。为此，根据对人类认知心理的研究和模仿提出了一些算法， 1 0 l 为了 保证跟踪的可靠性还可以采用k a l m a n 新息对跟踪结果进行筛选。目标跟踪中最基本的研究 依据是三个不变性假设。由实际物理世界中物体3 d 运动的光滑性假设可以推出其二维投影 运动的光滑性，再由此，可以得出目标跟踪的三个不变假设：1 9 给定点的位置在连续两i 帧间将相对保持不变： 给定点的速度在连续两帧间将相对保持不变； 给定点的运动方向在连续两帧间将相对保持不变。 d 后续处理和提取信息 后续处理是个信息综合与细化的步骤。进行完图像分割和前后帧关联后可以得到关于图 像信息的初步结果，由于具体应用不同，所关心的信息也有所不同，所以采用什么样的后续 处理由所提取的信息类型决定。此外，为了提高获取信息的准确性，往往利用前次检测提取 的信息对当前的信息可信度进行估计或对当前的信息提取结果进行修正，比如利用k a l m a n 滤波等方法。 1 3 3 视频数据的采集 由于计算机只能处理数字信号，而一般来说摄像机传送出来的是模拟信号，所以在视频 数据被计算机处理前要进行模一数转换，执行模一数转换功能一般在图像采集 中进行，图 像采集卡接收从摄像机传来的模拟信号，而通过驱动程序向计算机系统有序的传递帧数据， 图像数据采集和处理的基本系统见图1 3 。 8 浙江大学博士学位论文 第一章绪论 r 一一一一一一一一一一一一一一 ：操作系统 一一 i 一堂坠上一堡壁苎j 图1 3 图像数据采集和处理 一般可通过视频播放软件逐帧回故图像数据。在具体的视频检测应用中，为了将视频数 据传送到算法处理系统中，还要求视频采集卡支持具有二次开发功能的a p l 函数集， a p i 函数集一般来说采用w n d o w s 系统标准的v m 3 2 库( 州o w s 9 8 以上) ，有些公司也自己 开发与操作系统相兼容的开发函数集。不论采用哪种方法，相关函数集的主要功能都可以分 为以下六大类：f 3 “初始化函和反初始化函数、设置视频窗口属性的函数、设置视频属性的 函数、数据流函数、日期和时间的显示和设置函数和通道切换函数。此外，函数集一般还支 持视频压缩函数和视频文件存储函数，但由于视频资料的压缩和存储要消耗大量的计算，而 且数据压缩与算法处理要求的帧图像数据矩阵相矛盾，因此，为了确保实时检测的运算速度， 一般不将该功能同时在视频检测系统中实现，而将其由其他硬件设备，计算机来专门实现。 但需要注意的是，存盘功能对于视频检测系统的研究开发具有重要的现实意义：在研究项目 开始阶段进行视频处理算法研究时和后来进行算法调试时，一般不在现场进行实时检测实 验，而是利用存盘程序采集实验数据( 视频文件) 来进行反复的运算和处理，供箨类算法比 较和优化之用。特别是在算法调试阶段，在对算法的某些处理特征进行重现时更需要用到视 频文件。基于此，本文在斤面论及应用系统设计时提出了一个调试检测两用系统框架，用来 解决实时处理和视频算法研究的算法一致性问题。 1 4 视频检测用于轨道交通 视频检测技术在轨道交通方面的应用与公路方面相比，基本上处于起步阶段，论述这方 面的文献资料也较少。其中m i t 的d e m i r 和m a s a k j 等人( 2 0 0 4 年) 提出将机器视觉和图 像压缩技术作为智能铁路系统的两项关键组成技术”。但研究工作实际上人多集中在后者而 9 j i j i 江大学博十学位论文 第一章绪论 忽略了前者。即侧重于对监控、视频流的压缩和视频信号传输问题的研究而忽略了对机器视 觉方面应用的研究。 