基于智能视频分析摄像机的轨道异物检测

【摘 要】在铁路运输系统中，安全运行是确保列车平稳、不间断运行的基础。在线监测轨道间异物技术为驾驶员提供减速信息，并对行车安全具有重要意义。本文提出采用智能视频分析摄像机对轨道异物检测技术，通过主动检测方式智能识别入侵物体，并发出报警给机车司机。实验证明，该方法能有效地检测出轨道间的异物。

【关键词】智能视频分析技术 摄像机 异物检测

1 引言

在铁路运输系统中，轨道异物入侵影响到正常行车安全的障碍物，如桥梁隧道掉落的悬挂物、因报警失误仍滞留在道上作业的工务人员、非法上道的人畜车辆（尤其在我局的临策线上）。

由于普通列车行车速度较快，单靠司机的视觉和常规检测方法来进行异物识别，难以保证行车安全。目前，铁路异物入侵检测分为主动检测和被动检测两种方法。主动检测是指向需检测的方位发出某种探测信号，通过传感器反射回来的信号检测障碍物。这种方法是侵犯式检测，但是检测的空间覆盖率有限。本文应用车载移动的方式安装智能视频分析摄像机，通过主动检测方法，研究铁路行车视频图像中的异物分割，检测前方异物并报警。

2 系统的详细设计

2.1系统的工作原理

系统主要由车载式智能视频分析摄像机、传感器、报警装置等构成。工作原理如下：首先需向检测的方位发出探测信号，有快速、准确的Hough变化检测出铁轨，划定检测范围，将检测信息传输至智能视频分析摄像机中的分析模块，如有异物将发生报警，提供信息给列车司机，该方法能有效的检测出列车运行前方异物的入侵。本文设计了图1所示的检测流程来完成轨道异物检测。

图1 异物检测流程图

2.2系统模块设计

系统主要有图像采集单元、智能视频分析模块和报警模块三部分构成。

图像采集单元的功能主要是完成图像采集、分解以及光电信号转换的器件，并通过摄相机图像采集原理实现。

智能视频分析模块的功能主要通过在不同摄像机的场景中预设不同的报警规则，一旦目标在场景中出现了违反预定义规则的行为，系统会自动发出报警，监控工作站自动弹出报警信息并发出警示音。该模块是基于计算机图像视觉分析技术，采用嵌入式处理器，通过算法将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的目标。

报警模块的主要功能是为了防止或预防某事件发生所造成的后果，以声音、光、气压等形式来提醒或警示人们应当采取某种行动的电子产品。模块主要依靠系统设置的报警规则触发报警装置实。

3 基于Hough变换的铁轨检测

由于研究的目标移动中轨道间的异物，所以在图像中首先用快速、准确的Hough变换检测出铁轨，再以铁轨图像为工作窗口检测并分割出异物。

3.1 Hough变换

其原理是利用图像空间和Hough参数空间的点-线对偶性，把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线。

霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。最基本的霍夫变换是从黑白图像中检测直线（线段）。已知一黑白图像上画了一条直线，要求出这条直线所在的位置。我们知道，直线的方程可以用y=k*x+b 来表示，其中k和b是参数，分别是斜率和截距。过某一点（x0，y0）的所有直线的参数都会满足方程y0=kx0+b。即点（x0，y0）确定了一族直线。方程y0=kx0+b在参数k--b平面上是一条直线，（你也可以是方程b=-x0*k+y0对应的直线）。这样，图像x--y平面上的一个前景像素点就对应到参数平面上的一条直线。其Hought变化检测MATLAB代码为：

function Img_hough = hough_s（Img， bw） %该函数实现hough变换提取直线的功能；%输入图像x，运行之后直接画出直线；%选择进行Hough变换的图像行；%Img为原图像；bw为边缘图像。

[H，W，D]=size（Img）；%求出图像大小；

md=ceil（（N+round（sqrt（M^2+N^2）））/drho）；%确定网格的最大区域；

coordrhotheta{rho+1，k}=[coordrhotheta{rho+1，k}；[i，j]]； %记录hough变换值相应位置对应的点的坐标。

3.2 铁轨Hough变换检测

将列车运行区间分割成N个短距离的直线，同时，假设在铁路上采集的视频图像中，轨道的两条直线长度与轨道旁其它参照物的直线距离最长。通过Hough变换的性质选出两个峰值点，该两点在K-B坐标系中的值分别为对应的两条轨道直线方程的参数，即给出了铁轨的直线方程。

为了提高铁轨检测的速度，首先对预处理的图像进行边缘检测，由于物体图像的边缘表现为灰度变化，可通过一阶导数的幅值检测边缘的存在，幅度峰值一般对应边缘位置。可用二阶导数的过零点检测边缘位置，而用二阶导数过零点附近的符号确定边缘像素是在明区还是在暗区，根据边缘检测算子所得到的二值边缘图像进行Hough变换，将符合Hough变换条件及设定的阈值的直线搜索出来，再根据直线所在方程及起止点记录下来。在检测过程中，图像的强边缘和边缘长度是决定检测目标的最有效信息。

4 窗口异物判定及分割技术

4.1 窗口异物参数的判定

通过Hough变换能够确定两条轨道的直线方程，利用边缘检测技术建立窗口，根据智能视频技术摄像机采集的图片信息，需要建立检测窗口的位置、高度和上下宽度。窗口高度主要是由摄像机的位置、分辨率决定的，上下宽度有轨道直线方程决定的，具体参数由现场的实际情况而定。

4.2 窗口异物分割技术

图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个合适的阈值，以确定图像中每个像素点应该属于目标还是背景区域，从而产生相应的位置图像。本文可采用快速多阈值分割法：该算法的步骤为：

（1）找出图中的两个最大局部值，Z1，Z2；（2）求出两个局部值间的直方图中的最底点Z3；（3）测试直方图的平坦型；（4）若上述值小于门限T，将Z3作为分割门限；（5）对两幅二值图像像素点统计比较确定异物位置。

5 实验结果分析

本文在临策线拍摄到的多幅轨道上无异物及有异物的图像，应用本文提出的方法进行实验并进行对比，在实验中该方法能够在满足实时的要求下有效检测出图像中的异物。图2（a）检测到两条轨道及利用Hough变化求解处直线方程，图2（b）明确标出了两条铁轨所在位置；图3（a）为经过灰度阈值检测到异物的效果图，图3（b）为通过坐标位置分割异物的图像。

图2（a）检测到两条轨道 图2（b）两条铁轨所在位置

图3（a）检测到异物图 图3（b）为通过坐标位置分割异物的图像

6 结语

本文提出一种采用智能视频分析摄像机对轨道异物检测技术，该方法是在摄像机抓拍的图像中应用快速、准确的Hough变换检测出图像中的铁轨，再以铁轨图像为工作窗口检测并检测出异物，同时发出报警给机车司机。

参考文献：

[1]朱正平，王秀丽，岳秋菊.基于机器视觉的轨道异物侵限检测方法研究[J].甘肃高师学报，Vol.14 No.2（2009）.

[2]蔡振江，王渝，张娟.采用Hough变换和灰度变化的图像角点检测法叨.北京理工大学学报，2005.25（9）.

[3]朱娟娟，郭宝龙.一种运动载体摄像的自适应稳像系统[J].光电子激光，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）.