对u 丁- 视频压缩和传输问题，文献f 】2 3 】介绍了英国h i f l i r t s ( h 塘bi n t e g r i t yd a t a c o m m u n i c a t i o n s f o r l i g h tr a i l t r a n s p o r ts y s t e m s ) 系统，该系统在车厢内设置车内乘客：n i 功a ( o n t r a i np a s s e n g e rh e l pp o i n t ) 来提高旅客乘车的安全性，车内乘客帮助点安装了视频和音频通 信设备，使乘客在紧急情况下可以与驾驶控制室进行通信：文献 1 2 4 1 则i t 论h f l i r t s 系统 中将监视轻轨车厢内场景的压缩视频图像通过g s m 方式传送的问题；文献 1 2 5 进一步研究 了基于g p r s 的远程视频监视技术，并讨论了铁路专用网、无线移动网和i n t e m e t 的互联互 通的问题；文献1 _ 1 2 6 提出在轻轨方面使用m p e g - 2 和a t m 技术来传输数字图像的可行方案： 文献 1 2 7 1 对基于网络的铁路运输安全视频监视系统进行了研究，提出实际系统的具体解决 方案；文献 5 】则深入探索了分布式监控系统的研究与开发问题。其他视频技术的应用还包 括利用视频资料来辅助分析碰撞测试中车厢与车头相互作用情况等。 ”8 1 作为机器视觉的一个重要应用技术，视频检测技术在轨道交通中的应用也越来越引起人 们的重视。d e m i r 和m a s a k i 等人指出，具体的视频检损5 应用可以在以下三个方面进行： 一在公路一铁路水平交叉道口检测障碍物； 二在车站检测跌落月台的人或物： 三，在铁轨分叉处检测是否有其他火车通过。i l l 视频检测技术亦可同视频传输技术结合来构建远程视频数据采集与检测报警系统，图 1 1 ”愠示了这样一个系统的结构示意图。 德国德累斯顿( d r e s d e n ) 的f r a u n h o f e r 交通基础系统研究所提出了一个检测轨道上物 体的立体视觉方案。f 6 】该方案利用安装在列车头尾两端的两套( 四台) 摄像机采集图像信息， 然后使用一个障碍检测算法来获取轨道上障碍物的距离信息。图1 2 给出系统示意图，图1 3 给出系统结构图。 1 0 浙江大学博十学位论文 第一章绪论 tk 叫曲a tm t s o up l | f b 嘲 ts w 虹c h l n gp o l n 也 t ：h 一口血c b r 图1 1 智能铁路系统中的远程数据采集和检测系统 s i 巾r v 嘲o ns i p 静讽喃 s 醴 刚幻n 2 图1 2 两套体视摄像机检测轨道上的物体【6 】 ，一。h 矬1 一引 一一oo ： 盛b 卣1 值霍訇 l 州 i 州1 ，t n0 哪，l m ll h l 叫釜美卜一 广h ；籀甜 图1 3 系统结构图f 6 l 文献 7 提出了一种用于轨道检查的视觉检测技术，用来检测连接轨道和枕木的紧同螺 钌是否完好无损。该方法将摄像机安装于火车下部，然后用摄取的图像与利用小波变换和基 1 l 浙江人学博士学位论文 第一章绪论 e 静b o d y l 翟瓦礴 、， 、 ，4 套 4；， 、 ， 圈1 4e n s c o 轨道视频检查系统 本组件分析处理过的预存 图像进行比较，最而根据 比较情况得到对轨道组件 的评估结果。与文献【7 相 类似文献 1 2 9 提出另外 一种轨道安全维护的视频 检测应用，即利用g a b o r 滤波器来检测铁轨起皱： 先利用备级g a b o r 滤波器 对原始图像进行卷积处理，然后提取处理矩阵中的纹理特征，最后通过纹理分类的方法来判 断铁轨是否起皱。以上两文献涉及的问题可以归结为同一类应用问题，这类问题的研究思路 是如何利用视频检测的手段来实现高效率的轨道维护工作，对这类应用问题的研究促使了轨 道视频检查系统( t v i s ) 的产生。t v i s 有望改善的轨道维护工作包括：扣件是否完好，枕 轨有无断裂，钢轨是否有擦伤，剥离掉块或折断，道床有无翻浆冒泥，路基是否有影响行车 安全的较大沉陷等。i 1e n s c o 公司推出实用产品v i s 系统可以看作1 v i s 实现的第一 步，但它功能有限，只实现了自动检测p a n d k a l 扣件是否正常的功能。e n s c o 轨道检查 系统如图1 4 所示。1 1 3 ) 实际上对轨道相关工作采用视频手段还有丰富的内涵可以挖掘，而 轨道设各的安全性检测也可以被集成到一个更大的视频信息体系中去。比如文献 1 3 2 研究 将摄像获取的视频数据和g p s 卫星定位设备获取的数据进行处理、配准，形象、准确地实 现视频影像与铁路工务线路设备综合同步显示，为运输生产指挥及事故救援提供详尽的资 料。e n s c o 公司为a m t r a k st r a c ki n s p e c t i o np r o g r a m 计划推出的r a i l v i s i o n 系统是上述轨 道视频信息体系的一个完整解决方案。图1 5c a ) 显示了该系统的软件界面图1 5 ( b ) 显 示了e n s c o 的w a y s i d em a p p i n gs y s t e m 采集到的轨道附近场景。r a i l v i s i o n 系统具有以下 些关键特征：1 1 3 1 ) 1 高速状态下的自动视频轨道检查； 2 高解析度高质量的图像( 路边场景、轨道结构和路基) 3 视频资料保存； 4 g p s 辅助轨道视频定位： 浙江大学博十学位论文 第一章绪论 ( a ) 图1 ，5e n s c o 轨道视频信息体系 ( b ) 另一类轨道交通中研究较多的视频检测应用场合是站台，这方面视频检测关注的主要信 息有：客流量、人群中的异常情况及旅客安全状况等。文献 1 3 3 】提出一个神经网络视觉系 统用来在地铁车站检测人群密度( c r o w dd e n s i t y ) ，其检测算法结构如图16 所示。l ”3 】该算 法首先从图像序列中分割出前景目标( 人群) 然后通过从中提取特征，被提取的特征通过 一个神经网络进行建模，最后通过神经网络来估计出人群的拥挤程度。 图1 6 算法结构图 文献【1 3 4 】则提出了一种在地铁、城轨和铁路车站等处复杂背景f 流动人群数目识别的 快速算法，该方法首先综合帧差法和背景法来检测图像序列中的人群区域，然后利用前景面 积与图像有效面积的比例关系来估测人群中的人数。 1 3 浙江大学博士学位论文 第一章绪论 1 5 轨道交通中视频检测技术的综合性能评估 如上节所述，文献上查到的视频技术应用于轨道交通的情况可以总结如图1 7 所示。 图1 7 文献中视频技术在轨道交通上的应用 总体而言，轨道交通中视频检测技术的应用属于较新的研究领域，而视频解决方案具有 其他系统不具有的优越性：首先，由于计算机技术和图像采集设备制造技术的进步，计算机 和摄像机在性能提高的同时，价格却呈下降趋势，与传统铁路传感器相比，视频检测系统成 本更低；其次，可以利用较少的摄像机管理较多的并行轨道，可以节省大量的价格昂贵的轨 道传感器，轨道越密集的地方( 车站、编组站等) 视频方案体现出的经济性越好：再次，采 用视频方案不必在轨道区域进行大量施工和布线，对铁路日常运营的影响很小：而且如果需 要升级和添加新的检测功能一般只需改变软件系统即可：另外，对摄像机和计算机的维护成 本较低，传统的维护工作不但成本较高，而且由于需要在轨道边工作，增加了维护人员的危 险性，比较而言，视频检测系统的设备基本都离轨道区域有一定距离，维护人员的作业安全 性得到改善。最后摄像机传回的图像除了供检测之用外，还可以进行实时观察，也可毗储存 起来为作业评估和分析提供历史数据。视频检测系统的缺点主要是检测系统的可靠性有待提 高，而且系统对光照条件较为敏感。 1 6 本文的研究目标与解决方案 本文的研究目标是轨道交通中机车运动的视频检测算法。为此，本文首先提出了个基 本检测原理：同步检测线方法。围绕着同步检测线方法，本文提出了解决轨道检测、机车运 1 4 浙江大学博士学位论文 第一章绪论 动方向检测、背景更新和目标跟踪的新算法，具体列举如f ： 1 )轨道检测：在与道路检测算法进行比较盼基础上，指出如果将其直接用于轨道检测 会出现的问题，然后提出了基于h o u g h 变换的适应于轨道检测的优化算法； 2 )机车运动方向检测：在叙述了各种光流法的基础上，提出利用光流法来检测运动机 车的光流场，然后根据光流计算结果采用同步检测线方法来确定机车的实际运动方向： 3 )背景更新和目标跟踪：在叙述了各种背景更新方法的基础上，提出基于检测线方法 的背景概率模型用于视频检测背景的维护，同时利用检测线的状态来对机车的运动位置 进行跟踪。 在本文的最后，介绍了本文提出方法的两个具体应用实例，这两个应用系统分别是：平 交道口视频检测辅助报警系统